Cara mengatasi multikolinearitas adalah: a Transformasi variabel. Jika terlihat pada model awal dengan adanya gejala multikolinieritas maka dapat
dilakukan transformasi variabel yang bersangkutan ke dalam bentuk logaritma natural atau bentuk-bentuk transformasi lainnya, sehingga nilai t hitung yang dihasilkan
secara individu variabel independen dapat secara signifikan mempengaruhi variabel terkait, b Meningkatkan jumlah data sampel. Dengan adanya peningkatan jumlah
data sampel diharapkan mampu menurunkan standard error di setiap variabel independen dan akan diperoleh model yang benar-benar bisa menaksir koefisien
regresi secara tepat Arief, 2006.
4.6.2.3. Uji autokorelasi
Pada asumsi OLS didapati kesepakatan bahwa persamaan regresi yang terbentuk tidak boleh ada autokorelasi. Uji autokorelasi merupakan korelasi antara
anggota dalam runtut waktu time series atau antara space data cross section Hakim, 2004.
Cara mendeteksi adanya gejala autokorelasi adalah dengan melihat nilai Durbin-Watson. Asumsi penggunaan analisis DW ini jika digunakan untuk
autokorelasi tingkat pertama dan model regresi yang ada mempunyai intercept constant serta tidak terdapat variabel lagi. Penggambilan keputusan bila
menggunakan uji DW adalah sebagai berikut: a.
Nilai DW terletak di antara du dan 4-du maka autokorelasi sama dengan nol, dan dapat diartikan tidak ada autokorelasi. du DW 4-du.
p d f Machine
A pdf w rit er t hat produces qualit y PDF files w it h ease
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine.
Get yours now
Universitas Sumatera Utara
b. Nilai DW terletak di bawah lower boud dl, maka akan mempunyai koefisien
korelasi lebih besar dari nol dan memiliki autokorelasi positif. c.
Nilai DW 4-dl, maka koefisien korelasi kurang dari nol, sehingga memiliki autokorelasi negatif.
d. Nilai DW terletak di antara batas atas du dan batas bawah dl atau terletak
antara 4-du dan 4-dl sehingga hasilnya tak dapat disimpulkan. Cara untuk mengatasi autokorelasi adalah banyak cara salah satunya adalah
dengan menggunakan metode Hidrent-Lu, yaitu jika menemukan autokorelasi yang positif atau negatif dari model yang ditelitinya maka dapat menggunakan ñ dimulai
dari -0.9, -0.8,…, 0.8, 0.9. Untuk setiap nilai ñ yang di coba, dilakukan proses transformasi yang diikuti dengan perhitungan regresi yang bersangkutan. Dari setiap
hasil regresi kemudian diperoleh dan yang terbaik adalah melihat jumlah kuadrat yang terkecil sum of square residuals dari model regresinya Arief, 2006.
4.6.2.4.Uji heterokedastisitas Langkah ini bertujuan untuk menguji apakah di dalam model regresi yang kita
miliki mengandung perbedaan variansi residu dari kasus pengamatan satu kasus ke kasus pengamatan yang lainnya. Jika variansi residu dari kasus pengamatan satu ke
kasus pengamatan yang lainnya mempunyai nilai tetap maka disebut homokedastisitas dan jika mempunyai perbedaan maka disebut heterokedastisitas.
Model regresi yang baik adalah model regresi yang memiliki homoskedastisitas dan bukan memiliki heterokedastisitas.
p d f Machine
A pdf w rit er t hat produces qualit y PDF files w it h ease
Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application yo u can use pdfMachine.
Get yours now
Universitas Sumatera Utara
Cara untuk mendeteksi ada tidaknya heterokedastisitas adalah dengan melihat grafik plot antara nilai residu variabel dependen SRESID dengan nilai prediksi
ZPRED Santoso, 2006. Dasar analisisnya: a Jika ada pola tertentu, seperti titik- titik yang membentuk pola yang teratur bergelombang, melebar kemudian
menyempit, maka mengidentifikasikan telah terjadi heterokedastisitas. b Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka pada sumbu
Y, maka tidak terjadi heterokedastisitas. Cara untuk mengatasi masalah heterokedastisitas adalah: a Melakukan
transformasi dalam bentuk membagikan model regresi asal dengan salah satu variabel independen yang digunakan dalam model ini. b Melakukan transformasi log Arief,
2006.
4.6.3. Pengujian Hipotesis