BAB III METODE PENELITIAN 3.1 Objek Penelitian Penelitian yang penulis lakukan adalah meneliti tentang faktor-faktor yang mempengaruhi pendapatan usaha produsen pakaian jadi di. Adapun variabel-variabel dalam penelitian ini adalah terdiri dari dua variabel bebas dan satu variabel terikat. Yang menjadi variabel bebas diantaranya skala usaha (X1) dan perilaku kewirausahaan (X2), sedangkan variabel terikatnya adalah pendapatan (Y). Objek dalam penelitian ini adalah para pengusaha/produsen pakaian jadi yang ada di. 3.2 Metode Penelitian Metode merupakan cara yang dilakukan atau yang diambil oleh peneliti untuk mengkaji masalah-masalah yang dihadapi. Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan tertentu Suharsimi Arikunto (2002:136) Metode penelitian adalah cara yang digunakan oleh peneliti dalam mengumpulkan data penelitiannya. Untuk itu peneliti harus memilih salah satu metode penelitian yang sesuai agar masalah yang ada dapat dipecahkan dengan tepat. Adapun metode yang digunakan dalam penelitian ini adalah metode survey eksplanatory atau penjelasan. Metode survey eksplanatory yaitu suatu metode penelitian yang mengambil sampel dari satu populasi dan menggunakan kuesioner sebagai alat
pengumpulan data yang pokok dan menjelaskan hubungan kausal antara variabelvariabel melalui pengujian hipotesis. (Masri Singarimbun, 1995:5) 3.3 Populasi dan Sampel 3.3.1 Populasi Populasi merupakan keseluruhan dari subjek penelitian. Suharsimi Arikunto (2003: 130-131) mengemukakan bahwa Populasi adalah keseluruhan subjek penelitian atau totalitas kelompok subjek, baik manusia, gejala, nilai, benda-benda atau peristiwa yang menjadi sumber data untuk suatu penelitian. Sedangkan menurut Sugiyono (2006: 51) Populasi adalah wilayah generalisasi yang terdiri atas objek/subjek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Berdasarkan definisi tersebut, dan berdasarkan masalah yang hendak diteliti maka yang menjadi ukuran populasi dalam penelitian ini adalah seluruh produsen pakaian jadi di yang berjumlah 125 produsen pakaian jadi yang tersebar di daerah, data ini didapat dari hasil survey secara acak yang dilakukan oleh penulis. Sebanyak 26 produsen tercatat sebagai produsen skala besar dan 99 produsen skala kecil menengah dilihat dari besaran pendapatan yang didapatkannya secara objektif. Penulis memilih sumber penelitian pakaian jadi di karena besaran pengusaha yang mengalami penurunan pendapatan hampir seluruh responden yang didapat dari hasil survey pra penelitian.
3.3.2 Sampel Menurut Suharsimi Arikunto (2003: 117) Sampel adalah sebagian atau wakil populasi yang diteliti. Sedangkan menurut Sugiyono (2006: 56) Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Karena penelitian ini tidak mungkin dilakukan pada semua produsen, mengingat jumlah populasinya yang cukup besar, dan juga tidak semua data dan informasi akan diproses dan tidak semua orang atau benda akan diteliti melainkan cukup dengan menggunakan sampel yang mewakilinya. Masih diungkapkan oleh Suharsimi Arikunto (2002: 112), untuk sekedar ancer-ancer maka apabila subjek kurang dari 100 maka lebih baik diambil semua, sehingga penelitian ini merupakan penelitian populasi. Selanjutnya jika jumlah subjeknya besar dapat diambil antara 10% - 15% atau 20%-25% atau lebih tergantung setidak-tidaknya dari : a. Kemampuan peneliti dilihat dari waktu, tenaga dan dana b. Sempit luasnya wilayah pengamatan dari setiap subjek, karena hal ini menyangkut banyak sedikitnya data c. Besar kecilnya resiko yang ditanggung peneliti Selain itu, kriteria pengambilan sampel harus memenuhi beberapa syarat, yaitu sampel yang diambil harus dapat memberikan gambaran yang bisa dipercaya mengenai populasi secara keseluruhan, dapat menentukan presisi yaitu tingkat ketetapan yang ditentukan oleh perbedaan hasil yang diperoleh dari catatan lengkap, dengan syarat bahwa keadaan dimana kedua metode dilakukan sama,
