BAB III METODE PENELITIAN. Di dalam penelitian ilmiah diperlukan adanya suatu metode penelitian

Transkripsi

1 BAB III METODE PENELITIAN A. Metode Peneltan D dalam peneltan lmah dperlukan adanya suatu metode peneltan yang tepat dan sesua dengan permasalahan yang dhadapnya. Metode peneltan merupakan suatu cara atau langkah dalam mengumpulkan, mengorgansr, menganalsa, serta mengnterpretaskan data. Hal tersebut sejalan dengan pendapat Wnarno Surakhmad (1989:131) yang menyatakan bahwa : Metode peneltan merupakan cara utama yang dpergunakan untuk mencapa tujuan, msal untuk menguj serangkaan hpotess dengan menggunakan teknk serta alat-alat tertentu. Cara utama n dpergunakan setelah penyeldk memperhtungkan kewajarannya, dtnjau dar tujuan penyeldkan serta stuas penddkan. Pemlhan metode sangat dperlukan dalam peneltan, hal tersebut dmaksudkan supaya peneltan lebh terarah dan sesua dengan tujuan yang dharapkan. Adapun metode yang dgunakan dalam peneltan n adalah metode survey verfkatf yatu metode peneltan yang mengambl sampel dar suatu populas dan menggunakan kusoner sebaga alat pengumpulan data yang pokok (Masr Sngarmbun, 1995:40). B. Populas dan Sampel a. Populas Menurut Suharsm Arkunto (00:108) Populas adalah keseluruhan subjek peneltan. Sedangkan menurut Mudrajad Kuncoro (003:103) menyatakan bahwa populas adalah sekelompok elemen yang lengkap, yang basanya berupa 65

2 66 orang, objek, transaks, atau kejadan d mana kta tertark untuk memperlajarnya atau menjad objek peneltan. Sesua dengan permasalah yang akan dbahas dalam peneltan n maka yang menjad populas adalah ndustr Genteng jatwang d Kecamatan Jatwang Kabupaten Majalengka yang berjumlah 15 perusahaan genteng. b. Sampel Menurut Suharsm Arkunto (00:109) Sampel adalah sebagan atau wakl populas yang dtelt. Sedangkan menurut Mudrajad Kuncoro (003:103) Sampel adalah suatu hmpunan bagan (subset) dar unt populas. Dalam peneltan n, pengamblan sampel terhadap para pengusaha ndustr genteng yang akan dtelt menggunakan rumus dar Rduwan (004:65) yatu sebaga berkut: N n = 1+ Ne Keterangan: n = Ukuran sampel keseluruhan N = Ukuran populas sampel e = Persen kelonggaran ketdakteltan karena kesalahan 15 n = 1+ (15)(0.1) Ddapat n = 60,3 dbulatkan menjad 60. Dar perhtungan datas, maka ukuran sampel mnmal dalam peneltan n adalah 60 perusahaan pada ndustr genteng.

3 67 Metode penarkan sampel yang dgunakan adalah metode stratfed random samplng. Teknk n dgunakan bla populas mempunya anggota/unsur yang tdak homogen dan berstrata secara proposonal d mana populas yang bersangkutan harus dbag-bag kedalam lapsan-lapsan (strata) yang seragam, dan dar setap lapsan tersebut dapat dambl sampel secara acak. Adapun cara dalam menggunakan metode pengamblan stratfed random samplng adalah sebaga berkut: (1) Melakukan pengelompokkan populas dengan krtera tertentu ke dalam beberapa strata. () Setap elemen yang ada dalam populas hanya boleh dmasukkan ke dalam salah satu strata. (3) Setap strata akan berfungs sebaga unt pemlhan sampel dan dar setap strata dapat dsusun kerangka pemlhan sampel. (4) Setap elemen dar unt sampel yang ada akan dplh secara random untuk menjad sampel. (5) Sehubungan dengan propors jumlah sampel yang dambl dengan jumlah elemen pada setap unt sampel, pemlhan random stratfkas n dapat dbag menjad dua macam yatu proporsonal dan non-proporsonal. Langkah pertama adalah menstratfkas ndustr genteng. Perusahaan genteng yang sebanyak 15 buah dstratfkas berdasarkan jensnya yatu bsa berupa perusahaan besar, perusahaan sedang maupun perusahaan kecl. Dengan mengacu pada pengklasfkasan ndustr yang dlakukan Bro Pusat Statstk

