tidak maka akan terjadi multikolinieritas dan model regresi tidak layak digunakan.
c. Uji Autokorelasi
Uji ini dimaksudkan untuk mengetahui apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi
autokorelasi, maka
dinamakan terdapat
problem autokorelasi. Akibat yang terjadi pada penaksir-penaksir apabila
metode kuadrat terkecil diterapkan pada data yang mengandung autokorelasi adalah varian dari taksiran terkecil akan bias ke bawah
biased down words atau underestimeted. Akibat yang lain adalah peramalan prediksi akan menjadi tidak efisien. Dengan kata lain
prediksi yang dilakukan atas dasar penaksir kuadrat terkecil akan keliru, karena prediksi tersebut mempunyai varian-varian besar.
Suatu persamaan regresi dapat dikatakan baik apabila tidak terjadi masalah autokorelasi. Ghozali 2009 berpendapat bahwa
autokorelasi dapat muncul karena observasi yang berurutan sepanjang waktu yang berkaitan satu sama lain. Hal ini sering
dilakukan pada data time series karena “gangguan” pada
seseorangkelompok yang sama pada periode berikutnya. Pengujian autokorelasi dilakukan dengan metode Durbin
Watson DW-test. Hipotesis yang akan diuji adalah :
H
o
: Tidak ada autokorelasi r = 0 H
a
: Ada autokorelasi r ≠ 0 Ketentuan pengambilan keputusan ada tidaknya autokorelasi :
Tabel 1. Pengambilan keputusan autokorelasi
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif Tidak ada autokorelasi positif
Tidak ada korelasi negatif Tidak ada korelasi negatif
Tidak ada autokorelasi, positif atau negatif
Tolak No decision
Tolak No decision
Tidak ditolak 0 d dl
dl ≤ d ≤ du 4
– dl d 4 4
– du ≤ d ≤ 4 – dl du d ≤ 4 - du
Sumber: Ghozali 2009: 99
d. Uji Heteroskedastisitas
Uji heteroskedastisitas menurut Santoso 2001 dilakukan untuk menguji apakah dalam sebuah model regresi terjadi
ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lain. Uji ini dilakukan dengan melihat grafik
Scatterplot. Jika hasil pada grafik terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu secara jelas dan
tersebar baik di atas maupun di bawah angka nol pada sumbu Y, hal tersebut berarti tidak terjadi heterokedastisitas pada model
regresi.
Kategori