84 Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear
terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya Ghozali, 2005. Cara untuk
mendeteksi ada tidaknya autokorelasi adalah dengan uji Durbin Watson D-W test. Hasil perhitungan uji Durbin Watson yang ada akan dibandingkan dengan
nilai tabel dari Durbin Watson. Dasar pengambilan keputusannya adalah Nugroho, 2005:60:
a. Angka D-W di bawah -2 berarti ada autokorelasi positif. b. Angka D-W diantara -2 sampai 2 berarti tidak ada autokorelasi.
Untuk penelitian ini, hasil pengujian autokorelasi dapat dilihat pada Tabel
4.5 berikut : 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .977
a
.955 .902
4.631255 2.566
a. Predictors: Constant, CRR, LLR, LAR, LDR, IPR, QR b. Dependent Variable: CAR
Sumber: Output SPSS, 20 data diolah Pengambilan keputusan ada tidaknya autokorelasi dalam uji Durbin-Watson
test adalah sebagai berikut:
Hasil perhitungan uji Durbin Watson yang diperoleh adalah sebesar 2.566 yang terletak antara
–4 dan +4. Dari hasil perhitungan diatas, dapat dinyatakan bahwa penelitian ini bebas dari masalah autokorelasi.
4.3.4. Uji Heteroskedastisitas
Universitas Sumatera Utara
85 Uji heterokedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika varians dan residual dari satu pengamatan ke pengamatan lain tetap maka
disebut homokedastisitas dan model yang baik adalah yang sifatnya homokedastisitas. Pengujian untuk melihat ada atau tidaknya heterokedastisitas
dapat dilakukan dengan melihat scatterplot antara nilai prediksi variabel terikat ZPRED dengan residual SRESID. Jika titik
–titik pada scatterplot tersebut membentuk pola tertentu yang teratur misalnya bergelombang, melebar,
kemudian menyempit, maka dapat diindikasikan telah terjadi heterokedastisitas. Hasil pengujian heterokedastisitas yang dilakukan terhadap penelitian ini dapat
dilihat pada Gambar 4.3 berikut ini :
Gambar 4.3 Hasil Uji Heterokedastisitas
Sumber: Output SPSS, 20 data diolah
Universitas Sumatera Utara
86 Berdasarkan scatterplot diatas terlihat bahwa titik
–titik menyebar secara acak serta tersebar diatas maupun dibawah angka 0 pada sumbu Y. Maka dapat
disimpulkan bahwa dalam model regresi ini tidak terjadi heterokedastisitas. Selain dengan analsiis scatterplot diatas, pengujian juga dilakukan terhadap model
regresi untuk mengetahui ada tidaknya masalah heterokedastisitas dengan menggunakan uji Glesjer. Analisis secara statistik ini diperlukan karena dari
analisis scatterplot memiliki kelemahan yaitu jumlah sampel yang diamati akan mempengaruhi hasil ploting. Uji Glesjer ini dilakukan dengan meregress nilai
absolut residual terhadap variabel independen. Untuk analisis lebih lanjut maka dapat dilihat dari hasil uji Glesjer pada Tabel 4.6 berikut :
Tabel 4.6 Hasil Uji Glesjer
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta
1 Constant
2.689 2.890
.931 .395
LDR .053
.027 .692
1.915 .114
QR .023
.030 .323
.752 .486
IPR -.011
.037 -.114
-.283 .789
LAR -.024
.030 -.284
-.805 .457
LLR -.037
.086 -.176
-.424 .689
CRR -.032
.024 -.451
-1.318 .245
a. Dependent Variable: absut