mentransformasikan nilai ke dalam bentuk log. Dengan mentransformasikannilai- nilai observasi data ke dalam bentuk log diharapkan dapat membentuk distribusi
yang normal. 2.
Trimming Trimming adalah membuang data yang outlier. Nilai outlier bisa
ditentukan dengan kriteria nilainya lebih kecil dari µ- 2σ atau lebih besar dari
µ+2σ. Metode ini juga mengecilkan sampelnya. 3.
Winsorizing Winsorizing yaitu mengubah nilai data yang outlier ke suatu nilai tertentu,
menjadi nilai maksimum dan minimum yang diizinkan. Nilai observasi yang lebih kecil dari µ-
2σ akan diubah menjadi µ-2σ dan nilai observasi yang lebih besar µ+2σ akan diubah menjadi nilai µ+2σ.
b. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variable independen.Model regresi yang baik
seharusnya tidk terjadi korelasi di antara variable independen. Menurut Ghozali 2005 : 91, untuk mendeteksi ada atau tidaknya
multikolinearitas di dalam model regresi dijelaskan berikut ini. 1 Nilai R2 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 oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 Tolerance.
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF
10.
c. Uji Autokorelasi
Uji autokorelasi bertujuan untukmelihat apakah dalam suatu model regresi linearada korelasi antar kesalahan pengganggu pada periode t dengan kealahan
pada periode t-1.Auto korelasi muncul karena observasi yangberurutan sepanjang tahun yang berkaitan dengan lainnya.
Pengujian autokorelasi dapat dilakukan dengan menggunakan uji Durbin- Watson.Panduan mengenai angka D-W untuk mendeteksi autokorelasi bisa dilihat
pada tabel D-W, yang bisa dilihat pada buku statistik yang relevan. Namun demikian secara umum bisa diambil patokan:
1 Angka D-W di bawah -2 berarti ada autokorelasi positif,
2 Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi,
3 Angka D-W di atas +2 berarti autokorelasi negatif.
d. Uji Heteroskedasititas
