disebutkan untuk mengetahui adanya multikolinearitas tersebut dapat diukur dengan nilai variance inflation factor VIF dengan rumus sebagai berikut :
1 VIF
β
i
= 1 – R
i 2
Dimana R
i 2
adalah koefisien korelasi antara variabel X
i
dengan variabel penjelas lainnya. Dan Mechling 1997dalam Daslina 2006 menambahkan bahwa
nilai VIF yang lebih besar dari 10 memberikan indikasi adanya multikolinearitas.
2.5.1 Uji Asumsi Klasik
1. Uji Multikolinieritas
Multikolinearitas adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang kuat kombinasi linier diantara
independen variabel. Multikolinieritas dikenalkan oleh Ragnar Frisch 1934. Suatu model regresi linier akan menghasilkan estimasi yang
baik apabila model tersebut tidak mengandung multikolinieritas. Multikolinearitas terjadi karena adanya hubungan yang kuat antara
sesama variabel independen dari suatu model estimasi. Adanya multikolinieritas ditandai dengan :
• Standart error tidak terhingga • Tidak ada satupun t-statistik yang signifikan pada α = 1, α = 5
dan α = 10 • Terjadi perubahan tanda atau berlawanan dengan teori
• R2 sangat tinggi
Cara mendeteksi apakah terdapat gejala multikolonearitas dapat dikatakan terbebas dari gejala multikolinearitas jika nilai correlation
antar variabel independen lebih kecil dari 0,8 correlation 0,8. 2.
Uji Heterokedastisitas Heterokedastisitas terjadi apabila variabel pengganggu Error
Term tidak mempunyai varian yang konstan sama untuk semua
observasi sehingga residual variabel pengganggu tidak bernilai nol atau E
�
2
≠�
2
. Ini merupakan pelanggaran salah satu asumsi klasik tentang model regresi linier berdasarkan metode kuadrat terkecil
biasa. Heterokedastisitas pada umumnya lebih banyak ditemui pada data
cross section yaitu data yang menggambarkan keadaan pada suatu
waktu tertentu misalnya data hasil suatu survei. Keberadaan heterokedastisitas akan dapat menyebabkan kesalahan dalam
penaksiran sehingga koefisien regresi menjadi tidak efisien dan dapat meyesatkan. Nachrowi Djalal Nachrowi dan Hardius Usman, 2006.
3. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah faktor pengganggu berdistribusi normal atau tidak. Untuk melakukan uji
normalitas digunakan Jarcue-Bera Test JB- Test. Untuk melihat apakah data telah berdistribusi normal dengan cara JB-Test ini adalah
dengan membandingkan Jarcue Bera normality test statistics dengan tabel, jika Jarcue Bera normality test statistics lebih kecil dari tabel
maka adalah berdistribusi normal. Sebaliknya jika Jarcue Bera
normality test statistics lebih besar dari tabel maka adalah tidak
berdistribusi normal. Cara lain untuk melihat apakah data berdistribusi normal dengan
menggunakan JB-Test adalah dengan melihat angka probability. Apabila angka probability 0,05 maka data berdistribusi normal,
sebaliknya apabila angka probability 0,05 maka data tidak berdistribusi normal. Pratomo dan Paidi Hidayat, 2007.
2.5.2 Uji Kesesuaian Test of Goodness of Fit