sederhana sehingga mudah dilaksanakan, dapat memberikan hasil yang maksimal dengan resiko biaya minimal. Mengacu pada pendapat para ahli di atas dan karena keterbatasan akan waktu dan biaya yang dimiliki penulis, maka teknik pengambilan sampel yang digunakan dalam penelitian ini adalah teknik proportional random sampling seperti yang dikatakan Kartono (Skripsi Noria Mardiyani, 2010 : 67) yang dimaksud proportional random sampling, yaitu sampel yang terdiri atas sub sampel yang besarnya sesuai dengan sub populasi yang diambil secara random atau acak dengan pengambilan sampel secara proporsional.. Dalam penentuan jumlah sampel produsen pakaian di, dilakukan melalui perhitungan dengan menggunakan rumus slovin sebagai berikut: n = N 1 + Ne 2 (Riduwan, 2004: 65) Keterangan: n N e = Ukuran sampel keseluruhan = Ukuran populasi = Persen kelonggaran ketidaktelitian karena kesalahan Dengan menggunakan rumus di atas didapat sampel pengusaha tekstil sebagai berikut: n = N 1 + Ne 2 = 125 1 + 125 (0.05) 2 = 95.238 atau 95
Dari perhitungan di atas, maka ukuran sampel minimal dalam penelitian ini adalah 95 produsen pakaian jadi di 3.4 Operasional Variabel Operasionalisasi variabel dilakukan untuk menghindari kekeliruan dalam penafsiran masalah sehingga harus diberi batasan secara operasional. Operasionalisasi variabel yang akan di teliti di kelompokkan ke dalam tiga konsep yaitu, konsep teoritis, konsep empiris dan konsep analisis. Konsep teoritis yaitu mendefinisikan konstruk dengan konstruk lain. Kemudian konsep empiris adalah mendefinisikan konstruk atau variabel penelitian menurut dimensi dan atau indikator yang dapat diukur secara empiris, serta konsep analitis adalah menguraikan dari mana data diperoleh dan bagaimana format alat pengumpulan data akan disusun. (Kusnendi, 2005: 60). Adapun bentuk operasionalisasinya pada tabel : Tabel 3.1 Operasionalisasi Variabel Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala Pendapatan Rasio (Y) Jumlah hasil seluruh penerimaan yang diterima oleh pengusaha Jumlah pendapatan yang diterima oleh produsen pakaian jadi pada satu bulan terakhir dinyatakan dengan rupiah Data diperoleh dari jawaban responden yang diukur dari total penerimaan yang didapat TR= P.Q Dimana: P = harga / unit Q = Kuantitas barang yang terjual
SkalaUsaha (X1) Pengaruh peningkatan skala input terhadap kuantitas output yang diproduksi yang mencerminkan keresponsifan produk total bilamana semua input ditingkatkan secara proporsional Perbandingan sejauh mana output berubah akibat perubahan tertentu dalam kuantitas semua input yang dipakai dalam produksi Data diperoleh dari jawaban responden menurut Tingkat skala usaha diukur oleh elastisitas biaya dengan rumus %TC c % Q (James L Papas (1995:391) Keterangan: c = elastisitas biaya TC = selisih biaya produksi Q = selisih produksi Q = jumlah produksi awal TC = jumlah biaya produksi awal Interval Perilaku Kewirausaha an (X2) Proses penerapan kreativitas dan inovasi untuk memecahkan masalah dan menggali peluang yang dihadapi setiap orang dalam setiap hasil Perilaku kewirausahaan dilihat dari delapan karakteristik yan dikemukakan oleh Scarborough dan Thomas W. Zimmerer dalam (Suryana, 2006:24) sebagai berikut : data diperoleh dari jawaban responden yang diukur dari indikator perilaku kewirausahaan : Ordinal Desire for responsibility Memiliki tanggung jawab atas usaha : - siap ganti rugi - jaminan kesehatan pekerja
