3.8.1. Uji Multikolinearitas
Pada mulanya multikolinearitas ini berarti adanya hubungan linier yang “
sempurna” atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari model regresi. Koefisien-koefisien regresi biasanya diinterprestasikan sebagai ukuran
perubahan variabel terikat jika salah satu variabel bebasnya naik sebesar satu unit dan seluruh variabel bebas lainnya dianggap tetap. Namun, interprestasi ini menjadi tidak
benar apabila terdapat hubungan linier antara variabel bebas. Menurut
Priyatno 2008
Mulitikolinearitas dapat
dilihat dengan
menggunakan pendekatan L.R. Klein, yaitu sebagai berikut: Dengan membandingkan nilai koefisien determinasi individual r
2
dengan nilai determinasi secara serentak R
2
. Adapun caranya adalah dengan meregresikan setiap variabel independen
dengan variabel independen lainnya. Tujuannya adalah untuk mengetahui nilai koefisien r
2
untuk setiap variabel yang diregresikan. Selanjutnya nilai r
2
tersebut dibandingkan dengan nilai koefisien determinasi R
2
. Kemudian hasil pengujiannya dapat diinterprestasikan dengan kriterianya sebagai berikut:
1. Jika r
2
R
2
, maka terjadi multikolinearitas.
2. Jika r
2
R
2
, maka tidak terjadi multikolinearitas.
Masalah multikolinearitas tidak selalu buruk jika tujuan untuk melakukan prediksi, karena koefisien determinan yang tinggi merupakan ukuran kebaikan dari
prediksi. Oleh sebab itu bila koefisien determinan tinggi signifikansi koefisien
Universitas Sumatera Utara
slope tinggi maka model regresi pada umumnya tidak mengalami masalah multikolinearitas.
3.8.2. Uji Heteroskedastisitas
Salah satu asumsi dari model regresi linier klasik adalah varian dari setiap kesalahan pengganggu
1
untuk variabel-variabel bebas yang diketahui merupakan suatu bilangan konstan dengan symbol
2
. Sarwoko 2005 mengatakan sebuah model dengan varian residual yang
bersifat heteroskedastik, memiliki error term berdistribusi normal dengan varian tidak konstan berubah-ubah meliputi semua pengamatan. Secara simbolik ditulis
sebagai berikut: E
i 2
=
2 i
……………………………………………… ...................3.8.1
Di mana i = 1,2,...,n
Sebaliknya, sebuah model dengan varian residul yang bersifat homoskedastik, memiliki error term berdistribusi normal dengan varian konstan tidak berubah-
ubah meliputi semua pengamatan. Secara simbolik ditulis sebagai: E
i 2
=
2
………………………………………………… ..………….3.8.2
Perbedaan antara persamaan 38.1 dan 38.2 terletak pada notasi i yang melekat pada
2
, yang secara tidak langsung menyatakan bahwa error term yang
bersifat heteroskedastisitas berubah seiring perubahan pengamatan ke i. Persamaan 38.2 dikatakan sebagai persamaan yang memenuhi Asumsi klasik. Semua
pengamatan terhadap error term dapat dianggap berasal dari distribusi yang sama,
Universitas Sumatera Utara
yaitu suatu distribusi yang memiliki rata-rata 0 dan varian
2
. Varian
2
tidak berubah untuk pengamatan yang berbeda terhadap error term.
Dalam prakteknya, heteroskedastisitas banyak ditemui pada data cross- section, karena pengamatan dilakukan pada individu yang berbeda pada saat yang
sama, akan tetapi bukan berarti heteroskedastisitas tidak mungkin terjadi dalam data time series.
Pada penelitian ini untuk pengujian heteroskedastisitas akan digunakan uji koefisien Spearman’s rho. Menurut Priyatno 2008 uji Spearman’s rho adalah
mengorelasikan variabel independen dengan residualnya. Pengujian menggunakan tingkat signifikan 0,05 dengan uji 2 sisi. Jika korelasi antara variabel independen
dengan residual memberikan: 1.
tingkat sig. 0,05, maka tidak terjadi heteroskedastisitas. 2.
tingkat sig. 0,05, maka terjadi heteroskedastisitas.
3.8.3. Uji Normalitas