toleransinya di atas 0,1 atau 10 maka disimpulkan dalam model bebas dari penyimpangan asumsi klasik multikolinearitas.
4.9.3. Uji Autokorelasi
Uji Auto Korelasi merupakan pengujian asumsi dalam regresi di mana variabel dependen tidak berkorelasi dengan dirinya. Maksud korelasi dengan diri sendiri adalah
bahwa nilai dari variabel dependen tidak berhubungan dengan nilai variabel itu sendiri, baik nilai variabel sebelumnya, atau nilai periode sesudahnya Santoso Ashari,
2005: 240. Dasar pengambilan keputusannyaadalah sebagai berikut:
a. Angka Durbin Watson dibawah -2 berarti ada autokorelasi positif
b. Angka Durbin Watson diantara -2 sampai +2 berarti tidak ada autokorelasi
c. Angka Durbin Watson di atas +2 berarti ada autokorelasi negatif.
Tabel 4.18. Pengujian Autokorelasi Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of
the Estimate
Change Statistics Durbin-
Watson R
Square Change
F Change
df1 df2 Sig. F
Change
1 .896
a
.803 .776
.02809 .803 29.910
3 22 .000
1.023 a. Predictors: Constant, Dana Bantuan Pembangunan Perkapita, Rasio Angkatan
Kerja, Investasi Perkapita b. Dependent Variabel: Indeks Ketimpangan
Universitas Sumatera Utara
Dari tabel di atas didapatkan nilai Durbin Watson DW hitung sebesar 1,023. Berdasarkan criteria yang telah ditentukan DW hitung berada diantara -2 dan 2, yakni
, maka ini berarti tidak terjadi autokorelasi. Sehingga kesimpulannya adalah uji autokorelasi terpenuhi.
4.9.4. Uji Heteroskedastisitas
Pengujian ini digunakan untuk melihat apakah variabel pengganggu mempunyai varian yang sama atau tidak. Heteroskedastisitas mempunyai suatu
keadaan bahwa varian dari residual suatu pengamatan ke pengamatan yang lain berbeda. Salah satu metode yang digunakan untuk menguji ada tidaknya
heteroskedastisitas akan mengakibatkan penaksiran koefisien-koefisien regresi menjadi tidak efisien. Hasil penaksiran akan menjadi kurang dari semestinya.
Heteroskedastisitas bertentangan dengan salah satu asumsi dasar regresi linier, yaitu bahwa variasi residual sama untuk semua pengamatan atau disebut
homoskedastisitas Gujarati dalam Elmasari, 2010: 53. Untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat grafik Plot antara nilai prediksi
variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot antara SRESID dan ZPRED di mana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y predisi – Y sesungguhnya yang telah di
studentized.
Universitas Sumatera Utara
Dasar analisisnya adalah sebagai berikut: a.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk 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.
Dari Gambar 4.2 di bawah ini dapat diketahui bahwa tidak terjadi heteroskedastisitas, sebab tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, sehingga dapat dikatakan uji heteroskedastisitas terpenuhi.
Gambar 4.2. Uji Heteroskedastisitas
Universitas Sumatera Utara
4.10. Pembahasan