eksaklinier antar variabel independen. Metode yang digunakan untuk mendeteksi multikolinieritas adalah dengan melihat nilai R
2
otokorelasi AC tidak melebihi 0,5 baik + atau -.
3.2.4.3 Asumsi Homoskedastisitas
Salah satu asumsi regresi linier yang harus dipenuhi adalah homogenitas variansi dari error. Homoskedastisitas berarti bahwa variansi dari erro bersifat
konstan, kebalikannya adalah kasus heteroskedastisitas, yaitu jika kondisi variansi errornya tidak konstan. Heteroskedastisitas sering muncul pada data keuangan yang
bersifat runtut waktu. -
Pada kondisi homoskedastisitas Var Y
i
= Var ε
i
= σ
2
; i = 1,2,……,n
3.8 -
Pada kondisi heteroskedastisitas Var Y
i
= Var ε
i
= σ
2
i
; i = 1,2,……,n
3.9 Pada model regresi kuadrat terkecil, jika asumsi homoskedastisitas tidak
terpenuhi, akibatnya adalah : 1. Estimator metode kuadrat terkecil tidak memiliki varian yang minimum tidak
lagi best, sehingga hanya memenuhi karakteristik LUE linier unbiased estimator
. Meskipun demikian, estimator metode kuadrat terkecil masih bersifat linier dan tidak bias.
2. Perhitungan standard error tidak dapat lagi dipercaya kebenarannya, karena varian tidak minimum. Varian yang tidak minimum mengakibatkan estimasi
regresi tidak efisien. 3. Uji hipotesis yang didasarkan pada uji t dan uji F tidak dapat lagi dipercaya.
Pada penelitian ini pengujian kondisi heteroskedastisitas dideteksi dengan Uji White Heteroscedasticity.
Hipotesis yang diujikan adalah : H
: Residu bersifat homoskedastis
H
a
: Residu tidak bersifat homoskedastis
Hasil yang diperhatikan dari uji ini adalah nilai ObsR-squared dan nilai probabilitasnya. Jika nilai ObsR-squared lebih kecil dari
2
atau jika nilai probabilitasnya lebih besar dari
α = 0,05, maka terima H atau tidak terjadi
heteroskedastisitas. Demikian pula sebaliknya.
3.2.4.4 Asumsi Nonotokorelasi
Otokorelasi dalam konsep regresi linier berarti komponen error berkorelasi berdasarkan urutan waktu atau korelasi pada dirinya sendiri. Model regresi linier
klasik mengasumsikan bahwa otokorelasi tidak boleh terjadi, artinya covarian antara ε
i
dan ε
j
sama dengan nol, atau secara matematis dapat dituliskan sebagai berikut: Cov
ε
i
ε
j
= E{[ ε
i
– Eε
i
][ ε
j
– Eε
j
]} 3.10
= E ε
i
ε
j
= 0 ; i ≠ 0
Dengan asumsi bahwa E ε
i
= E ε
j
= 0 Artinya, komponen error
ε
i
yang berkaitan dengan data pengamatan ke-i tidak dipengaruhi oleh
ε
j
yang berkaitan dengan pengamatan ke-j. dengan kata lain, regresi klasik mensyaratkan bahwa pengamatan sang satu y
i
dengan pengamatan yang lain y
j
saling bebas independen. Uji otokorelasi dapat diketahui dari nilai Durbin-Watson DW. Jika nilai
DW hitung lebih besar dari nilai d
U
pada tabel DW, maka dapat disimpulkan tidak terjadi otokorelasi. Hipotesis yang diuji adalah H
= “Tidak terdapat otokorelasi
dalam model”. Daerah penolakan H dapat dijelaskan sebagai berikut :
I II
III IV
V Tolak H
0,
Otokorelasi Positif
Tidak dapat diputuskan
Terima H , tidak
ada otokorelasi Tidak dapat
diputuskan Tolak H
, Otokorelasi
negatif
- Apabila nilai DW hitung terletak di daerah III, maka tidak ada otokorelasi.
- Bila DW hitung terletak di daerah I, artinya ada otokorelasi positif.
- Bila DW hitung terletak di daerah V, maka ada otokorelasi negatif.
- Bila DW hitung terletak di daerah II dan IV, artinya tidak dapat diputuskan
daerah ragu-ragu
3.2.5 Pengujian Kelayakan Model 3.2.5.1 Pengujian Nilai Koefesien Determinasi R