4 68 membedakan skala ndustr menjad 4 lapsan berdasarkan jumlah tenaga kerja per unt usaha, dantaranya adalah sebaga berkut: (1) Industr besar: berpekerja 100 orang atau lebh. () Industr sedang: berpekerja antara 0 sampa 99 orang. (3) Industr kecl: berpekerja antara 5 sampa 19 orang dan (4) Industr/kerajnan rumah tangga: berpekerja kurang dar 5 orang. Dengan merujuk pada krtera d atas maka dperoleh gambaran mengena jumlah ndustr genteng yang berada d Kabupaten Majalengka berdasarkan skala ndustr menurut jumlah tenaga kerja per unt usahanya adalah sebaga berkut: Tabel 3.1 Klasfkas Industr Genteng D Kabupaten Majalengka No Klasfkas Industr Jumlah Perusahaan 1 Industr Besar 9 buah Industr Sedang 143 buah Total jumlah ndustr genteng 15 buah Sumber: Statstk Industr Kabupaten Majalengka, BPS Langkah selanjutnya, adalah menentukan unt sampel secara proporsonal : Tabel 3. Penentuan Sampel Secara Proporsonal Jumlah No Klasfkas Industr Jumlah Populas Sampel 1 Industr Besar 9 4 Industr Sedang Jumlah 15 buah 60 buah Ket. 9 x x Dar perhtungan jumlah sampel setap strata secara proporsonal maka dperoleh sampel untuk ndustr besar sebanyak 4 perusahaan genteng dan untuk ndustr kecl sebanyak 56 perusahaan genteng.

5 69 C. Operasonalsas Varabel Untuk menghndarkan kekelruan dalam menafsrkan masalah, maka dalam peneltan n penuls membatas varabel yang akan dukur, sehngga varabel-varabel yang akan dtelt dber batasan-batasan secara operasonal sebaga berkut: Tabel 3.3 Operasonalsas Varabel Peneltan Varabel Emprs Indkator Skala Varabel Independen (X) Over tenaga kerja (X 1 ) supply Selsh antara permntaan akan tenaga kerja dan penawaran akan tenaga kerja Produktvtas Produktvtas tenaga kerja secara parsal (X ) (Produktvtas tenaga kerja): Raso antara keluaran (output) dengan masukan (nput) tenaga kerja. Keteramplan Keteramplan tenaga kerja khusus yang (X 3 ) dmlk oleh tap tenaga kerja dalam proses produks Varabel dependen (Y) Upah Balas jasa yang dberkan kepada pemlk factor produks (tenaga kerja) - Jumlah tenaga kerja yang melamar ke perusahaan rata-rata per bulan dalam tga bulan terakhr. - Jumlah tenaga kerja yang dterma oleh perusahaan rata-rata per bulan dalam tga bulan terakhr. - Kelebhan penawaran tenaga kerja rata-rata per bulan dalam tga bulan terakhr. - Jumlah rata-rata genteng yang dhaslkan dalam tga bulan terakhr - Jumlah rata-rata tenaga kerja yang bekerja dalam tga bulan terakhr - Raso antara jumlah genteng yang dhaslkan dengan jumlah tenaga kerja Tenaga kerja mampu menghaslkan unt/output dengan cepat, berkualtas dan memenuh kuanttas yang dtargetkan. upah pekerja dalam rupah per jam Upah Total N x H D mana : N : Jml. tenaga kerja dlm 1 bulan H : Jam kerja dalam 1 bulan Interval Interval Ordnal Interval

6 70 D. Teknk Pengumpulan Data Teknk pengumpulan data yang dgunakan dalam peneltan n adalah: (1) Wawancara, yatu pengumpulan data yang dlakukan dengan wawancara kepada pemlk perusahaan genteng jatwang d Kabupaten Majalengka. () Stud Kepustakaan, yatu mempelajar teor-teor yang ada atau lteraturlteratur yang berhubungan dengan permasalahan yang dtelt bak dar buku, artkel, jurnal, nternet dan meda cetak lannya yang berhubungan dengan konsep dan permasalahan yang dtelt. (3) Angket yatu pengumpulan data melalu penyebaran seperangkat pertanyaan tertuls kepada responden pengusahan genteng yang tercakup dalam sampel peneltan. (4) Stud Dokumentas, yatu dlakukan untuk mencar data yang berkatan dengan varabel-varabel yang dtelt bak berupa catatan, laporan dan dokumentas yang dperoleh dar perusahaan genteng jatwang d Kabupaten Majalengka. Selan tu juga dokumen-dokumen lannya d mana dokumendokumen tersebut berkatan dengan peneltan, sepert laporan Depperndag, Badan Pusat Statstk (BPS), Badan Perencana Pembangunan Daerah dan lan sebaganya. E. Objek dan Sumber Data Adapun yang menjad objek dalam peneltan n adalah pengusaha pada ndustr genteng jatwang d Kecamatan Jatwang Kabupaten Majalengka. Berdasarkan jensnya, data yang dgunakan dalam peneltan n adalah data prmer yatu data yang langsung dperoleh dar responden melalu kusoner

