36
besar dari 0,05 artinya tidak terjadi heteroskedastisitas dan pada variabel impor X
4
nilai signifiksasi sebesar 0,135 lebih besar dari 0,05 artinya tidak terjadi juga heteroskedastisitas.
3.2.3. Uji Multikolineritas
Uji Multikolineritas menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independent. Model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel bebas tidak terjadi multikoneritas. Jika variabel bebas saling berkorelasi maka variabel-variabel ini tidak ortogonal. Ortogonal
adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Untuk mengetahui ada tidaknya gejala multikolineritas dapat dilihat dari
besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui program SPSS. Nilai umum yang biasa dipakai adalah nilai Tolerance 0,1 atau nilai VIF
10, maka tidak terjadi multikolineritas. Berikut tabelnya :
Tabel 3.4 Uji Multikolinieritas Coefficients
a
Model Unstandardized
Coefficients Standar
dized Coeffici
ents T
Sig. Collinearity
Statistics B
Std. Error
Beta Toler
ance VIF
1 Constant
-8.642 0.875 .821
.422 Jumlah Uang
Beredar 0.019
.008 -.410 2.5153
2 .142
.415 2.411
Suku Bunga 2.464 1.512
1.424 3.888 .165
.256 7.870
Nilai Tukar Rupiah
-0.477 1.157 -.385
-.482 .592
.259 6.839
Impor 0.005
.002 -.578 1.593
.135 .455
2.197 a. Dependent Variable: Laju Inflasi
Universitas Sumatera Utara
37
Berdasarkan tabel di atas dapat dilihat bahwa model regresi tidak mengalami gangguan multikolinieritas. Hal ini tampak pada nilai tolerance
masing-masing variabel lebih besar dari 10 persen 0,1. Hasil perhitungan VIF juga menunjukkan bahwa nilai VIF masing-masing variabel kurang dari 10. Jadi
dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel bebas dalam model regresi tersebut.
3.2.4. Autokorelasi
Uji Autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode setelah dengan periode sebelumnya. Secara sederhana adalah bahwa analisis
regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data
sebelumnya. Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dolar. Data inflasi pada bulan tertentu
katakanlah februari akan dipengaruhi oleh tingkat inflasi pada bulan januari maka berarti terdapat gangguan autokorelasi pada model tersebut. Untuk menguji
autokorelasi tersebut kita dapat menggunakan uji run test, uji ini dipergunakan untuk melihat apakah tingkat signifikasi α yang digunakan apabila nilai hasil
uji run test lebih besar daripada tingkat signifikasi α, maka tidak terdapat
masalah autokorelasi pada data yang diuji.
Tabel 3.5 Uji Autokorelasi Runs Test
Unstandardized Residual Test Value
a
.11763 Cases Test Value
12 Cases = Test Value
12 Total Cases
24 Number of Runs
8 Z
-1.878 Asymp. Sig. 2-tailed
.160 a. Median
Universitas Sumatera Utara
38
Hasil output SPSS menunjukkan bahwa Run Test dengan nilai Probabilitas atau P-value adalah 0.160 0.05. berdasarkan nilai tersebut, untuk kasus ini hasil Run
Test menunjukkan bahwa tidak terjadi autokorelasi.
3.3 Membentuk Persamaan Regresi Linier Berganda