53
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, diantaranya dengan melihat grafik scatter plot,
uji park, uji glejser, dan uji white. Dalam penelitian ini untuk mendeteksi heteroskedastisitas akan digunakan uji glejser.
d. Uji Autokorelasi
Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya. Autokorelasi lebih mudah
timbul pada data yang bersifat runtut waktu time series, karena berdasarkan sifatnya, data masa sekarang dipengaruhi oleh data
pada masa-masa sebelumnya
42
. Uji autokorelasi bertujuan menguji apakah dalam model
regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang
berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada runtut waktu time series karena
“gangguan” pada seorang individukelompok yang sama pada periode berikutnya
43
.
42
Wing Wahyu Winarno, “Analisis Ekonometrika dan Statistika dengan Eviews”,
Yogyakarta: UPP STIM YKPN, 2011, h.26.
43
Ibid., h.110.
54
Untuk mendeteksi ada atau tidaknya autokorelasi dapat dilihat dari nilai Durbin Watson-nya. Uji D-W merupakan salah satu uji
yang banyak dipakai untuk mengetahui ada tidaknya autokorelasi. Hamper semua statistic sudah menyediakan fasilitas untuk
menghitung nilai d yang menggambarkan koefisien DW. Nilai d akan berada pada kisaran hingga 4. Sebelumnya ditentukan nilai
d
U
dan d
L
dengan melihat table Durbin Watson dengan α = 5 seperti tampak pada tabel 3.1 berikut :
Sumber : Wing Wahyu Winarno, 2011:5.28
Dengan hipotesis yang akan di uji adalah sebagai berikut : H
: Tidak ada Autokorelasi H
a
: Ada Autokorelasi
55
Jika dalam hasil analisis terdapat masalah autokorelasi maka dilakukan pengobatan menurut Imam Ghazali, langkah-langkahnya adalah sebagai
berikut : a
Tentukan apakah autokorelasi yang terjadi merupakan pure autocorellation dan bukan karena kesalahan spesifikasi model regresi.
Pola residual dapat terjadi karena adanya kesalahan spesifikasi model yaitu variabel penting yang tidak dimasukkan kedalam model atau
dapat juga karena bentuk fungsi persamaan regresi tidak benar. b
Jika yang terjadi adalah pure autocorrelation, maka solusi autokorelasi adalah dengan mentransformasi model awal menjadi
model difference . Dengan asumsi ρ tidak diketahui. Nilai ρ di estimasi
dengan rumus Theil-Nagar d. Dimana : d = nilai DW persamaan yang mengandung autokorelasi
n = jumlah sampel k = jumlah variabel bebas
c Setelah didapat nilai ρ maka langkah selanjutnya adalah melakukan
transformasi nilai ρ kedalam persamaan regresi. d
Terakhir lakukan analisis regresi kembali dan hasilnya akhir dari persamaan regresi tidak mengalami masalah autokorelasi.
2. Uji Regresi Linier Berganda