Variabel Kontrol Variabel Penelitian dan Definisi Operasional

variabel tunggal atau variabel kombinasi. Ada empat penyebab timbulnya data outlier: 1 kesalahan dalam menginput data; 2 gagal menspesifikasikan adanya missing value dalam program komputer; 3 outlier bukan merupakan anggota populasi yang kita ambil sebagai sampel; 4 outlier berasal dari populasi yang kita ambil sebagai sampel, tetapi distribusi dari variabel dalam populasi tersebut memiliki nilai ekstrim dan tidak berdistribusi normal. 2 Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi Heteroskedastisitas Ghozali, 2013. Untuk mendeteksi ada atau tidaknya heteroskedastisitas digunakan metode grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diproksi dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized. 3 Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Pada model regresi yang baik seharusnya antar variabel bebas tidak terjadi korelasi. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi dapat dilihat dari Tolerance Value dan Variance Inflation Factor VIF. Nilai cut-off yang umum adalah: 1 Jika nilai Tolerance 10 persen dan nilai VIF 10, dapat disimpullkan bahwa tidak terdapat multikolinearitas antar variabel bebas dalam model regresi. 2 Jika nilai Tolerance 10 persen dan nilai VIF 10, dapat disimpulkan bahwa terdapat multikolinearitas antar variabel bebas dalam model regresi. 4 Uji Autokolerasi Uji autokorelasi terjadi apabila terdapat penyimpangan terhadap suatu observasi oleh penyimpangan yang lain atau terjadi korelasi diantara observasi menurut waktu dan tempat. Konsumsi dari adanya korelasi dalam suatu model regresi adalah variabel tidak menggunakan atau tidak menggambarkan variabel populasinya lebih jauh lagi. Ada beberapa cara yang dapat digunakan untuk mendekati adanya autokolerasi, salah satunya dengan uji Durbin-Watson DW- Test. Uji Durbin-Watson hanya digunakan utnuk autokolerasi tingkat satu first order autocorrelation dan mensyaratkan adanya konstanta atau intercept dalam model regresi serta tidak ada variabel lahi diantara inpedenden Ghozali, 2013. Kriteria pengambilan keputusan dalam uji Durbin-Watson adalah: 0 DW dl : Terjadi autokorelasi dl ≤ DW ≤ du : Tidak dapat disimpulkan du DW 4-du : Tidak ada autokorelasi 4-du ≤ DW ≤ 4-dl : Tidak dapat disimpulkan 4-dl d 4 : Terjadi autokorelasi