2. Uji Asumsi Klasik
a. Uji Multikolinearitas, untuk mengetahui terdapatnya hubungan linier
atau korelasi yang tinggi antara masing-masing variabel independen
dalam model regresi. Multikolinearitas biasanya terjadi ketika sebagian
besar variabel yang digunakan saling terkait dalam suatu model regresi. Oleh karena itu masalah multikolinearitas tidak terjadi pada regresi
linier sederhana yang hanya melibatkan satu variabel independen. Kriteria :
1 Jika nilai variance inflation factor tidak lebih 10 dan tolerance tidak kurang dari 0,1 maka dikatakan terbebas dari
multikolinearitas. 2 Jika nilai koefisien korelasi masing-masing variabel independen
lebih besar 0,7 maka model terbebas dari multikolinearitas. 3 Jika nilai koefisien determinan baik dilihat dari
2
R maupun R- square diatas 0,6 namun tidak ada variabel independen yang
berpengaruh terhadap variabel dependen maka model tersebut terkena multikolinearitas.
b. Uji Auto korelasi, untuk mengetahui ada tidaknya korelasi antar
variabel pengganggu pada periode tertentu dengan variabel pengganggu periode sebelumnya. Caranya dengan uji Durbin-Watson.
Mekanisme menurut Gujarati, 2006:121-122:
1 Merumuskan hipotesis, Ho: tidak ada korelasi Ha: ada korelasi
2 Menetukan nilai d hitung 3 Tentukan nilai batas independen dan batas bawah
4 Keputusan: jika d
l
d , Ho ditolak berarti terdapat autokorelasi positif,
l
d d
u
d
,berarti tidak ada kesimpulan,
u
d
hit
d
u
d
4 ,
Ho diterima jadi tidak ada korelasi,
u
d
4
hit
d
4-
l
d , daerah tanpa keputusan jadi tidak ada kesimpulan,
hit
d
4-
l
d , Ho ditolak berarti terdapat autokorelasi positif. Menurut Santoso
2000, D-W di bawah -2 berarti ada autokorelasi positif, D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, dan D-W di
atas +2 berarti ada autokorelasi negatif.
c. Uji Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan lain, atau gambaran
umum antara nilai yang diprediksi dengan Studentized Delete Residual nilai tersebut. Model regresi yang baik adalah model regresi yang
memiliki persamaan variance residual suatu periode pengamatan dengan periode pengamatan yang lain, atau adanya hubungan antara
nilai yang diprediksi dengan Studentized Delete Residual nilai tersebut sehingga apat dikatakan model tersebut homoskedastisitas. Cara
memprediksi ada tidaknya heteroskedastisitas pada suatu model adalah dilihat dari pola gambar scatterplot model tersebut. Gambar scatterplot
menyatakan model
regresi linier
berganda tidak
terdapat heteroskedastisitas jika :
1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0.
2 Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
3 Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar
kembali. 4 Penyebaran titik-titik data sebaiknya tidak berpola.
3. Uji Regresi Berganda
Kategori