56 kemungkinan adanya pelanggaran asumsi klasik. Penerapan pengujian
asumsi klasik regresi linier dilakukan terhadap data residual, kecuali uji asumsi multikolinieritas. Adapun asumsi klasik regresi linier adalah
sebagai berikut:
a. Error residual tidak mengalami autokorelasi
Menurut Gujarati 1995: 201, autokorelasi didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan
urut waktu Data time series atau data yang diambil pada waktu tertentu Data cross sectional. Penyimpangan asumsi model klasik
yang pertama adalah adanya autokorelasi dalam model regresi. Artinya adanya korelasi antar anggota sampel yang diurutkan
berdasarkan waktu data time series atau data yang diambil pada waktu tertentu.
Adanya autokorelasi pada error mengindikasikan bahwa ada satu atau beberapa faktor variabel penting yang mempengaruhi
variabel terikat yang tidak dimasukkan kedalam model regresi. Uji autokorelasi yang digunakan adalah Durbin Watson, dengan
ketentuan sebagai berikut:
Tabel 3.1: Kriteria Uji Durbin Watson
Nilai d Kesimpulan
0 d d
L
Ada autokorelasi positif d
L
d d
U
Tidak ada kesimpulan d
U
d 4-d
U
Tidak ada autolorelasi 4-d
U
d 4-d
L
Tidak ada kesimpulan 4-d
L
d 4 Ada autokorelasi negatif
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
57 Untuk mengetahui ada tidaknya gejala autokorelasi maka
perlu dilihat tabel Watson dengan jumlah variabel bebas k dan jumlah data n sehingga diketahui d
L
dan d
U
maka dapat diperoleh distribusi daerah keputusan ada tidak terjadi autokorelasi.
Untuk mengatasi adanya autokorelasi, dilakukan transformasi
yang didasarkan atas statistik d Durbin Watson. 1. Menghitung
nilai
=
2 2
2 2
2 1
k n
k d
n
2. Observasi X dan Y yang pertama dikalikan dengan
2
1
untuk menghindari hilangnya satu observasi 3. Data asli diubah kedalam bentuk
Y
t
-
Y
t-1
dan X
t
-
X
t-1
Supranto, 1984 : 117 - 125
b. Ragam dari error residual bersifat homogen homoskedastik
Maksud dari ragam bersifat homogen adalah bahwa error memiliki nilai ragam yang sama antara error ke-i dan error ke-j.
Bagaimanapun juga, error sebenarnya berupa data. Hanya saja, sangat sulit atau bahkan tidak mungkin untuk mengetahui nilainya
secara pasti. Oleh karena itu, diperlukan suatu penduga dari data error
. Data penduga yang paling tepat adalah data residual. Setiap
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
58 nilai dari data residual diharapkan memiliki nilai ragam yang mirip
http:ineddeni.wordpress.com. Jika varians dari residual dari suatu pengamatan ke
pengamatan lain berbeda, maka disebut terdapat heteroskedastisitas. Metode regresi yang baik seharusnya tidak terjadi
heteroskedastistitas Ghozali, 2001: 60. Identifikasi secara statistik ada atau tidaknya gejala
heteroskedastisitas dapat dilakukan dengan menghitung korelasi Rank Spearman
, jika tingkat signifikan p-value lebih besar 5, maka tidak terdapat gejala heteroskedastisitas.
c. Tidak terjadi multikolinieritas antar variabel bebas X