Preference for moderat risk Confidence in their ability to success Tidak melakukan spekulasi - Menjanjikan sesuatu di luar batas kemampuan Menunjukan kepercayaan diri yang besar - Memiliki cirri khas dari barang produksi Desire for immediate feedback Melakukan antisipasi dari perubahan iklim usaha - Differensiasi produk - Update motif High level of energy Memiliki semangat tinggi - Ada target - Ada rancang waktu Future orientation Skill at organizing Mengelola berdasarkan perencanaan masa depan. - Perbesar usaha - buka usaha di tempat lain - Memiliki Keahlian dalam menangani usaha - Pengkoordi nasian usaha
- Penghitung an manajemen usaha Value of achievement over money Menilai uang sebagai sumber daya bukan tujuan akhir - Kegiatan sosial - Investasi lanjutan 3.5 Teknik Pengumpulan Data Teknik pengumpulan data adalah cara dan alat yang dipakai dalam memperoleh informasi atau keterangan mengenai objek penelitian. Berdasarkan jenisnya, data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Adapu cara Pengumpulan data dalam penelitian ini sesuai yang dikemukakan Suryana (2000: 20)adalah sebagai berikut : a. Wawancara yaitu pengumpulan data dengan mengumpulkan pertanyaan secara langsung dan menggunakan daftar pertanyaan kepada responden tentang objek penelitian. b. Observasi, yaitu proses pencatatan pola perilaku subyek (orang), obyek (benda) atau kejadian yang sistematik tanpa adanya pertanyaan atau komunikasi dengan yang diteliti. c. Angket atau kuisioner yaitu pengumpulan data dengan mengumpulkan pertanyaan secara langsung dan menggunakan daftar pertanyaan kepada responden tentang objek penelitian.
Agar data yang kita perlukan sesuai dengan apa yang kita harapkan, maka ada beberapa prosedur dalam pengambilan data diantaranya: a. Pengurusan surat izin penelitian pada pihak-pihak yang bersangkutan. b. Penyusunan dan penyeleksian responden. c. Penyusunan pertanyaan berupa perilaku kewirausahaan, skala usaha, dan pendapatan. d. Menyebarkan angket pada setiap responden e. Mentabulasi data angket dan menganalisis hasil angket. f. Melaporkan hasil penelitian. 3.6 Teknik Analisis Data 3.6.1 Menghitung Koefisien Regresi Model analisis yang digunakan untuk melihat pengaruh antara variabelvariabel bebas terhadap variabel terikat yaitu hubungan antara skala usaha (X1), dan perilaku kewirausahaan (X2) terhadap pendapatan (Y) serta untuk menguji kebenaran dari hipotesis akan digunakan model persamaan regresi linear berganda sebagai berikut: a. Hubungan antara variabel X dengan Y: Y = β 0 + β 1 X 1 + β 2 X 2 + ε Keterangan: Y = Pendapatan X 1 = Skala Usaha X 2 = Perilaku Kewirausahaan β 0 = Konstanta βi = Koefisien regresi ε = disturbance term (variabel pengganggu) β 1, β 2 = koefisien masing-masing variabel
Persamaan regresi diatas harus bersifat BLUE (Best Linear Unbiased Estimated), artinya pengambilan keputusan melalui uji F dan t tidak boleh bias. b. Menentukan nilai koefisien regresi β 0, β 1, dan β 2 dengan metode kuadrat terkecil (Ordinary Least Squere). c. Melakukan pengujian regresi linear berganda, meliputi uji koefisien regresi, serta uji asumsi. 3.6.2 Menghitung Koefisien Determinasi Koefisien determinasi (R 2 ) merupakan cara untuk mengukur ketepatan suatu garis regresi. Menurut Damodar Gujarati (1998: 98) dijelaskan bahwa Koefisien determinasi (R 2 ) yaitu angka yang menunjukkan besarnya derajat kemampuan menerangkan pengaruh variabel bebas terhadap variabel terikat dari fungsi tersebut. Untuk mencari rumus R 2 digunakan rumus: R R yˆ 2 2 ESS i b1,2,3, x2iy1 b13,2 x3 2 2 TSS yi yi 2 k 1F k 1F n k iyi Damodar Gujarati (1998) Nilai R 2 berkisar antara 0 dan 1 (0< 2 <1). Dengan ketentuan sebagai berikut : 1) Jika R 2 semakin mendekati 1, maka hubungan antara variabel bebas dengan variabel terikat semakin erat/dekat, atau dengan kata lain model tersebut dapat dinilai baik. 2) Jika R 2 semakin menjauhi angka 1, maka hubungan antara variabel bebas dengan variabel terikat jauh atau tidak erat, dengan kata lain model tersebut dapat dinilai kurang baik.
