41
2.4.4.1. Uji Homoskedastisitas
Salah satu asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE Best Linier
Unbiased Estimate maka var u
i
harus sama dengan σ
2
konstan, atau semua residual atau error mempunyai varian yang sama. Kondisi itu disebut dengan
homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas
dapat menggunakan metode General Least Square Cross section Weights yaitu dengan membandingkan sum square Resid pada Weighted Statistics dengan sum
square Resid unweighted Statistics .
Jika sum square Resid pada Weighted Statistics lebih kecil dari sum square Resid unweighted Statistics
, maka terjadi heteroskedastisitas.
2.4.4.2. Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antar error masa yang lalu dengan error masa sekarang. Uji
autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat mempengaruhi efisiensi dari estimatornya. Untuk
mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson DW. Untuk mengetahui adatidaknya autokorelasi, maka dilakukan dengan
membandingkan DW-statistiknya dengan DW-tabel. Adapun kerangka identifikasi autokorelasi terangkum dalam Tabel 5. Korelasi serial ditemukan jika error dari
periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola random error dari hasil regresi.
Create PDF files without this message by purchasing novaPDF printer
http:www.novapdf.com
42 Tabel 5 Kerangka Identifikasi Autokorelasi
Nilai DW Hasil
4 – dl DW 4 Terdapat korelasi serial negatif
4 – du DW 4- dl Hasil tidak dapat ditentukan
2 DW 4 – du Tidak ada korelasi serial
Du DW 2 Tidak ada korelasi serial
dl DW du Hasil tidak dapat ditentukan
0 DW dl Terdapat korelasi serial positif
Sumber: Gujarati, 2004
2.4.5. Evaluasi Model 2.4.5.1. Uji-F
Kategori