Kondisi tersebut terjadi jika dipenuhi beberapa asumsi yang disebut dengan asumsi klasik, sebagai berikut:
1. Nonmultikoleniaritas. Artinya, antara variabel independent yang satu
dengan yang lain dalam model regresi tidak saling berhubungan secara sempurna atau mendekati sempurna.
2. Homoskedastisitas. Artinya, varians semua variabel adalah konstan
sama. 3.
Nonotokorelasi. Artinya, tidak terdapat pengaruh dari variabel dalam model mempunyai tenggang waktu time lag .
4. Nilai rata-rata kesalahan error populasi pada model stokhastiknya sama
dengan nol. 5.
Variabel independen adalah nonstokastik nilai konstan pada setiap kali percobaan yang dilakukan secara berulang.
6. Distribusi kesalahan error adalah normal.
Oleh karena itu dalam penelitian ini dilakukan uji terhadap asumsi klasik, apakah terjadi penyimpangan-penyimpangan atau tidak, agar model penelitian ini
layak untuk digunakan. Pada hal ini kami membatasi hanya membahas mengenai penyimpangan asumsi model klasik berupa : Uji Autokorelasi dan Uji
Heteroskedastisitas.
2.4.1 Uji Autokorelasi
Menurut J. Supranto 2004, autokorelasi merupakan gangguan pada fungsi regresi yang berupa korelasi di antara faktor gangguan. Korelasi dapat terjadi pada
serangkaian pengamatan dari data yang diperoleh pada suatu waktu tertentu, data cross section
dan data time series.
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode dengan
kesalahan pada periode − 1 sebelumnya, dimana jika terjadi korelasi
Universitas Sumatera Utara
dinamakan pada problem autokorelasi. Autokorelasi muncul karena observasi yang beruntun sepanjang waktu berkaitan satu sama lain.
Model regresi yang baik adalah regresi yang bebas dari autokorelasi, masalah ini timbul karena residu kesalahan pengganggu tidak bebas dari satu
observasi lainnya.hal ini sering ditemukan pada data time series. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi.
Adapun penyebab autokorelasi adalah : 1.
Tidak diikutsertakannya seluruh variabel bebas yang relevan dalam model regresi yang diduga.
2. Kesalahan menduga bentuk matematik model yang digunakan
3. Pengolahan data yang kurang baik. Pada data time series sering peneliti
harus menggunakan data yang merupakan data olahandata sekunder. 4.
Kesalahan spesifikasi variabel gangguan.
Sebagai akibat adanya autokorelasi pada model persamaan regresi, maka terjadi hal-hal berikut ini:
1. Penduga-penduga koefisien regresi yang diperoleh tetap merupakan
penduga-penduga yang tidak bias. 2.
Varian variabel ganguan menjadi tidak efisien, jika dibandingkan dengan tidak adanya autokorelasi. Varian variabel gangguan mungkin sekali akan
dinilai terlalu rendah, sehingga akibatnya uji statistik yang digunakan terhadap koefisien regresi penduga berkurang pula kemaknaanya dan
mungkin menjadi tidak berarti sama sekali.
Ada beberapa prosedur atau cara untuk mengetahui adanya masalah autokorelasi pada suatu model regresi. Tetapi uji ada tau tidaknya autokorelasi
yang paling banyak digunakan adalah uji Durbin Watson DW. Uji ini dapat digunakan bagi sembarang sampel, baik besar atau kecil.
Universitas Sumatera Utara
Langkah-langkah uji hipotesisnya adalah: 1.
Tentukan hipotesis nol dan alternatifnya. Hipotesis nolnya adalah variabel ganguan tidak mengandung autokorelasi dan hipotesis alternatifnya adalah
variabel gangguan yang mengandung autokorelasi. : tidak terdapat autokorelasi dalam regresi
1
: terdapat autokorelasi positifnegative
2. Hitung besarnya nilai statistik DW dengan rumus:
=
−
−1 2
=2 2
=2
2.2,
keterangan: DWd = Statistik Durbin Watson
= ganguan estimasi
−1
= ganguan estimasi − 1
3. Bandingkan nilai statistik DW dengan nilai teoritik DW sebagai berikut:
Untuk � 0 autokorelasi positif
a. Bila
d
u
dengan df n-k-1; k adalah banyaknya variabel bebas yang digunakan;
diterima � = 0 berarti tak ada autokorelasi pada
model itu. b.
Bila d
u
dengan df n-k-1; ditolak,
� ≠ 0 berarti ada autokorelasi positif pada model itu.
c. Bila d
l
d
u
; uji itu hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah terdapat autokorelasi atau tidak pada model
itu.
Untuk � 0 autokorelasi negatif
a. Bila
4 − d
u
; diterima, jadi
� = 0 berarti tak ada autokorelasi positif pada model itu.
b. Bila 4 −
d
l
; ditolak, jadi
� ≠ 0 berarti ada autokorelasi positif pada model itu.
Universitas Sumatera Utara
c. Bila d
l
4 −
d
u
; uji itu hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah terdapat autokorelasi atau tidak pada
model itu.
Distribusi DW terletak diantara dua distribusi, d
l
dan d
u
, d
l
adalah batas bawah nilai DW sedang
d
u
adalah batas atas nilai DW. Nilai-nilai tersebut telah disusun dalam table oleh Durbin Watson dan dikenal sebagai tabel Durbin Watson
untuk derajat keyakinan 95 dan 99.
Untuk melihat ada tidaknya autokorelasi dapat juga digunakan ketentuan sebagai berikut:
2.4.2 Uji Heteroskedastisitas