3.6.3 Pengujian Hipotesis Sesuai dengan rumusan masalah bahwa pengujian hipotesis terbagi menjadi uji statistik secara simultan dan uji statistik secara parsial. 3.6.3.1 Uji Statistik F (Uji Signifikansi Simultan) Uji F hitung bertujuan untuk menghitung pengaruh bersama variabel bebas secara keseluruhan terhadap variabel terikat. Rumus yang digunakan adalah F R 2 / k 2 (1 R ) / n k 1 (Damodar Gujarati, 1998: 116) Keterangan: R = nilai koefisien korelasi ganda k = jumlah variabel bebas n = jumlah sampel Untuk melakukan uji signifikansi simultan dapat dilakukan dengan dua cara yaitu dengan melihat tingkat signifikansi dan dengan membandingkan F hitung dengan F tabel. Hipotesis : H 0 : Tidak terdapat pengaruh secara simultan X 1,2,3 terhadap Y. H a : Terdapat pengaruh secara simultan X 1,2,3 terhadap Y. Jika probabilitasnya < 0,05 maka H0 ditolak. Jika probabilitasnya > 0,05 maka H0 diterima. Sedangkan uji signifikansi simultan dengan membandingkan F hitung dengan F tabel,: Hipotesis : H 0 : Tidak terdapat pengaruh secara simultan X 1,2,3 terhadap Y. H a : Terdapat pengaruh secara simultan X 1,2,3 terhadap Y. Jika F hitung > F tabel 0,05 maka H0 ditolak. Jika F hitung < F tabel 0,05 maka H0 diterima
3.6.3.2 Uji Statistik t (Uji Signifikansi Parsial) Uji parsial atau uji t digunakan untuk mengetahui apakah masing-masing variable X secara individu mampu menjelaskan variable Y. Uji t statistic ini menggunakan rumus : β1 β1 t = se(β1) (Damodar Gujarati, 1998: 116) Hipotesis dalam penelitian ini secara statistic dapat dirumuskan sebagai berikut : - Ho : β 0 artinya tidak ada pengaruh antara variable X terhadap variable Y - Ha : β > 0 artinya tidak ada pengaruh positif antara variable X terhadap variable Y Kaidah keputusan : Kriteria untuk menerima atau menolak hipotesis adalah menerima Ho jika t hitung < t table dan menolak Ho jika t hitung > t table. dalam pengujian hipotesis melalui uji t tingkat kesalahan yang digunakan peneliti adalah 5 % atau 0,05 pada taraf signifikasi 95 %. 3.6.4 Uji Normalitas Dengan diadakannya uji normalitas, maka dapat diketahui sifat distribusi dari data penelitian. Dengan demikian dapat diketahui normal tidaknya sebaran data yang bersangkutan. Uji normalitas adalah pengujian yang ditujukan untuk mengetahui sifat distribusi data penelitian. Untuk mendeteksi normal tidaknya faktor pengganggu dapat dipergunakan metode Jarque-Bera Test (JB-Test). Menghitung nilai Jarque Bera statistik dengan menggunakan rumus:
N k JB S 6 2 1 4 2 K 3 Di mana : S = Skweness, K = Kurtosis, N = jumlah data, dan k = jumlah parameter dalam model (jumlah variabel independen ditambah konstanta). Program Eviews, secara langsung menghitung nilai koefisien Jarque Bera. Selanjutnya nilai JB hitung = χ 2 hitung dibandingkan dengan χ 2 tabel. Jika JB hitung > χ 2 tabel maka H 0 yang menyatakan residual berdistribusi normal ditolak, begitupun sebaliknya, Jika JB hitung < χ 2 tabel maka H 1 diterima berarti residual berdistribusi normal diterima. 