36
b Trimming
Trimming adalah membuang memangkas observasi yang bersifat outlier, yaitu yang nilainya lebih kecil dari μ-2σ atau lebih besar dari μ+2σ.
Metode ini juga akan mengecilkan sampelnya. c
Winzorising Winzorising mengubah nilai-nilai outliers menjadi nilai-nilai minimum
atau maksimum yang diizinkan supaya distribusi menjadi normal. Nilai- nilai observasi yang lebih kecil dari μ-2σ akan diubah nilainya menjadi μ-
2σ dan nilai-nilai yang lebih besar dari μ+2σ akan diubah menjadi μ+2σ.
3.6.1.2 Uji Multikolinieritas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda.
Jika ada korelasi tinggi diantara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu Sunjoyo
dkk, 2013:65. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:
1. Menganalisis matrik korelasi variabel-variabel independen, jika diantara variabel independen ada korelasi yang cukup tinggi umumnya diatas
0.90, maka hal ini merupakan indikasi adanya multikolonieritas. 2. Multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya
2 Variance Inflation Factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau
sama dengan nilai VIF 10.
3.6.1.3 Uji Heterokedasitas
Uji heterokedasitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi
37
yang memenuhi persyaratan adalah terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas
Sunjoyo dkk, 2013:69. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel independen dengan nilai
residualnya. Dasar yang digunakan untuk menentukan heteroskedastisitas antara lain :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian mnenyempit,
maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.6.1.4 Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya t-1. Secara sederhana, analisis regresi
adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya
Sunjoyo dkk, 2013:73. Uji autokorelasi hanya dilakukan pada data time series runtut waktu dan tidak diperlukan pada data cross section seperti pada kuesioner
dimana pengukuran dilakukan secara serempak dan bersamaaan. Model regresi pada penelitian di Bursa Efek Indonesia yang periodenya lebih dari satu tahun
biasanya memerlukan uji autokorelasi. Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, dengan kriteria sebagai berikut :
38
1. Angka D-W di bawah -2 berarti ada ditemukan autokorelasi positif 2. Angka D-W di antara -2 sampai +2, berarti tidak ada ditemukan
autokorelasi. 3. Angka D-W di atas +2 berarti ada ditemukan autokorelasi negatif.
3.6.1.5 Uji Hipotesa
