53
1. Nilai
�
2
yang dihasilkan oleh suatu estimasi model regresi. 2.
Menganalisis matriks korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi
umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolinieritas.
3. Menggunakan variance inflation factor VIF dan nilai tolerance.
Multikolinieritas terjadi jika VIF lebih dari 10 dan nilai tolerance
lebih kecil dari 0,10.
3.7.1.3 Uji Heterokedastisitas
Uji heterokedastisitas ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas Erlina, 2008: 106. Heteroskedastisitas adalah keadaan dimana
terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Uji heteroskedastisitas digunakan untuk mengetahaui ada atau tidaknya
ketidaksamaan varian dari residual pada model regresi. Prasyarat dalam model regresi adalah tidak adanya masalah heteroskedastisitas.
Untuk melihat ada tidaknya heterokedastisitas dapat dilakukan menggunakan analisis statistik yaitu uji glesjer. Jika nilai signifikansi 0,05 maka tidak
mengalami gangguan heterokedastisitas, sebaliknya nilai jika nilai signifikansi 0,05 maka mengalami gangguan heterokedastisitas. Mendeteksi heterokedastisitas
juga dapat dilakukan dengan melihat grafik plot antara nilai prediksi variabel
Universitas Sumatera Utara
54
terikat dependen yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur
bergelombang, melebar kemudia menyempit maka ini mengindikasikan telah terjadi heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar
diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas
3.7.1.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode sebelumnya.
Ghozali 2005 : 95 menyatakan bahwa “uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada
periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Autokorelasi sering terjadi pada sampel, dengan data time series. Untuk
mendeteksi adanya autokorelasi, dapat dilakukan dengan metode grafik dan uji Durbin-Watson. Kriteria untuk penilaian terjadinya autokorelasi yaitu:
1. Angka D-W dibawah -2 berarti ada autokorelasi positif
2. Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi.
3. Angka D-W diatas +2 berarti autokorelasi negatif.
3.7.2 Uji Kesesuaian Test of Goodness of Fit 3.7.2.1 Uji Signifikansi Simultan Uji F Statistik
