55 VIF =
keterangan: VIF = Variance Inflation Factor
R
2
xi = korelasi antara variabel xi dengan variabel x lainnya Semakin erat variabel xi dengan variabel bebas lainnya maka nilai R
2
xi akan meningkat dan nilai VIF meningkat pula.
Uji multikolinier juga dapat dilakukan dengan membandingkan koefisien determinasi R
2
terhadap koefisien determinasi masing-masing peubah r
2
. Jika R
2
masih lebih besar dari r
2
berarti tidak terjadi multikolinier begitu juga sebaliknya, jika R
2
lebih kecil daripada r
2
berarti terjadi multikolinier.
c.3. Uji Heteroskedastisitas
Penelitian ini menggunakan uji Glejser untuk mengetahui apakah terdapat masalah heteroskedastisitas. Uji Glejser dilakukan dengan meregresikan nilai
absolute residual terhadap variabel bebas. Rumus uji Glejser Gujarati 2006 yaitu:
| | = B
1
+ B
2
X
i
+ v
i
keterangan: |
| = nilai absolute residual X
i
= variabel independen v
i
= faktor residu Jika variabel independen pada persamaan regresi ini signifikan secara
kriteria memengaruhi variabel dependen nilai kriteria residual, maka terdapat indikasi heteroskedastisitas Gujarati 2006. Hipotesis yang digunakan dalam
pengujian heteroskedastisitas adalah: H
: tidak terdapat heteroskedastisitas homoskedastisitas H
1
: terdapat heteroskedastisitas kriteria pengujian:
P-value uji Glejser taraf nyata α, maka tolak H
, artinya terdapat heteroskedastisitas;
P-value uji Glejser taraf nyata α, maka terima H
, artinya tidak terdapat heteroskedastisitas homoskedastisitas.
Taraf nyata α yang digunakan dalam pengujian ini sebesar 0.05 5.
56
c .4. Uji Normalitas
Penelitian ini menggunakan uji Kolmogorov-Smirnov untuk menguji kenormalitasan data. Tujuannya adalah untuk melihat apakah residual tersebar
normal atau tidak. Uji ini dilakukan dengan SPSS 16.0 dengan menentukan nilai Asymp.sig 1 tailed pada uji sampel Kolmogorov-Smirnov Gujarati 2006.
Hipotesis yang digunakan adalah : Prosedur pengujian parametrik umumnya mensyaratkan kenormalan dari sebaran :
Persamaan Kumulatif Distribusi dari data :
n x =
∑ Persamaan Kumulatif Distribusi Normal :
∫ √
Persamaan Kolmogorov : |
|
H : asymp sig = 0 data menyebar normal
H
1
: asymp sig ≠ 0 data tidak menyebar normal Keputusan yang diambil adalah :
Asymp.sig 2 tailed α maka terima H
Asymp.sig 2 tailed α maka tolak H