7 71 F. Prosedur Pengumpulan Data Untuk pengumpulan data dar responden dlaksanakan melalu beberapa tahap, dantaranya adalah sebaga berkut : (1) Pembuatan surat zn. () Kunjungan ke BPS dan Depperndag untuk memperoleh nformas tentang keadaan ndustr genteng yang ada d Majalengka serta untuk mengetahu karakterstk dan ukuran populas untuk djadkan bahan penentuan samplng dan ukuran sampel. (3) Kunjungan ke perusahaan-perusahaan genteng yang telah djadkan sampel untuk memperoleh jn peneltan dan memperoleh nformas tentang keadaan perusahaan genteng yang bersangkutan. (4) Membuat samplng frame yang dgunakan untuk penentuan dasar sample. (5) Setelah data yang danggap akurat dan past maka dlakukan penentuan sampel dengan teknk stratfed random samplng. (6) Penyebaran angket kepada responden yang telah dtetapkan. G. Teknk Pengolahan Data Setelah dperoleh keterangan dan data yang lengkap maka langkah selanjutnya yang perlu dlakukan adalah pengolahan data. Adapun langkahlangkahnya adalah sebaga berkut: (1) Menyeleks data, yatu untuk melhat dan memerksa kesempurnaan, kejelasan benar atau tdaknya cara pengsan dar data yang terkumpul.

8 7 () Mentabulas data, data-data yang telah dseleks kemudan dmasukkan kedalam tabel untuk dketahu perhtungannya berdasarkan aspek-aspek yang djadkan varable peneltan. (3) Menghtung ukuran karakterstk berdasarkan varable peneltan. (4) Melakukan pengujan hpotess. H. Teknk Analss Data dan Pengujan Hpotess a. Teknk Analss Data 1. Valdtas Sebelum dlakukan analss data, terlebh dahulu dlakukan pengujan nstrumen peneltan untuk mengetahu valdtas dan relabltas nstrumen yang dgunakan dalam peneltan. Tes valdtas yang dlakukan bertujuan untuk mengetahu apakah tes tersebut dapat menjelaskan fungs ukurnya. Uj valdtas tem dalam peneltan n menggunakan rumus korelas Product Moment dar Pearson sebagamana berkut : r xy = nσx Y ( ΣX )( ΣY ) { nσx ( ΣX ) }{ nσy ( ΣY ) } (Suharsm Arkunto, 00: 146) d mana: r xy = koefsen korelas n = jumlah responden uj coba X = skor tap tem Y = skor seluruh tem responden uj coba Dengan menggunakan taraf sgnfkanα = 0, 05, koefsen korelas yang dperoleh dperbandngkan dengan nla dar t tabel, korelas nla r dengan derajat

9 73 kebebasan n 3 d mana n menyatakan banyaknya jumlah responden dan nla 3 dar varabel bebas.. Relabltas Tes relabltas bertujuan untuk mengenal apakah alat pengumpul data tersebut menunjukan tngkat ketepatan, keakuratan, kestablan atau konsstens dalam mengungkapkan gejala tertentu dar sekelompok ndvdu walaupun dlaksanakan pada waktu yang berbeda. Uj relabltas, dhtung dengan menggunakan rumus alpha dar Cronbach sebagamana berkut: k Σσ n 11 = 1 k 1 σ t r (Suharsm Arkunto, 00:171) D mana: r 11 = relabltas nstrumen k = banyak butr pernyataan atau banyaknya soal σ b = Jumlah varans butr σ t = varans total Langkah selanjutnya sama dengan uj valdtas yatu dengan menggunakan taraf sgnfkans α = 0,05, nla relabltas yang dperoleh dar hasl perhtungan dperbandngkan dengan nla dar tabel korelas nla r dengan derajat kebebasan (n 3). Jka r > r tabel relabel Jka r r tabel tdak relabel

