40
3.8.1.2 Uji Multikolinearitas
Menurut Ghozali 2005, uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Untuk
mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
1. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang
tidak signifikan mempengaruhi variabel dependen. 2. Menganalisis matriks korelasi variabel-variabel indpenden. Jika antar
variabel indpenden ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak
adanya korelasi yang tinggi antar variabel indpenden tidak berarti bebas dari bebas dari multikolinearitas. Multikolinearitas dapat disebabkan
adanya efek kombinasi dua atau lebih variabel independen. 3. Multikolinearitas dapat juga dilihat dari nilai tolerance dan lawannya serta
nilai variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel indpenden manakah yang dijelaskan oleh variabel independen
lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel dependen
Universitas Sumatera utara
41
lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai
tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1Tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF
≥ 10. 3.8.1.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu pengamatan dengan
pengamatan yang lain. Model regresi yang baik harusnya tidak terjadi heterokedastisitas. Menurut Ghozalli 2011, uji heterokedastisistas bertujuan
untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual
satu pengamatan yang lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heterokedastisitas. Model regresi yang baik adalah yang
Homokedastisitas atau tidak terjadi Heterokedastisitas. Kebanyakan data cross section mengandung situasi heterokedastisitas karena data ini menghimpun data
yang mewakili berbagai ukuran. Cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan
melakukan Uji Park. Park mengemukakan metode bahwa variance S
2
merupakan fungsi dari variabel-variabel independen yang dinyatakan dalam persamaan sebagai berikut:
σ
2
i = α Xiβ
Universitas Sumatera utara
42
persamaan ini dijadikan linier dalam bentuk persamaan logaritma sehingga menjadi :
Ln σ
2
i = α + β LnXi + vi Karena S
2
i umumnya tidak diketahui, maka dapat ditaksir dengan menggunakan residual Ut sebagai Proksi, sehingga persamaan menjadi :
LnU
2
i = α + β LnXi + vi Uji Park dilakukan dengan melakukan regresi variabel logaritma natural dari
kuadrat residual LnU
2
i dengan variabel logaritma natural NPM dan variabel logaritma natural variabel DPS, sehingga persamaan regresi menjadi :
LnU2i = b + b
1
LnNPM + b
2
LnDPS Apabila koefisien parameter beta dari persamaan regresi tersebut
signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heterokedastisitas, dan sebaliknya jika parameter beta
tidak signifikan secara statistik, maka asumsi homokedastisitas pada data model empiris tersebut tidak dapat ditolak.
3.8.1.4 Uji Autokorelasi