c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari
pengolahan data dengan menggunakan program SPSS 15.0. Dasar pengambilan keputusannya adalah :
• jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
• jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati
penyebaran titik-titik pada gambar.
Universitas Sumatera Utara
Regression Standardized Predicted Value
2 1
-1 -2
-3 -4
R egressi
on S
tudent iz
ed R
esi dual
3 2
1
-1 -2
Scatterplot Dependent Variable: LN_Q
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya
data observasi yang sangat berbeda dengan data observasi yang lain .
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan
Universitas Sumatera Utara
sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada time series. Model regresi yang baik adalah regresi yang bebas
dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah
dengan menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut: 1
angka D-W dibawah -2 berarti ada autokorelasi positif, 2
angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3
angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.7 Hasil Uji Autokorelasi
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .732a
.536 .501
.46231 1.767
a Predictors: Constant, LN_EPS, LN_DPR, LN_LEV b Dependent Variable: LN_Q
Tabel 4.6 memperlihatkan nilai statistik D-W sebesar 1,767. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak
terjadi autokorelasi positif maupun autokorelasi negatif.
3. Analisis Regresi