10 74 3. Method Succsesve Interval (MSI) Karena data ada yang bersfat ordnal maka data tersebut dubah terlebh dahulu melalu proses MSI (Methode of Succesve Interval). Adapun langkah-langkah untuk melakukan transformas data melalu MSI menurut Harun Al-Rasyd (Nasrun, 004: 49) adalah sebaga berkut : (1) Htung frekuens untuk masng-masng kategor responden. () Tentukan nla propors untuk masng-masng kategor responden. (3) Jumlahkan nla propors menjad propors kumulatf untuk masng-masng kategor responden. (4) Dasumskan propors kumulatf (PK) mengkut dstrbus normal baku, maka untuk setap nla PK (untuk masng-masng kategor respon) akan ddapatkan nla Z (dar tabel normal baku). (5) Htung nla denstas f (Z) untuk masng-masng nla Z. (6) Htung SV (scale value) untuk masng-masng kategor responden secara umum. Rumus yang dgunakan adalah sebaga berkut : SV= f(z) batas bawah f(z) batas atas Nla peluang P 4. Analss Regres Berganda Data yang dperoleh dar peneltan n ada dua jens, yatu data ordnal dan nterval. Peneltan n menggunakan analsa kuanttatf. Adapun teknk statstk yang dgunakan adalah statstk parametrk yatu menggunakan regres lner berganda: Y = β 0 - β 1 X 1 + β X + β 3 X 3 + ε Keterangan: Y β 0 β 1, β,, β 3 X 1 X X 3 ε = Upah tenaga kerja ndustr genteng = Konstanta = koefsen arah regres (parameter/estmator/penaksr). = Over supply tenaga kerja = Produktvtas tenaga kerja = Keteramplan tenaga kerja = Varabel pengganggu (dsturbance term).

11 75 b. Pengujan Hpotess Untuk menguj hpotess maka dlakukan Uj F dan Uj t. Selanjutnya pengujan hpotess dapat dlakukan dengan mencar terlebh dahulu nla statstk dan tabel melalu: 1. Uj Koefsen Determnas Koefsen determnas merupakan nla yang dpergunakan untuk mengukur besarnya sumbangan/andl (share) varabel X terhadap varas atau nak turunnya Y (J.Supranto, 005:75). Dengan kata lan, pengujan dlakukan untuk mengetahu seberapa besar sumbangan varabel ndependen (X 1, X dan X 3 ) terhadap varabel Y, dengan rumus : R y b1.3 x y + = y ESS b = = TSS y ˆ (J. Supranto, 005 : 160). Uj Sgnfkans 1) Uj F Uj F dgunakan untuk menguj hpotess secara keseluruhan dengan sgnfkansnya dapat dhtung melalu rumus: 13. x 3 y Fhtung = ESS /( k 1) RSS / ( n k) atau, Fhtung = R /( k 1) (1 R ) / ( n k) (J. Supranto, 005:07)

12 76 Setelah dperoleh F htung atau F statstk, selanjutnya bandngkan dengan F tabel dengan α dsesuakan. Adapun cara mencar F tabel dapat dgunakan rumus sebaga berkut : F tabel = K n k 1 Krtera: (Sudjana, 1997:59) H 0 dterma jka F statstk < F tabel, df [k;(n-k-1)] H 0 dtolak jka F statstk F tabel, df [k;(n-k-1)] Artnya: apabla F statstk < F tabel maka koefsen korelas ganda yang duj tdak sgnfkan, tetap sebalknya jka F statstk F tabel maka koefsen korelas ganda yang duj adalah sgnfkan dan dapat djadkan sebaga dasar predks serta menunjukkan adanya pengaruh secara smultan, dan n dapat dberlakukan untuk seluruh populas. ) Uj t Uj t dgunakan untuk menguj hpotess secara parsal dengan sgnfkansnya dapat dhtung melalu rumus sebaga berkut: t statstk = r n 1 r (Sudjana, 1997:59) Setelah dperoleh t statstk atau t htung, selanjutnya bandngkan dengan t tabel dengan α dsesuakan. Adapun cara mencar t tabel dapat dgunakan rumus sebaga berkut : t tabel = n-k Krtera: H 0 dterma jka t statstk < t tabel, df [k;(n-k)]. H 0 dtolak jka t statstk t tabel, df [k;(n-k)].