3.6.5 Uji Asumsi Klasik 3.6.5.1 Multikolinieritas Multikolinearitas merupakan kejadian yang menginformasikan terjadinya hubungan antara variabel- variabel bebas X i dan hubungan yang terjadi cukup besar. Hal ini senada dengan pendapat yang dikemukakan oleh Mudrajad Kuncoro (2004: 98) bahwa uji multikolinearitas adalah adanya suatu hubungan liner yang sempurna (mendekati sempurna) antara beberapa atau semua variabel bebas. Ini suatu masalah yang sering muncul dalam ekonomi karena in economics, everything depends on everything else. Terdapat beberapa metode yang bisa dilakukan untuk mengetahui Multikolinearitas diantaranya adalah : Dalam menguji multikolinearitas di dalam model lebih tepat dilakukan dengan Uji Klien melalui regresi masing-masing variabel independen terhadap seluruh variabel independen lainnya, untuk mendapatkan nilai R 2 masing-masing
regresi parsial. Regresi ini disebut auxiliary regression. Maka model yang digunakan yaitu: X1= f(x2, X3,X4); X2 = f(x1, X3,X4). Kemudian nilai R 2 masing-masing regresi parsial dibandingkan dengan nilai R 2 model estimasi awal, apabila R 2 regresi parsial > R 2 estimasi terjadi multikolinearitas. Setiap koefisien determinasi (R²) dari regresi auxiliary ini kita gunakan untuk menghitung distribusi F dan kemudian digunakan untuk mengevalusi apakah model tersebut mengandung multikolinearitas atau tidak. Adapun formula untuk menghitung nilai F hitung sebagai berikut : Fi = R 2 x1x2 xk/ k 2 1 R 2 x1x2.. xk/ n k + 1 Sedangkan nilai F kritis dari distribusi F didasarkan pada derajat kebebasan n-k+1. Keputusan ada tidaknya unsure multikolinearitas adalah jika F hitung > F kritis maka disimpulkan model mengandung multikolinearitas. Dan sebaliknya, jika F hitung < F kritis maka disimpulkan model tidak mengandung multikonlinearitas. 3.6.5.2 Heteroskedastisitas Salah satu asumsi regresi linier adalah adanya homoskedastis, yakni seragam tidaknya variansi sampel-sampel yang diambil dari populasi yang sama. Pada penelitian ini penulis akan mendeteksi heteroskedastis dengan menggunakan metode grafik Scatterplot dengan kriteria sebagai berikut: - Jika grafik mengikuti pola tertentu berarti pada model tersebut terjadi heteroskedastis
- Jika pada grafik plot tidak mengikuti aturan atau pola tertentu maka pada model tersebut tidak terjadi heteroskedastis. Konsekuensi dari adanya heteroskedatisitas antara lain adalah menjadi tidak efisiennya estimator OLS. Hal ini mengakibatkan varian tidak lagi minimum, sehingga dapat menyesatkan kesimpulan terutama bila digunakan untuk meramalkan. Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya artinya setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam spesifikasi model. Heteroskedastisitas dapat diuji dengan menggunakan Uji White (White Test). Pengujian terhadap gejala heteroskedastisitas dapat dilakukan dengan melakukan White Test, yaitu : r s = 1 6 di 2 N(N 2 1 Dengan cara meregresi residual kuadrat dengan variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas. Ini dilakukan dengan membandingkan χ 2 hitung dan χ 2 tabel, apabila χ 2 hitung > χ 2 tabel maka hipotesis yang mengatakan bahwa terjadi heterokedasitas diterima, dan sebaliknya apabila χ 2 hitung < χ 2 tabel maka hipotesis yang mengatakan bahwa terjadi heterokedasitas ditolak. Dalam metode White selain menggunakan nilai χ 2 hitung, untuk memutuskan apakah data terkena heteroskedasitas, dapat digunakan nilai probabilitas Chi Squares yang merupakan nilai probabilitas uji White. Jika probabilitas Chi Squares < α, berarti Ho ditolak jika probabilitas Chi Squares > α, berarti Ho diterima.
