c. Tidak boleh ada heterokedastisitas
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best Linier
Unbiased Estimator , sehingga pengambilan keputusan melalui uji f dan uji
t menjadi bias.
a. Multikolinier
Persamaan regresi linier berganda di atas diasumsikan tidak terjadi pengaruh antar variabel bebas. Apabila ternyata ada pengaruh
linier antar variabel bebas maka asumsi tersebut tidak berlaku lagi terjadi bias .
Untuk mendeteksi adanya multikolinieritas dapat dilihat ciri- cirinya sebagai berikut :
1 Koefisien determinasi berganda R Square tinggi.
2 Koefisien korelasi sederhananya tinggi.
3 Nilai F hitung tinggi signifikan .
4 Tapi tak satupun atau sedikit sekali diantara variabel bebas yang
signifikan. Akibat adanya multikolinier adalah :
1 Nilai standart error galat baku tinggi sehingga taraf kepercayaan
Confidence Intervalnya akan semakin melebar. Dengan demikian, pengujian terhadap koefisien regresi secara individu menjadi tidak
signifikan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2 Probabilitas untuk menerima hipotesis H
o
diterima tidak ada pengaruh antara variabel bebas terhadap variabel terikat akan
semakin besar. Identifikasi secara statistik ada atau tidaknya gejala multikolinier
dapat dilakukan dengan menghitung koefisien korelasi product moment.
b. Autokorelasi
Autokorelasi dapat didefinisikan sebagai “Korelasi antar dua observasi yang diurutkan berdasarkan urut waktu data time series
atau data yang diambil pada waktu tertentu data cross-sectional ”. Gujarati, 1995 : 201
Dalam model regresi linier residual Y observasi – Y prediksi pada waktu ke-t e
1
tidak boleh ada hubungan dengan nilai residual periode sebelumnya e
t-1
. Identifikasi ada atau tidaknya gejala autokorelasi dapat dilihat dengan menghitung nilai Durbin Watson d-
test dengan persamaan :
N t
t N
t t
t
e e
e d
1 2
2 2
1
………………… Sudrajat, 1988 :196
Keterangan : d
= Nilai Durbin Watson e
1
= Residual pada waktu ke-t e
t-1
= Residual pada waktu ke-t-1 Satu periode sebelumnya
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
N = Banyaknya
data Banyaknya data time series minimal yang dapat dihitung dengan
Durbin Watson adalah enam buah data dengan satu variabel. Tabel Durbin Watson yang lebih lengkap dapat diperoleh di buku Basic
Econometrics edisi ketiga, penerbit Mc Graw Hill tahun 1995.
Identifikasi gejala autokorelasi dapat dilakukan dengan kurva dibawah ini :
Gambar 8 : Kurva identifikasi gejala autokorelasi
Sumber : Gujarati damodar, 1995, Ekonometrika Dasar, Penerbit : Erlangga, Jakarta, Hal. 203.
c. Heteroskedastisitas