45
a nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal,
b nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
b. Multikolinearitas
Menurut Gujarati 1995 dalam Hadi 2006 : 168, “uji multikolinearitas berhubungan dengan adanya korelasi antar variable independen. Sebuah
persamaan terjangkit penyakit ini bila dua atau lebih variabel independen memiliki tingkat korelasi yang tinggi. Sebuah persamaan regresi dikatakan baik
bila persamaan tersebut memiliki variabel independen yang saling tidak berkorelasi.”
Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi menurut Hadi 2006 : 168 dapat dilihat dari :
1 salah satu ciri regresi yang terjangkit multikolinear adalah persamaan tersebut memiliki nilai R
2
yang sangat tinggi, tetapi hanya memiliki sedikit variabel independen yang signifikan memiliki nilai t hitung tinggi. Keadaan yang
paling ekstrim adalah bila model memiliki nilai R
2
dan F hitung yang tinggi dan secara otomatis akan memiliki nilai signifikansi F yang sangat bagus
tetapi tidak satupun variabel independen yang memiliki nilai t cukup signifikan. Bila hal ini terjadi maka bisa disimpulkan bahwa bagusnya F dan
R
2
karena adanya interaksi antar variabel independen yang cukup tinggi multikolinear
Universitas Sumatera Utara
46
2 indikator lain yang bisa dipakai adalah CI Condition Index atau Eigenvalues. Bila CI berkisar antara10 sampai dengan 30 maka kita bisa mengatakan bahwa
persamaan tersebut terjangkit multikolinear. Bila CI 30 maka terjangkitnya semakin kecil.
3 VIF Variable Inflation Factor juga bisa digunakan sebagai indicator. Bila VIF 10 maka variabel tersebut memiliki kolinearitas yang tinggi.
Menurut Ghozali 2005:91, untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi,
1 nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independennya banyak yang
tidak signifikan mempengaruhi variabel dependen, 2 menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel
independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang
tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau
lebih variabel independen, 3 multikolinearitas dapat juga dilihat dari a nilai tolerance dan lawannya b
variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan
Universitas Sumatera Utara
47
oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 Tolerence. Nilai cutoff yang umum dipakai
untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
Beberapa cara mengobati apabila terjadi multikolonieritas dalam data penelitian adalah sebagai berikut:
a menggabungkan data crossection dan time series pooling data, b mengeluarkan satu atau lebih variabel indevenden yang mempunyai korelasi
tinggi dari model regresi dan identifikasikan variabel independen lainnya untuk membantu prediksi,
c transformasi variabel merupakan salah satu cara mengurangi hubungan linear di antara variabel independen,
d menggunakan model dengan variabel independen yang mempunyai korelasi tinggi hanya semata-mata untuk prediksi jangan mencoba untuk
menginterpretasikan koefisien regresinya, e menggunakan metode analisis yang lebih canggih seperti Bayesian regression
atau dalam kasus khusus ridge regression.
c. Uji Heterokedastisitas
