Sampel Populasi dan Sampel

2 Jika VIF 10 atau jika tolerance 0,10, maka tidak ada multikolinearitas antar variabel independen dalam model regresi. Imam Ghozali, 2009:28 d. Uji Autokorelasi Autokorelasi adalah suatu keadaan dimana faktor pengganggu error term pada periode tertentu berkorelasi dengan faktor pengganggu pada periode lain. Faktor pengganggu tidak random unrandom. Autokorelasi disebabkan oleh faktor-faktor kelembaman inersial, manipulasi data, kesalahan dalam menentukan model bias spesification, adanya fenomena sarang laba-laba, dan penggunaan lag dalam model. Pendeteksian asumsi autokorelasi dalam penelitian ini dilakukan dengan uji Durbin- Watson. Dengan kriteria pegujian : 1 Jika d-hitung dL atau d-hitung 4-dL, Ho ditolak, berarti ada autokorela 2 Jika dU d-hitung 4 – dU, Ho diterima, berarti tidak terjadi autokorelasi 3 Jika dL d-hitung dU atau 4-dU d-hitung 4-dL, maka tidak dapat disimpulkan ada tidaknya autokoelasi. e. Uji Heteroskedastisitas Heteroskedastisitas, artinya varians variabel dalam model tidak sama konstan. Untuk mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan uji Scatter Plot yang menyatakan bahwa model regresi linier berganda tidak terdapat heteroskedastisitas jika: 1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. 2 Titik-titik data tidak hanya mengumpul di atas dan di bawah saja. 3 Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali. Nugroho,2005: 62-63. 3. Pengujian Hipotesis a. Analisis Regresi Linier Sederhana Persamaan umum regresi linier sederhana: Y = a + bX Keterangan: Y = Variabel dependen yang diprediksikan A = Harga Y bila X = 0 konstanta b = Angka koefisien regresi yang menunjukkan angka peningkatan penurunan variabel dependen yang didasarkan pada variabel independen. b. Analisis Regresi Berganda Model analisis regresi berganda bertujuan untuk memprediksi kekuatan pengaruh seberapa variabel independen