13 77 Artnya: apabla t statstk t tabel maka koefsen korelas parsal tersebut sgnfkan sehngga dapat djadkan sebaga dasar predks dan menunjukkan adanya pengaruh secara parsal antara varabel terkat (dependent) dengan varabel bebas (ndependent), atau sebalknya jka t statstk < t tabel maka koefsen korelas parsal tersebut tdak sgnfkan dan menunjukkan tdak ada pengaruh secara parsal antara varabel terkat (dependent) dengan varabel bebas (ndependent). c. Uj Asums Klask 1. Multkolneartas Multkolneartas menunjukkan adanya hubungan lner yang sempurna atau eksak (perfect of exact) d antara varabel-varabel bebas dalam model regres. Penggunaan kata multkolnertas d sn dmaksudkan untuk menunjukkan adanya derajat kolnertas yang tngg d antara varabel-varabel bebas. Bla varabel-varabel bebas berkorelas secara sempurna, maka metode kuadrat terkecl tdak bsa dgunakan. Namun, apabla keterkatan lner n kurang sempurna, estmas koefsen model regres melalu kuadrat terkecl mash dapat dperoleh. Akan tetap, estmas n cenderung tdak stabl, nla-nla n dapat berubah dramats dengan perubahan kecl pada data, dan lonjakan nlanya lebh besar dar yang dperkrakan. Khususnya, koefsen-koefsen ndvdu mungkn memberkan tanda yang salah, dan statstk t dalam penentuan sgnfkan masngmasng koefsen, kesemuanya mungkn tdak sgnfkan, tetap uj F akan menunjukkan bahwa regresnya sgnfkan.

14 78 Sumodnngrat (1994:87) mengdentfkas beberapa akbat dar adanya multkolnertas (tetap bukan sempurna): a) Dengan naknya derajat korelas d antara varabel-varabel bebas, penaksr-penaksr OLS mash bsa dperoleh, namun kesalahankesalahan baku (standard errors) cenderung menjad besar. b) Karena kesalahan-kesalahan baku besar, maka probabltas dar kesalahan Tpe II (yakn, tdak menolak hpotess yang salah) akan menngkat. c) Taksran-taksran parameter OLS dan kesalahan-kesalahan bakunya akan menjad sangat senstf terhadap perubahan dalam data sampel terkecl sekalpun. d) Jka multkolnertas tngg, mungkn R bsa tngg namun tdak ada satu pun (sangat sedkt) taksran koefsen regres yang sgnfkan secara statstk. Untuk melhat adanya hubungan antara varbel bebas dgunakan rumus : r 3 = x x x 3 x 3 (J. Supranto, 004:14) D mana r 3 = 1 menunjukkan adanya hubungan antara varabel bebas. Hanke et. al (003:38) memberkan alternatf untuk mendeteks multkolnertas yatu melalu faktor varan nflas (VIF, Varance Inflaton Factor). VIF 1 1 R = j j = 1,,...k. R j yang dmaksud adalah koefsen determnas dar regres varabel bebas ke j pada k 1, varabel bebas ssanya k =, R j adalah kuadrat dar korelas sampel r. Jka varabel X ke j tdak berkatan dengan X ssa, R j = 0 dan VIF j = 1. Jka terdapat hubungan, maka VIF j > 1, atau jka nla VIF j melampau angka 10, maka terjadlah multkolnertas yang tngg.

15 79. Heterokedaststas Satu asums pentng dalam model regres lnear klask alah bahwa kesalahan pengganggu ε mempunya varan yang sama, artnya Var (ε ) = E (ε ) = σ untuk semua, = 1,, n. Asums n dsebut Homokedastk (J. Supranto, 004:46). Dalam keadaan heterokedastk, varan masng-masng ε tak sama. Beberapa akbat yang dtmbulkan akbat adanya heteroskedaststas (Sumodnngrat, 1994:66) : a) Penaksr-penaksr OLS tdak akan bas (unbased) b) Artnya, penaksr-penaksr kuadrat terkecl adalah unbased, sekalpun dalam konds heteroskedaststas. Hal n dsebabkan karena d sn tdak dgunakan asums homoskedaststas. c) Varan dar koefsen-koefsen OLS salah. d) Penaksr-penaksr OLS akan menjad tdak efsen. Beberapa pengujan dsarankan untuk menyeldk masalah heteroskedaststas. Berkut n beberapa dantaranya: (1) Uj Korelas Rank-Spearman Estmas Y terhadap X (varabel bebas) untuk mendapatkan resdu-resdu (e) yang merupakan taksran bag faktor faktor gangguan (U). Selanjutnya, susun nla-nla e (dengan mengabakan tandanya) dan nla X, menurut susunan yang menak atau menurun, untuk menghtung koefsen korelas yang berdasarkan rankng antara X dan e. Koefsen korelas rankng yang tngg menandakan adanya heteroskedaststas. Koefsen korelas rankng juga dapat dhtung antara e dan setap satu varabel bebas dalam kasus model yang mengandung lebh dar satu varabel bebas.

