57
e.
Tolerance
dan
Variance Inflation Factor
VIF. Multikolinearitas dapat juga dilihat dari 1 nilai
tolerance
dan lawannya 2
variance inflation factor
VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel lainnya. Dalam pengertian
sederhana setiap variabel independen menjadi variabel dependen dan diregresikan terhadap variabel independen lainnya. Jadi
tolerance
yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai
cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah Tolerance 0.10 atau sama dengan VIF 10.
3.5.1.2 Deteksi Heteroskedastisitas
Deteksi heteroskesdastisitas digunakan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke
pengamatan lain. Seperti pada multikolinearitas, tidak ada peraturan baku untuk mengtahui adanya heroskedastisitas, akan tetapi situasi ini tidak terelakkan karena
σ
2
hanya dapat diketahui jika memilki variabel dependen yang berhubungan dengan variabel independen. Heteroskedastisitas tidak merusak
property
dari estimasi
ordinasry least square
OLS yaitu tetap tidak biased
unbiased
dan konsisten estimator, tetapi estimator ini tidak lagi memiliki minimum
variance
dan efisien sehingga tidak lagi BLUE
Best Linear Unbiased Estimator
Untuk mendeteksi adanya gejala heteroskedastisitas dalam model persamaan regresi digunakan metode glejser. Metode Glejser mengusulkan untuk
meregres nilai absolute residual AbsUi terhadap variabel independen lainnya dengan persamaan regresi sebagai berikut: Ghozali,2009.
58
|
U
i
| = α + βX
i
+u
i
……………………………………………………………..3.4 Jika β signifikan, maka mengindikasikan terdapat heteroskedastisitas
dalam model.
3.5.1.3 Deteksi Normalitas
Deteksi normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi normal, seperti diketahui
bahwa uji t dan F mengasumsikan nilai residual mengikuti distribusi normal. Apabila asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah
sampel kecil Ghozali,2009. Ada dua cara mendeteksi apakah residual memiliki distribusi normal atau
tidak yaitu dengan analisis grafik dan uji statistik. Dalam penelitian ini menggunakan uji Kolmogorov
–Smirnov KS. Uji KS dilakukan dengan hipotesisis:
HO : Residual terdistribusi normal HA : Residual tidak terdistribusi normal
3.5.1.4 Deteksi Autokorelasi
Deteksi autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu residual pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain Ghozali,2009.
59
Salah satu cara untuk mendeteksi adanya autokorelasi adalah dengan menggunakan Durbin-Watson test. Durbin-Watson test dapat ditulis sebagai
berikut : d =
e
1 t=N
t=2
− e
1
−1
2
e
1 2
t=N �=2
……………………………………………………...3.5
Dimana : d =
koefisien Durbin-Watson t =
t hitung N =
sampel e =
residual nilai
d
yang diperoleh dibandingkan dengan
d
L
dan
d
U
pada tabel, jika
d d
L
atau
d 4-d
L
berarti terdapat autokorelasi, bila nilai
d
terletak antara
4-d
U
d 4-d
L
atau
d
L
d d
U
berarti tidak dapat dipastikan adanya autokorelasi, bilamana
d
U
d 4- d
U
berarti bebas dari autokorelasi positif maupun negatif.
Gambar 3.1 Uji Durbin-Watson
Autokorelasi positif
Daerah Keragu-
raguan Bebas Autokorelasi
positif maupun negatif
Daerah Keragu-
raguan Autokoresi
Negatif
d
L
d
U
4-d
U
4-d
L
4
60
3.5.2 Pengujian Hipotesis