Autokorelasi Hasil Analisis Asumsi Regresi Klasik BLUE Best Linier Unbiased

dihitung dengan nilai Durbin Watson dL dan du dalam tabel. Distribusi penetuan keputusan dimulai dari 0 nol sampai 4 empat. Kaidah keputusan dapat dijelaskan sebagai berikut : 1. Jika d lebih kecil daripada d L atau lebih besar daripada 4-d L , maka hipotesis nol ditolak yang berarti terdapat autokorelasi. 2. Jika d teletak antara d U dan 4-d U , maka hipotesis nol diterima yang berarti tidak ada autokorelasi. 3. Jika nilai d terletak antara d L dan d U atau antara 4-d L dan 4-d U maka uji Durbin-Watson tidak menghasilkan kesimpulan yang pasti, untuk nilai-nilai ini tidak dapat disimpulkan ada tidaknya autokorelasi di antara faktor-faktor penganggu. Untuk mengetahui ada tidaknya gejala autokorelasi dalam model penelitian maka perlu dilihat nilai DW tabel. Diketahui jumlah variabel bebas adalah 3 k=3 dan banyaknya data adalah n=10 sehingga diperoleh nilai DW tabel adalah sebesar d L = 0,525 dan d U = 2,026 Gambar 9. Kurva Statistik Durbin Watson Daerah Daerah Daerah Daerah Kritis Ketidak- Terima Ho Ketidak- Kritis pastian pastian Tolak Tidak ada Tolak Ho autokorelasi Ho 0 d L = 0,525 d U = 2,026 4-d U = 1,974 4-d L = 3,475 d Sumber : pada output Model Summary Berdasarkan hasil analisis kesembilan sector, maka dalam model regresi ini tidak terjadi gejala autokorelasi karena nilai DW tes yang diperoleh adalah sebagai berikur : Tabel 5. Tes Autokorelasi Variabel Nilai DW Test Ketentuan Daerah Keterangan Sektor Pertanian 2,874 Tidak ada autokorelasi Sektor Industri 1,242 Daerah ketidakpastian Sektor perdagangan 1,717 0 – 0,525 ada auto korelasi 0,525 – 2,026 daerah ketidak pastian 2026 – 1,974 tidak ada autokorelasi 1,974 – 3,475 daerah ketidak pastian 3,475 - 4 ada autokorelasi Daerah ketidakpastian Sumber : pada output Model Summary

2. Multikolinier

Multikolinieritas berarti ada hubungan linier yang “sempurna” atau pasti di antara beberapa atau semua variabel independen dari model regresi. Dari dugaan adanya multikolinieritas tersebut maka perlu adanya pembuktian secara statistik ada atau tidaknya gejala multikolinier dengan cara menghitung Variance Inflation Factor VIF. VIF menyatakan tingkat “pembengkakan” varians. Apabila VIF lebih besar dari 10, hal ini berarti terdapat multikolinier pada persamaan regresi linier. Adapun hasil yang diperoleh setelah diadakan pengujian analisis regresi linier berganda diketahui bahwa dari keempat variabel yang dianalisis dapat dilihat pada tabel berikut : Tabel 6 : Tes Multikolinier