adanya multikolinearitas adalah nilai tolerance ≤ 0,10 atau sama dengan
nilai VIF ≥ 10 Ghozali, 2005.
3.5.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara kesalahan pengganggu pada periode t dengan periode t-1 sebelumnya.Jika
terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.
Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu
time series karena “gangguan” pada seseorang individukelompok yang sama pada periode berikutnya. Model regresi yang baik adalah yang bebas dari
autokorelasi. Cara yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi
adalah dengan uji Durbin Watson DW.Uji ini dihitung berdasarkan jumlah selisih kuadrat nilai
–nilai tafsiran faktor-faktor gangguan yang berurutan. Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali 2005 adalah:
a. Nilai DW terletak diantara batas atau upper bond du dan 4-du, maka
koefisien autokorelasi sama dengan nol, berarti ada autokorelasi positif. b.
Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl, maka koefisien autokorelasi lebih besar dari nol berarti ada autokorelasi
positif.
c. Bila nilai DW lebih rendah daripada batas bawah atau lower bound dI,
maka koefisien autokorelasi lebih kecil dari nol berarti ada autokorelasi negatif.
d. Bila nilai DW terletak antara batas atas du dan batas bawah dI atau DW
terletak antara 4-du dan 4-dI, maka hasilnya tidak dapat disimpulkan.
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada autokorelasi negatif
Tidak ada autokorelasi negatif Tidak ada autokorelasi, positif
maupun negative Tolak
No decision Tolak
No decision Tidak ditolak
0 d dI dI ≤ d ≤ du
4
– dI d 4 4
– du ≤ d ≤ 4 – dI du d 4 - du
3.5.2.4 Uji Heteroskedastisitas
Menurut Ghozali 2005, uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu
pengamatan ke pengamatan lainnya. Jika variance dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homokedastisitas dan jika berbeda
heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu:
1. Melihat grafik scatterplot antara ilai prediksi variabel terikat
dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas 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 distudentized. Pengujian
scatterplot yang tidak terjadi heteroskedastisitas harus memenuhi syarat sebagai berikut:
a Jika ada pola tertentu, seperti titik-titik yang ada memebentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. 2.
Selain melakukan
pengamatan pada
Grafik Plot,
uji heteroskedastisitas bisa dilakukan dengan uji Glejser test. Glejser
mengusulkan untuk meregres nilai absolute residual terhadap variabel independen, dengan persamaan regresi:
| Ut | = α + βXt + vt
3.5.3 Analisis Regresi Berganda