terjadi korelasi sempurna di antara sesama variabel bebas, maka konsekuensinya adalah:
1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir, 2. Nilai standar error setiap koefisien regresi menjadi tak terhingga.
Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan
menganalisis matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah
jika nilai VIF tidak lebih dari sepuluh dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas.
3.6.1.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu
pengamatan dengan pengamatan yang lain. Model regresi yang baik seharusnya tidak terjadi heteroskedastisitas. Menurut Nugroho 2005:62
cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar
Scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
1 titik-titik data menyebar di atas, di bawah atau di sekitar angka nol, 2 titik-titik data tidak mengumpul hanya di atas atau dibawah saja,
Universitas Sumatera Utara
3 penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali,
4 penyebaran titik-titik data sebaiknya tidak berpola.
3.6.1.4 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linier terdapat korelasi atau kesalahan pengganggu pada periode t
dengan kesalahan periode t-1. Jika terjadi autokorelasi, maka terdapat problem autokorelasi. Autokorelasi muncul karena observasi yang
berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada data time series. Pada data cross section,
masalah autokorelasi relatif tidak terjadi. Metode deteksi terhadap autokorelasi dilakukan dengan menggunakan Durbin Watson.
Uji Durbin Watson yaitu dengan membandingkan nilai Durbin Watson dari hasil regresi dengan nilai Durbin Watson tabel.
Bentuk pengujian : H
: Tidak terjadi autokorelasi H
a
: Terjadi autokorelasi Menggunakan tarif signifikansi 5.
Universitas Sumatera Utara
Pengambilan keputusan, antara lain : H
diterima, jika : dU DW 4-dU Tidak terjadi autokorelasi H
ditolak, jika : DW dL atau DW 4-dL Terjadi autokorelasi dL DW dU atau 4-dU DW 4-dL Tidak ada keputusan yang
pasti.
3.6.2 Pengujian Hipotesis
Hipotesis diuji dengan menggunakan analisis regresi linier berganda. Analisis ini digunakan untuk mengetahui apakah semua variabel independen
mempunyai pengaruh terhadap variabel dependen. Model regresi untuk menguji hipotesis dalam penelitian ini menggunakan uji-F simultan dan uji-t parsial.
3.6.2.1 Uji Signifikansi Simultan Uji-F
