Uji Multikolinearitas Uji Autokorelasi

3.5.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah suatu model regresi ditemukan adanya korelasi antar variabel bebas Ghozali, 2006:91 . Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak orgotonal Ghozali, 2006:91. Menurut Ghozali 2006:91 terdapat beberapa cara untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut: a. Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak signifikan mempengaruhi variabel terikat. b. Menganalisis korelasi variabel-variabel bebas. Jika antara variabel bebas ada korelasi yang cukup tinggi di atas 0,90, maka hal ini merupakan indikasi adanya multikolineaaritas. Tetapi tidak adanya korelasi yang tinggi antar variabel bebas tidak berarti bebas dari multikolineaaritas. c. Multikolineaaritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 Variance Inflation FactorVIF. Kedua ukuran ini menunjukan setiap variabel manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dijelaskan variabel bebas lainnya. Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1tolerance. Nilai cut off yang umum dipakai untuk menunjukanadanya multikolineaaritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10. Gujarati 1995 :335 lebih tegas menagatakan, “Bila korelasi anatar dua variabel bebas melebihi 0,8 maka multikolinearitas menjadi masalah yang serius.

3.5.2.3 Uji Autokorelasi

Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antar kesalahan pengganggu residual pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena “gangguan” pada seseorang individu kelompok cenderung mempengaruhi “gangguan” pada individu kelompok yang sama pada periode berikutnya Ghozali,2011:110. Pengujian terhadap adanya fenomena autokorelasi dalam data yang dianalisis dapat dilakukan dengan menggunakan Durbin-Watson Test DW. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali,2011:110. 3.5.3. Analisis Statistik 3.5.3.1.Uji Analisis Regresi Berganda