Gujarati, 2003: 351. Dimana R
i 2
adalah koefisien determinasi yang diperoleh dengan meregresikan salah satu variabel bebas X
i
terhadap variabel bebas lainnya. Jika nilai VIF nya kurang dari 10 maka dalam data tidak terdapat Multikolinieritas Gujarati, 2003:
362.
c. Uji Heteroskedastisitas
Situasi heteroskedastisitas akan menyebabkan penaksiran koefisien-koefisien regresi menjadi tidak efisien dan hasil taksiran dapat menjadi kurang atau melebihi
dari yang semestinya. Dengan demikian, agar koefisien-koefisien regresi tidak menyesatkan, maka situasi heteroskedastisitas tersebut harus dihilangkan dari model
regresi. Untuk menguji ada tidaknya heteroskedastisitas digunakan uji-rank Spearman
yaitu dengan mengkorelasikan masing-masing variabel bebas terhadap nilai absolut dari residual. Jika nilai koefisien korelasi dari masing-masing variabel bebas terhadap
nilai absolut dari residual error ada yang signifikan, maka kesimpulannya terdapat heteroskedastisitas varian dari residual tidak homogen Gujarati, 2003: 406.
Cara lain yang dapat digunakan untuk memprediksi ada tidaknya heterokedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model
tersebut. Menurut Bhuono Agung Nugroho 2005:63 analisis pada gambar
2 i
R 1
1 VIF
Scatterplot yang menyatakan model regresi linier berganda tidak terdapat heterokedastisitas 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
menyebar kemudian menyempit dan melebat kembali. 4. Penyebatan titi-titik data sebaiknya tidak berpola.
d. Uji Autokorelasi
Autokorelasi didefinisikan sebagai korelasi antar observasi yang diukur berdasarkan deret waktu dalam model regresi atau dengan kata lain error dari
observasi yang satu dipengaruhi oleh error dari observasi yang sebelumnya. Akibat dari adanya autokorelasi dalam model regresi, koefisien regresi yang diperoleh
menjadi tidak effisien, artinya tingkat kesalahannya menjadi sangat besar dan koefisien regresi menjadi tidak stabil.
Untuk menguji ada tidaknya autokorelasi, dari data residual terlebih dahulu dihitung nilai statistik Durbin-Watson D-W:
Gujarati, 2003: 467 Kriteria uji: Bandingkan nilai D-W dengan nilai d dari tabel Durbin-Watson:
1. Jika D-W d
L
atau D-W 4 – d
L
, kesimpulannya pada data terdapat autokorelasi
2. Jika d
U
D-W 4 – d
U
, kesimpulannya pada data tidak terdapat autokorelasi 3. Tidak ada kesimpulan jika : d
L
D-W d
U
atau 4 – d
U
D-W 4 – d
L
Gujarati, 2003: 470
t t 1
2 t
e e
D W e