a. Best : Pentingnya sifat ini bila diterapkan dalam uji
signifikan data terhadap dan serta membuat
interval keyakinan taksiran-taksiran. b. Liniear :
Sifat ini dibutuhkan untuk memudahkan dalam penafsiran.
c. Unbiased : Nilai jumlah sampel sangat besar penaksir
parameter diperoleh dari sampel besar kira-kira lebih mendekati nilai parameter sebenarnya.
d. Estimate : e kesalahan penaksiran linier kuadrat terkecil, artinya diharapkan sekecil mungkin.
Tiga dari asumsi dasar tersebut yang tidak boleh dilanggar dalam regresi linier berganda :
a. Autokorelasi
Auto Correlation
Autokorelasi adalah korelasi hubungan yang terjadi diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam
lingkaran waktu seperti pada kurun waktu atau time series atau yang tersusun dalam rangkaian ruang seperti pada data silang
waktu atau cross sectional data.
2 4
Menolak Ho Bukti
Autokorelasi Positif
Menolak Ho Bukti
Autokorelasi Negatif
Menerima Ho atau Ho Atau kedua-duanya
Gambar 10 : Kurva Durbin-Watson
d
Sumber : Gujarati, Damodar, 1999, Ekonometrika Dasar, Erlangga, Jakarta, Halaman 216.
Adanya autokorelasi didasarkan atas : 1.
Daerah A : Durbin Watson d
L,
tolak Ho autokorelasi positif.
2. Daerah B : d
L
Durbin-Watson d
U,
ragu-ragu. 3.
Daerah C : d
U
Durbin-Watson d
U
, terima Ho, non autokorelasi.
4. Daerah D : 4 – d
U
Durbin-Watson 4 – d
U,
ragu-ragu. 5.
Daerah E : Durbin-Watson 4 – d
L
, tolak Ho autokorelasi
Negatif. Gujarati, 1999 : 217.
Pendekteksian adanya autokorelasi dapat dilakukan dengan menggunakan perhitungan besaran Durbin-Watson. Panduan mengenai
angka D – W Durbin-Watson untuk mendeteksi autokorelasi adalah: 1.
Angka D – W dibawah -2, berarti ada autokorelasi positif. 2.
Angka D – W dibawah -2 sampai +2, berarti tidak ada autokorelasi.
Daerah keragua-
raguan Daerah
keragua- raguan
d
L
d
U
4 – d
U
4 – d
L
d
3. Angka D – W diatas +2, berarti ada korelasi negatif.
Tabel 1 : Autokorelasi Durbin-Watson Durbin Watson
Kesimpulan
Kurang dari 1,08 Ada autokorelasi
1,08 – 1,66 Tanpa kesimpulan
1,66 – 2,34 Tidak ada autokorelasi
2,34 – 2,92 Tanpa kesimpulan
Lebih dari 2,92 Ada autokorelasi
Sumber : Gujarati, Damodar, 1999, Ekonometrika Dasar, Erlangga, Jakarta, Halaman 217.
b. Multikolinieritas Multicolinierity
Pada multikolinieritas tersebut menunjukkan adanya suatu derajat kolinieritas yang tinggi diantara variabel-variabel bebas
berkolerasi secara sempurna, maka metode kuadrat terkecil tidak bisa digunakan.
Adapun cara pendeteksiannya adalah : 1.
Konfirmasi antara nilai R
2
dengan seluruh hasil t
hitung
pada uji parsial. Jika hasil estimasi ditemukan bahwa R
2
yang sangat tinggi, namun tidak satupun nilai t
hitung
parsial yang signifikan, maka dipastikan terdapat suatu adanya gajala
multikolinieritas.
2. Dengan menentukan nilai VIF Variance Inflation Factor
dan indeks tolerance. 3.
VIF = 1 1 - R
2
...................................Gujarati, 1997 : 85. Dimana
:
VIF menyatakan tingkat pembengkakan varians. Apabila VIF lebih besar dari 10, maka terjadi suatu multikolinieritas
pada persamaan tersebut.
c. Heteroskedastisitas Heteroscedasticity
