c Tidak terjadi autokorelasi antar komponen penganggu.
d Variabel eksplanatory harus non stokastik atau kalaupun stokastik
harus menyebar bebas dari komponen penganggunya. Yang diasumsikan tidak terjadi pengaruh antara variabel bebas
atau regresi bersifat BLUE Best, Linier, Unbiased, Estimator artinya koefisien regresi pada persamaan tersebut betul-betul linier dan tidak bias
atau tidak terjadi penyimpangan-penyimpangan persamaan, seperti:
3.4.2.1 Multikolinearitas
Tepatnya istilah multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linier pasti dan istilah kolinearitas berkenaan
dengan terdapatnya satu hubungan linier Gujarati,1995: 157 Menurut Widarjono 2003:131, mengemukakan bahwa
multikolinearitas berarti adanya hubungan linier antara variabel independen di dalam regresi linier berganda dalam suatu persamaan.
Multikolinearitas merupakan korelasi variabel independen dalam regresi berganda.
Deteksi adanya Multikolinearitas : a.
Besarnya VIF Variance Inflation Factor Jika VIF melebihi angka 10, maka variabel tersebut mengindikasikan
adanya multikolinearitas. b.
Nilai Eigenvalue mendekati 0 dan Condition Index melebihi angka 15 Nachrowi dan Usman,2006: 100.
3.4.2.2 Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke
pengamatan lain berbeda, maka disebut Heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi Heteroskedastisitas. Pengujian
Heteroskedastisitas di sini menggunakan korelasi rank Spearman antara residual dengan seluruh variabel bebas. Uji yang digunakan dalam
heteroskedastisitas yaitu dengan signifikan antara residual dengan variabel bebasnya dengan nilai signifikansi 0,05. Ghozali, 2001: 69.
3.4.2.3 Autokorelasi
Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu.
Prosedur untuk menguji autokorelasi yang sebenarnya dapat dijelaskan lebih baik dengan bantuan gambar dibawah ini, yang
menunjukkan batas d adalah 0 dan 4. Gambar 1. Statistik d Durbin – Watson, Gujarati, 1995: 216
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif
dL dU
4 - dU 4 - dL
4
ada auto korelasi positif
daerah keragu
raguan ada auto
korelasi negatif daerah
keragu raguan
Mekanisme tes Durbin-Watson adalah sebagai berikut, dengan mengasumsikan bahwa asumsi yang mendasari tes dipenuhi :
a. Untuk ukuran sampel tertentu dan banyaknya variabel yang menjelaskan
tertentu dapatkan nilai kritis d
L
dan d
u
. b.
Jika hipotesis Ho adalah bahwa tidak ada serial korelasi positif, maka jika
d d
L
: menolak Ho d d
u
: tidak menolak Ho d
L
d d
u
: pengujian tidak meyakinkan c.
Jika hipotesis nol Ho adalah bahwa tidak ada serial korelasi korelasi negatif, maka jika
d 4 – d
L
: menolak Ho d 4 – d
u
: tidak menolak Ho 4 – d
u
d 4 – d
L
: pengujian tidak meyakinkan d.
Jika Ho adalah dua-ujung, yaitu bahwa tidak ada serial autokorelasi baik positif ataupun negatif, maka jika
d d
L
: menolak Ho d 4 – d
L
: menolak Ho d
u
d 4 – d
u
: tidak menolak Ho d
L
d d
u
atau pengujian tidak meyakinkan
4 – d
u
d 4 – d
L
Seperti langkah tadi menunjukkan, kelemahan besar dari tes d adalah bahwa jika d tadi jatuh dalam daerah yang meragukan atau daerah
ketidaktahuan, orang tidak dapat menyimpulkan apakah autokorelasi ada atau tidak ada. Dalam kasus ini orang bisa mungkin terpaksa melakukan
tes lain beberapa diantaranya diberikan dalam bentuk soal latihan atau
mendapatkan data tambahan data atau sampel yang berbeda. Harus juga diperhatikan bahwa banyaknya observasi minimum yang diperlukan
sehubungan dengan tabel Durbin Watson adalah 15. Alasannya adalah bahwa suatu sampel yang lebih kecil dari 15 observasi akan menjadi
sangat sulit untuk bisa menarik kesimpulan yang pasti definitif mengenai autokorelasi dengan memeriksa residual yang ditaksir.
3.4.3 Uji Hipotesis 3.4.3.1. Uji Parsial Uji t