4.2.2 Uji multikolinearitas
“Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau tidak antara variabel
bebas”, Sulaiman, 2004:89. Multikolinearitas berarti ada hubungan linier yang sempurna pasti di antara beberapa atau semua variabel independen
dari model regresi. Adapun cara pendeteksiannya adalah jika multikolinearitas tinggi, seseorang mungkin memperoleh R2 yang tinggi.
Pendeteksian multikolinearitas pada suatu model dapat dilihat yaitu nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak
kurang dari 0.1 maka model dapat dikatakan terbebas dari multikolinearitas.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 1.111
.531 2.094
.042 LDR
-.005 .003
-.287 -1.706
.095 CAR
.029 .026
.169 1.117
.270 BOPO
-.009 .007
-.209 -1.285
.205 a. Dependent Variable: PERT.LABA
Sumber : Output SPSS 18.0, diolah Penulis 2013
Dari data pada tabel 4.3 dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel independen yang diindikasikan dari nilai
tolerance setiap variabel lebih besar 0,1 dan nilai VIF lebih kecil dari 10. Dari
Universitas Sumatera Utara
penjelasan di atas dapat disimpulkan regresi tersebut tidak terdapat problem multikolinearitas, maka model regresi yang ada layak untuk dipakai.
4.2.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskesdastisitas, dan jika berbeda disebut
heteroskedastisitas. “Model regresi yang baik adalah tidak terjadi gejala heterokedastisitas”, Erlina, 2011:105.
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.3 Hasil Uji Heterokedastisitas
Sumber : Output SPSS 18.0, diolah Penulis 2013
Berdasarkan gambar 4.3 dapat diketahui bahwa data membentuk titik- titik yang menyebar secara merata di atas dan di bawah garis nol, tidak
berkumpul di satu tempat, serta tidak membentuk pola tertentu sehingga dapat disimpulkan bahwa pada uji regresi ini tidak terjadi masalah
heteroskedastisitas.
4.2.4 Uji Autokorelasi