Uji Multikolinieritas Uji Autokorelasi Uji Heteroskedastisitas

2. Analisis Statistik

Untuk menentukan uji ini didasarkan kepada Kolmogorov – Smirnov Goodness of Fit Test terhadap model yang diuji. Pedoman untuk pengambilan keputusannya didasarkan sebagaimana diungkapkan Ghozali 2005 : 114 “ Apabila nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data atau nilai probabilitas 0,05, maka distribusi data normal. Apabila nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data tidak normal.

3.6.2.2 Uji Multikolinieritas

Multikolinearitas adalah situasi adanya korelasi variabel – variabel independen antara yang satu dengan yang lainnya. Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi dintara variabel independen. Untuk melihat ada atau tidaknya multikolinearitas dalam model regresi dapat dilihat dari : - Nilai tolerence dan lawannya. - Variance Inflation factor VIF Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerence mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerence yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1 tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerence 0,10 atau sama dengan VIF 10. Cara yang dapat dilakukan untuk menanggulangi jika terjadi multikolinearitas adalah dengan mengeluarkan salah satu variabel bebas yang memiliki korelasi yang tinggi dari model regresi dan identifikasi variabel lainnya untuk membantu prediksi.

3.6.2.3 Uji Autokorelasi

Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi Ghozali, 2009. Untuk mendeteksi ada atau tidaknya autokorelasi didalam model regresi antara lain dapat dilakukan dengan Uji Durbin - Watson DW Test. Riyanto 2012:59 menyatakan jika nilai statistik Durbin-Watson - 2 sd +2, maka asumsi independensi terhadap residual non- autokorelasi terpenuhi. Sebaliknya, bila nilai statistik Durbin- Watson -2 atau 2, berarti asumsi independensi terhadap residual non-autokorelasi tidak terpenuhi.

3.6.2.4 Uji Heteroskedastisitas

Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homokedastisitas dan jika berbeda disebut dengan heterokedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heterokedastisitas. Untuk melihat ada tidaknya heterokedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel dependen dengan residualnya. Dasar analisis yaitu : a. Jika ada pola tertentu, seperti titik –titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas. b. Jika tidak ada pola yang jelas, seperti titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.

3.6.3. Pengujian Hipotesis