Apabila salah satu dari ketiga asumsi dasar tersebut tidak dipenuhi, maka persamaan regresi berganda yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
3.4.3.1 Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi di antara anggota observasi yang diurut menurut waktu seperti data deretan berkala atau ruang
seperti data lintas-sektoral” Gujarati, 2007:112. Pengujian ini bertujuan untuk meneliti apakah sebuah model regresi linier ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Model regresi yang baik adalah model regresi yang bebas dari
autokorelasi Santoso, 2000:216. Suatu jenis pengujian yang umumnya digunakan untuk mengetahui
adanya autokorelasi yang dikembangkan oleh J. Durbin dan G. Watson yang disebut sebagai statistik Durbin-Watson. Pengujian ini dilakukan dengan
membandingkan nilai d dari hasil perhitungan dengan nilai d
L
dan d
U
dari table Durbin-Watson Gujarati, 2007:122.
Table 3.1 : Uji d Durbin Watson
Hipotesis Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dL
Tidak ada autokorelasi positif Tak ada keputusan
d
L
≤ d ≤
d
U
Tidak ada autokorelasi negatif Tolak 4 - dL d 4 Tidak ada autokorelasi negatif Tak ada keputusan 4 -
d
U
≤ d ≤ 4 - dL Tidak ada autokorelasi positif atau negatif Jangan tolak
d
U
d 4 - dU Sumber : Gujarati, 2007 , Dasar - Dasar Ekonometrika, Edisi Ketiga, Jilid 2, Penerbit
Erlangga, Jakarta, hal 122.
Berdasarkan table Durbin - Watson di atas, bila diterapkan dalam
bentuk kurva seperti gambar di bawah ini :
Gambar 3.1 Kurva Durbin Watson
Tidak Ada Autokorelasi
A d
a A u
toko re
la si
ne ga
ti f
D ae
ra h
K era
g u
-ra gua
n
D ae
ra h
ke ra
g u
-ra gua
n
A d
a A u
toko re
la si
po si
ti f
dl du
4-du 4-dl
3.4.3.2 Multikolinieritas
Pengujian ini bertujuan untuk meneliti apakah pada model regresi ditentukan adanya korelasi antar variabel independen. Model regresi yang
baik adalah model regresi yang bebas dari multikolinieritas Santoso, 2000:203. Multikolinieritas terjadi ketika variabel independen yang ada
dalam metode berkorelasi satu sama lain, ketika korelasi antar variabel independen sangat tinggi maka sulit untuk memisahkan pengaruh masing-
masing variabel independen terhadap variabel dependen. Salah satu cara yang digunakan untuk mengetahui ada tidaknya
multikolinieritas yaitu dengan melihat besarnya nilai Variance Inflation Factor VIF. VIF ini dapat dihitung dengan rumus :
VIF = 1 Tolerance
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh sama dengan nilai VIF tinggi. Nilai cutoff yang
umumnya dipakai untuk menunjukan adanya multikolonieritas adalah nilai tolerance value 0.10 dan VIF 10 Ghozali, 2006: 91-92.
3.4.3.3 Heteroskedastisitas
