55 Sehingga dapat disimpulkan bahwa model regresi tersebut tidak
terdapat problem multikolinieritas Santoso, 2015.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians residual dari satu
pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut
Homoskedastisitas. Dan jika varians tersebut berbeda, maka terjadi Heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas Santoso, 2015. Pengujian ada tidaknya gejala heteroskedastisitas memakai metode grafik dengan melihat ada
tidaknya pola tertentu pada scatterplot dari variabel terikat, dimana jika tidak terdapat pola tertentu maka tidak terjadi heteroskedastisitas
dan begitu pula sebaliknya Santoso, 2015.
3. Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang crossection relatif rendah karena
56 adanya variasi yang besar antara masing-masing pengamatan, sedangkan
untuk data runtun waktu time series biasanya mempunyai nilai koefisien determinasi yang tinggi. Ghozali, 2011. Menurut Gujarati dalam Imam
Ghozali 2011 jika dalam uji empiris didapat nilai adjusted R
2
negatif, maka nilai adjusted R
2
dianggap bernilai nol. Secara matematis jika nilai R
2
= 1, maka adjusted sedangkan jika nilai R
2
=0, maka adjusted R
2
= 1 - kn
– k. Jika k 1, maka adjusted R
2
akan bernilai negatif.
4. Analisis Regresi Linear Berganda
Analisis regresi berganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan bagaimana keadaan naik turunnya variabel
dependen kriterium, bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi dinaik turunkan nilainya. Jadi analisis
regresi ganda akan dilakukan bila jumlah variabel independennya minimal 2. sugiyono, 2012. Jika ada lebih dari satu variabel bebas untuk
mengestimasikan nilai Y, persamaan tingkat pertama persamaan disebut permukaan regresi regression surface, misalnya Y = a + bX + cZ. Y
adalah kombinasi linier dari X dan Z. Konstan b dan c disebut koefisien regresi. Ada kalanya a, b, dan c diganti dengan b1,b2,dan b3 sedangkan X
dan Z diganti dengan X1 dan X
2
. suharsini, 2010. Model penelitian ini dapat dijelaskan dengan model linier sebagai
berikut Sugiyono, 2012 :
