Menurut Ghozali 2005:105, cara untuk mendeteksi ada tidaknya heteroskedastisitas yakni melihat grafik plot antara nilai prediksi variabel
terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y
sesungguhnya yang telah di- studentized. Dasar analisis:
• Jika ada pola tertentu, seperti titik – titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka diindikasikan telah terjadi heterokedastisitas,
• Jika tidak ada pola yang jelas, serta titik – titik menyebar diatas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas,
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering
ditemukan pada time series. Pada data cross-section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian ini untuk mendeteksi
ada tidaknya autokorelasi adalah menggunakan uji Durbin Watson dengan ketentuan sebagai berikut:
Universitas Sumatera Utara
bila nilai DW Durbin-Watson terletak antara batas atas DU dan 4-DU,
maka koefisien autokorelasi sama dengan nol artinya tidak terjadi autokorelasi
bila nilai DWDL batas bawah maka koefisien autokorelasi lebih besar
dari nol artinya ada autokorelasi positif
bila nilai DW4-DL, maka koefisien autokorelasi lebih kecil dari nol artinya ada autokorelasi negatif
bila nilai DW terletak antara DU dengan DL atau DW terletak diantara 4-
DU dan 4-DL, maka hasilnya tidak dapat diputuskan ada autokorelasi atau tidak.
d. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel bebas. Model regresi yang baik seharusnya
tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel – variabel
independen antara yang satu dengan yang lainnya. Dalam hal ini disebut variabel – variabel bebas ini tidak ortogonal. Variabel – variabel bebas yang
bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
b. Koefisien – koefisien regresi menjadi tidak dapat ditaksir,
c. Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Universitas Sumatera Utara
Menurut Ghozali 2005:91, untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah sebgai berikut:
1. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel – variabel
independennya banyak yang tidak signifikan mempengaruhi variabel dependen.
2. Menganalisis matrik korelasi variabel – variabel independen. Jika antar
variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak
adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena
adanya efek kombinasi dua atau lebih variabel independen.
3. Multikolinearitas dapat juga dilhat dari a nilai tolerance dan lawannya
bvariance inflation factor VIF. Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel
independen lainnya Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap
variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cutoff yang umum dipakai
untuk menunjukan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
3. Pengujian Hipotesis