16 80 () Metode Grafk Apabla tdak ada nformas sebelumnya atau nformas secara emprs tentang adanya heterokedasts, dalam praktknya kta dapat membuat analss regres berdasarkan asums bahwa tdak ada heterokedaststas dan kemudan melakukan pengecekan terhadp kesalahan pengganggu (resdual) kuadrat, yatu e, untuk melhat kalau-kalau seluruh e menunjukkan pola yang sstemats. Walaupun e tdak sama dengan ε, tetap dapat dgunakan sebaga proxy, khususnya kalau sampel cukup besar. Suatu pengecekan tenatan Σe = jumlah kesalahan pengganggu kuadrat (RSS= Resdual Sum of Squares) akan meunjukkan suatu pola (J. Supranto, 005: 55). (3) Uj Park Park menyarankan suatu bentuk fungs spesfk dantara σ u dan varabel bebas untuk menyeldk adanya heteroskedaststas: σ u lnσ = u f ( X ) = σ X β v e = lnσ + β ln X + v Oleh karena σ u tdak teramat (not observable), maka dsarankan e sebaga wakl (proxy). Oleh karena tu maka: lne lne = lnσ + β ln X = α + β ln X + v + v Menurut Park, jka β pada regres tersebut d atas adalah sgnfkan secara statstk, maka berart terdapat heteroskedaststas d dalam data. Uj Park n merupakan prosedur dua langkah: Langkah I : Jalankan regres OLS tanpa memperhatkan hetero-skedaststas

17 81 Langkah II : Jalankan regres log-lnear antara e dan X, dan ujlah apakah sgnfkan atau tdak. (4) Uj Glejser Uj Glejser serupa dengan Uj Park. Perbedaannya adalah Glejser menyarankan tujuh bentuk fungs sebaga gant dar hanya satu bentuk fungs yang dsarankan oleh Park. Glejser menggunakan bentuk-bentuk fungs berkut untuk menyeldk adanya hetero-skedaststas: e + = β X v e = β X + v e + = β v e + v X X e = + βx + v = β α e = ( α + βx ) + v ( α + βx ) v e = + (v adalah faktor kesalahan) Jka β pada regres-regres tersebut d atas adalah sgnfkan, maka berart ada heteroskedasts. 3. Autokorelas Menurut Kendall dan Buckland dalam J. Supranto (004:8) otokorelas merupakan korelas antara anggota ser observas yang dsusun menurut urutan waktu (sepert data cross-secton) atau korelas pada drnya sendr. Dalam hubungannya dengan persoalan regres, model regres lnear klask menganggap bahwa otokorelas demkan tu tdak terjad pada kesalahan pengganggu ε. Dengan smbol dapat dnyatakan sebaga berkut : E(ε ε j ) = 0, j (J. Supranto, 004:8) Akbat-akbat yang terjad pada penaksr-penaksr apabla metode OLS dterapkan pada data yang mengandung autokorelas (Sumodnngrat, 1994:41):

18 8 a) Taksran OLS tdak bas (unbased) b) Varan dar taksran OLS akan underestmate c) Peramalan akan tdak efsen (neffcent) Suatu jens pengujan yang umum dgunakan untuk mengetahu adanya autokorelas telah dkembangkan oleh J. Durbn dan G. Watson. Pengujan n dsebut sebaga statstk d Durbn-Watson yang dhtung berdasarkan jumlah selsh kuadrat nla-nla taksran faktor-faktor gangguan yang berurutan. Nla statstk d dar Durbn-Watson dperoleh melalu rumus: d t= N t t= = t= N ( e e ) t= 1 e t t 1 (Gujarat, 1995:15) Ketentuan : Tabel 3.4 Krtera Otokorelas Durbn-Watson Hpotess Nol (H 0 ) Keputusan Syarat Tdak ada autokorelas postf Tolak 0 < d < d L Tdak ada autokorelas postf Tanpa keputusan d L d d U Tdak ada autokorelas negatf Tolak 4-d L < d < 4 Tdak ada autokorelas negatf Tanpa keputusan 4-d U d 4-d L Tdak ada autokorelas postf / negatf Terma d U < d < 4-d U Tdak ada autokorelas negatf Terma d < 4-d u Sumber : Sumodnngrat (1994:41)