4.3.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi
multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Cara yang digunakan untuk mendeteksi ada
tidaknya multikolinearitas adalah dengan melihat tolerance value dan VIF. Menurut Ghozali 2005 “adanya gejala multikolinearitas dapat dilihat dari
tolerance value atau nilai variance inflation factor VIF. Batas tolerance value adalah 0,1 dan batas VIF adalah 10”. Apabila tolerance value 0,1 atau VIF 10
= terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi multikolinearitas.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant FCF
.973 1.027
KM .891
1.122 SKI
.691 1.447
UP .710
1.408 a. Dependent Variable: DER
Sumber : Output SPSS, diolah Penulis, 2012
Hasil uji multikolinieritas terdapat pada tabel 4.3 di atas menunjukkan bahwa tidak ada variabel independen yang memiliki nilai tolerance kurang dari
0,10 yang berarti bahwa tidak ada kolerasi antar variabel independen yang nilainya lebih besar dari 95.
Universitas Sumatera Utara
Hasil perhitungan untuk VIF juga menunjukkan hal yang sama bahwa tidak ada variabel independen yang memiliki nilai VIF lebih dari 10. Dengan
demikian, dapat disimpulkan bahwa tidak ada multikolinearitas yang terjadi antar variabel independen dalam model regresi.
4.3.3 Uji Heteroskedastisita
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain
dalam model regresi. Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homokedastisitas apabila titik-titik yang ada
membentuk pola tertentu yang teratur. Menurut Ghozali 2005:105, terdapat dua dasar pengambilan keputusan
penentuan uji heteroskedastisitas yaitu :
1. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan
telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah
terjadi heterokedastisitas dengan mengamati penyebaran titik-titik pada gambar 4.3 dibawah ini:
Universitas Sumatera Utara
Sumber : Output SPSS, diolah Penulis, 2012
Gambar 4.3 Grafik Scatterplot
Dari gambar 4.3 grafik scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta
titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga
model regresi layak dipakai untuk memprediksi variabel dependen.
Universitas Sumatera Utara
4.3.4 Uji Autokorelasi