model dikatakan terdapat gejala multikolinearitas, jika korelasi diantara variabel lebih besar dari 0,1 Ghozali, 2005 : 92.
Ada dua cara yang dilakukan jika terjadi multikolinearitas, yaitu ; a
Mengeluarkan salah satu variabel, misalnya variabel independen A dan B saling berkorelasi denga kuat, maka bisa dipilih A atau B yang akan
dikeluarkan dari model regresi. b
Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge.
c. Uji Hetrokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan lainnya Erlina, 2007:108. Model regresi yang baik adalah tidak terjadi heterokedasitas.
Ghozali 2005 : 105, ada beberapa cara untuk mendeteksi ada atau tidaknya heterokedasitas :
Melihat grafik plot antar nilai prediksi variabel terikat dependen yaitu ZPERD dengan residualnya SRESID. Deteksi ada tidaknya
heterokedastisitas 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 ;
a
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heterokedasitas. b
Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedasitas.
Hadi 2006 : 174, salah satu cara untuk mengurangi masalah
heterokedasitas adalah “menurunkan besarnya rentang range data. Salah satu cara yang biasa dilakukan untuk menurunkan rentang data adalah melakukan
Universitas Sumatera Utara
transformasi manipulasi logaritma. Tindakan ini biasanya dilakukan bila semua data bertanda positif.”
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menganalisis apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan t-1 atau sebelumnya. Autokorelasi muncul karena observasi berurutan sepanjang tahun tang berkaitan satu denga yang lainnya. Hal ini sering ditemukan
pada time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson dengan
ketentuan dari singgih sebagai berikut : 1
Angka D-W dibawah -2 berarti ada autokorelasi posotif, 2
Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3
Angka diatas +2 berarti ada autokorelasi negatif.
2. Pengujian Hipotesis
