Ada beberapa cara mengubah model regresi menjadi normal menurut Erlina 2007:106, yaitu:
1 Lakukan transformasi data ke bentuk lainnya, 2 Lakukan timing, yaitu membuang data outlier,
3 Lakukan winsorizing, yaitu mengubah data outlier ke suatu nilai tertentu.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi anatarvariabel bebas
Independent variable. Jika terjadi relasi, berarti terjadi masalah multikolinearitas. Model regresi yang baik seharusnya terjadi
korelasi di antara variabel bebasnya Ghozali, 2005:91. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi
dapat dilihat dari: 1 Nilai tolerance dan lawannya,
2 Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen
manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel indenpenden yang
terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi
karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adalanya multikolinearitas adalah nilai tolerance
Universitas Sumatera Utara
0,10 atau sama dengan VIF 10. Cara yang dapat dilakukan untuk menanggulangi jika terjadi multikolinearitas adalah dengan
mengeluarkan salah satu variabel bebas yang memiliki korelasi yang tinggi dari model regresi dan identifikasi variabel lainnya
untuk membantu prediksi.
c. Uji Autokorelasi
Uji autokorelasi dimaksudkan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-l sebelumnya Ghozali 2005: 99. Apabila terjadi korelasi,
disinyalir ada problem autokorelasi. Autokorelasi muncul disebabkan adanya observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke
observasi yang lainnya. Hal ini sering ditemukan pada runtut waktu time series karena “gangguan” pada seorang individukelompok
cenderung mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya. Model regresi yang baik
adalah regresi yang bebas dari autokorelasi. Untuk mendeteksi ada tidaknya autokorelasi, maka dilakukan dengan pengujian Durbin-
WatsonDW. Pengujian autokorelasi dilakukan dengan
menggunakan uji Durbin Watson DW. Menurut Sunyoto 2009:
Universitas Sumatera Utara
91, untuk melihat ada tidaknya autokorelasi digunakan ketentuan sebagai berikut:
1 Angka DW di bawah -2, berarti ada autokorelasi positif. 2 Angka DW di antara -2 sampai dengan +2, berarti tidak ada
autokorelasi. 3 Angka DW di atas +2, berarti ada autokorelasi negatif.
d. Uji Heteroskedastisitas