data yang diambil pada waktu tertentu data cross-sectional” Gujarati, 1995:201. Untuk menguji variabel-variabel yang diteliti apakah terjadi
autokorelasi atau tidak dapat digunakan uji Durbin Watson, yaitu dengan cara membandingkan nilai Durbin Watson yang dihitung
dengan nilai Durbin Watson dL dan dU dalam tabel. Distribusi
penetuan keputusan dimulai dari 0 nol sampai 4 empat. Kaidah keputusan dapat dijelaskan sebagai berikut :
1. Jika d lebih kecil daripada d
L
atau lebih besar daripada 4-d
L
, maka hipotesis nol ditolak yang berarti terdapat autokorelasi.
2. Jika d teletak antara d
U
dan 4-d
U
, maka hipotesis nol diterima yang berarti tidak ada autokorelasi.
3. Jika nilai d terletak antara d
L
dan d
U
atau antara 4-d
L
dan 4-d
U
maka uji Durbin-Watson tidak menghasilkan kesimpulan yang pasti, untuk nilai-nilai ini tidak dapat disimpulkan ada tidaknya
autokorelasi di antara faktor-faktor penganggu. Untuk mengetahui ada tidaknya gejala autokorelasi dalam model
penelitian maka perlu dilihat nilai DW tabel. Diketahui jumlah variabel bebas adalah 4 k=4 dan banyaknya data adalah n=15 sehingga
diperoleh nilai DW tabel adalah sebesar d
L
= 0,688 dan d
U
= 1,977.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 11. Kurva Statistik Durbin Watson
Daerah Daerah Daerah Daerah Kritis Ketidak- Terima Ho Ketidak- Kritis
pastian pastian Tolak Tidak ada Tolak
Ho autokorelasi Ho 0 d
L
= 0,688 d
U
= 1,977 4-d
U
= 2,023 4-d
L
= 3,312 d
1,937
Sumber : Lampiran 2 dan 7 Berdasarkan hasil analisis, maka dalam model regresi ini
tidak terjadi gejala autokorelasi karena nilai DW tes yang diperoleh adalah sebesar 1,937 berada pada daerah antara dL dan dU yang berarti
berada dalam daerah ketidakpastian.
2. Multikolinier
Multikolinieritas berarti ada hubungan linier yang “sempurna” atau pasti di antara beberapa atau semua variabel independen dari
model regresi. Dari dugaan adanya multikolinieritas tersebut maka perlu
adanya pembuktian secara statistik ada atau tidaknya gejala multikolinier dengan cara menghitung Variance Inflation Factor VIF.
VIF menyatakan tingkat “pembengkakan” varians. Apabila VIF lebih
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
besar dari 10, hal ini berarti terdapat multikolinier pada persamaan regresi linier.
Adapun hasil yang diperoleh setelah diadakan pengujian analisis regresi linier berganda diketahui bahwa dari keempat variabel
yang dianalisis diperoleh VIF untuk X
1
sebesar 1,642; VIF untuk X
2
sebesar 1,156; VIF untuk X
3
sebesar 1,590, dan VIF untuk X
4
sebesar 1,656 yang berarti lebih kecil dari 10 sehingga dalam model regresi ini
tidak terjadi multikolinier. Lampiran 3 pada tabel Coefficients.
3. Heterokedastisitas