Dalam penelitian ini, penulis menggunakan Uji White dengan bantuan Software Eviews. Dilakukan pengujian dengan menggunakan White Heteroscedasticity Test yaitu dengan cara meregresi residual kuadrat dengan variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas. 3.6.5.3 Autokorelasi Dalam suatu analisa regresi dimungkinkan terjadinya hubungan antara variabel- variabel bebas atau berkorelasi sendiri, gejala ini disebut autokorelasi. Istilah autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu atau ruang. Autokorelasi merupakan suatu keadaan dimana tidak adanya korelasi antara variabel penganggu (disturbance term) dalam multiple regression. Faktorfaktor penyebab autokorelasi antara lain terdapat kesalahan dalam menentukan model, penggunaan lag dalam model dan tidak dimasukkannya variabel penting. Konsekuensi adanya autokorelasi menyebabkan hal-hal berikut: - Parameter yang diestimasi dalam model regresi OLS menjadi bias dan varian tidak minim lagi sehingga koefisien estimasi yang diperoleh kurang akurat dan tidak efisien. - Varians sampel tidak menggambarkan varians populasi, karena diestimasi terlalu rendah (underestimated) oleh varians residual taksiran. - Model regresi yang dihasilkan tidak dapat digunakan untuk menduga nilai variabel terikat dari variabel bebas tertentu. - Uji t tidak akan berlaku, jika uji t tetap disertakan maka kesimpulan yang diperoleh pasti salah.
Adapun cara untuk mendeteksi ada atau tidaknya autokorelasi pada model regresi, pada penelitian ini pengujian asumsi autokorelasi dapat diuji melalui beberapa cara di bawah ini: 1. Metode Uji Langrange Multilier (LM) atau Uji Breusch Godfrey Yaitu dengan membandingkan nilai χ 2 tabel dengan χ 2 hitung. Rumus untuk mencari χ 2 hitung sebagai berikut : χ 2 = (n-1)r 2 Dengan pedoman : bila nilai χ 2 hitung lebih kecil dibandingkan nilai χ 2 tabel maka tidak ada autokorelasi. Sebaliknya bila nilai χ 2 hitung lebih besar dibandingkan dengan nilai χ 2 tabel maka ditemukan adanya autokorelasi. 2. Uji Durbin Watson (DW) untuk mendeteksi autokorelasi, yaitu dengan Uji DW menurunkan nilai kritis batas bawah (d L ) dan batas atas (d U ) sehingga jika nilai d hitung terletak di luar nilai kritis ini maka ada tidaknya autokorelasi baik positif atau negatif dapat diketahui. Penentuan ada tidaknya autokorelasi dapat dilihat dengan jelas dalam tabel 3.2 di bawah ini : Tabel 3.2 Uji Statistik Durbin-Watson d Nilai Statistik d 0 < d < d L d U d d U d U d 4 - d U 4 - d U d 4 - d L 4 - d L d 4 Hasil Menolak hipotesis nul ; ada autokorelasi positif Daerah keragu-raguan ; tidak ada keputusan Menerima hipotesis nul ; tidak ada autokorelasi ( + / - ) Daerah keragu-raguan ; tidak ada keputusan Menolak hipotesis nul ; ada autokorelasi positif
Dibawah ini daerah-daerah penerimaan uji statistik Durbin Watson : Autokorelasi (+) Ragu-ragu Tdk ada Autokorelasi Ragu-ragu Autokorelasi (-) 0 dl du 2 4-dU 4-dL 4 Gambar 3.1 : Grafik Statistik Durbin-Watson Salah satu keuntungan dari uji DW yang didasarkan pada residual adalah bahwa setiap program computer untuk regresi selalu member informasi statistic d, adapun prosedur dari uji DW sebagai berikut : 1. Melakukan regresi metode OLS dan kemudian mendapatkan nilai residualnya. 2. Menghitung nilai d dari persamaan regresi 3. Dengan jumlah observasi (n) dan jumlah variable independen tertentu tidak termasuk konstanta (k), kita cari nilai d L dan d U di statistic Durbin Watson 4. Keputusan ada tidaknya autokorelasi didasarkan pada tabel 3.3 diatas. Untuk lebih memudahkan menentukan autokorelasi dapat juga digunakan gambar 3.1 2 2 Dengan pedoman : bila nilai x hitung < x tabel maka tidak autokorelasi. 2 2 Sebaliknya jika x hitung > x tabel maka ditemukan autokorelasi