Jika autokorelasi ini terjadi maka hal ini telah

This preview shows page 75 - 79 out of 134 pages.

Jika autokorelasi ini terjadi, maka hal ini telah melanggar asumsi model regresi linier berganda, menurut Gujarati (1999 : 201) regresi linier berganda haruslah terbebas dari madalah autokorelasi antara faktor pengganggu ui dan uj atau singkatnya cov(u i , u j ) i ≠ j.
Image of page 75
lxxvi Permasalahan autokorelasi itu sendiri biasanya terjadi pada data runtut waktu ( time series ). Dengan demikian Winarno (2006 : 5.27) menyatakan bila suatu model mangandung masalah autokorelasi maka estimator tidak lagi bersifat BLUE, namun hanya LUE karena estimator metode kuadrat terkecil tidak mempunyai varian yang minimum ( no longer best ). Beberapa cara yang digunakan untuk mendeteksi autokorelasi sangatlah beragam, Ghozali (2006 : 96) menyatakan setidaknya terdapat 5 cara untuk mendeteksi ada tidaknya autokorelasi pada suatu model persamaan regresi tertentu, yang diantaranya 1) Menggunakan Uji Durbin-Watson ( D-W test ), 2) Uji Lagrange Multiplier (LM test), 3) Uji Statistic Q : Box-Pierce dan Ljung Box dan 4) dengan Run test , 5) Uji Breusch-Godfrey . Dari beberapa cara pendeteksian tersebut, penulis menggunakan cara pertama yaitu dengan melakukan Uji Durbin-Watson dengan bantuan SPSS for Windows versi 17.0 , dengan kriteria pengujiannya adalah sebagai berikut : Tabel III.2 Kriterian Pengujian Autokorelasi Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif No Decision dl ≤ d ≤ du Tidak ada autokorelasi negatif Tolak 4-dl < d < 4 Tidak ada autokorelasi negatif No decision 4-du ≤ d ≤ 4 -dl Tidak ada autokorelasi positif dan negatif Tidak ditolak Du < d < 4-du Sumber : Ghozali (2006 : 96)
Image of page 76
lxxvii Dengan cara D-W test ini maka penulis membandingkan hasil output dari SPSS dengan DW tabel untuk menentukan ada tidaknya autokorelasi yang terjadi pada suatu model regresi yang diujikan. Bila dinyatakan dalam bentuk grafik, berikut adalah kriteria pengujian dengan D-W test : Sumber : Gujarati (1999 : 389) Gambar III.1 Kriteria Pengujian Autokorelasi dengan D-W test Beberapa kelemahan pada penggunaan metode D-W test ini adalah bila hasil yang diperoleh terletak pada grey area atau daerah tanpa keputusan, namun berdasar (Gujarati, 1999 : 391) cara untuk mengatasi hal seperti ini peneliti dituntut untuk lebih bijaksana dan mencari titik terang dari keadaan indecision tersebut, dengan kata lain perlu dilakukan remidial measure seperti layaknya kasus terjadinya autokorelasi pada suatu persamaan regresi. Berdasar Gujarati (1999 : 32) untuk mengatasi masalah autokorelasi pada suatu model, maka perlu dilakukan transformasi model yang yang sering disebut dengan generalized least square Tolak H0, terdapat autokorelasi positif Tak dapat diputuskan Tak dapat diputuskan Tolak H 0, terdapat autokorelasi negatif Tidak menolak H 0, tidak terdapat autokorelasi 0 D L D 2 4- D U 4- D L 4 D
Image of page 77