2. Uji Multikolinieritas
Untuk menditeksi adanya multikolinieritas dapat dilihat dari TOL atau Tolerance dan VIF Variance Inflation Factor. Apabila TOL mendekati 0 dan
VIF5, maka terjadi multikolinieritas. Sebaliknya, jika TOL mendekati 1 dan VIF5, maka tidak terjadi multikolinieritas.
Berikut hasil pengujian multikolinieritas :
Tabel 4.8 Hasil Uji Multikolinieritas
Model Collinearity Statistics
Tolerance VIF
1 Constant
in_div ,738
1,354 in_labas
,738 1,354
Sumber: Hasil Perhitungan SPSS diolah Setelah dilakukan pengujian asumsi klasik, dapat dilihat bahwa TOL dari
kedua variabel tidak ada bernilai kurang dari 0.10 dan tidak ada nilai VIF yang lebih dari 5. Sehingga dapat disimpulkan bahwa tidak terjadi atau terhindar dari
multikolinieritas antar variabel independen dalam model regresi.
3. Uji Heteroskedastisitas
Heteroskedastisitas merupakan suatu kondisi dimana masing-masing kesalahan pengganggu mempunyai varians yang tidak sama. Heteroskedastisitas
akan mengakibatkan penafsiran koefisien-koefisien regresi menjadi tidak efisien dan hasil penaksiran akan menjadi kurang dari semestinya. Cara mendeteksi
heteroskedastisitas dapat menggunakan metode Grafik, dengan melihat penyebaran titik-titik data. Titik data harus tidak mencerminkan suatu pola yang
sistematis atau dapat dikatakan random.
Gambar grafik untuk menguji Heterokedastisitas ditampilkan pada Gambar 4.1 berikut:
.
Scatterplot Dependent Variable: L10_HS
Regression Standardized Predicted Value
3 2
1 -1
-2 -3
R egr
es s
ion S tudent
iz ed R
es idual
3 2
1
-1 -2
-3 UNVR
UNIC
TURI TSPC
TRIM TOTO
TLKM TINS
TCID SMSM
SMRA SMGR
SMDR RIGS
RALS PTRO
POOL PBRX
MYOR MPPA
MEDC LTLS
LMSH
LION KREN
KAEF ISAT
INDR INDF
INCO IGAR
HMSP HITS
HEXA GGRM
FAST CTBN
CLPI BBCA
BATA
AUTO
ASDM AKRA
Gambar 4.1 Hasil Uji Heterokedastisitas Metode Grafik Sumber: Hasil Perhitungan SPSS
Gambar 4.1 mencerminkan varian Homokedastisitas karena titik-titik data telah memenuhi syarat Homokedastisitas yaitu Nugroho, 2005:63:
a. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0.
b. Titik-titik data tidak mengumpul di atas atau dibawah saja.
c. Penyebaran titik-titik data tidak membentuk pola bergelombang melebar
lalu menyempit dan melebar kembali. d.
Penyebaran titik data tidak berpola atau dapat dikatakan random. Pada Gambar 4.1 dapat diketahui bahwa Diagram Pencar tidak
membentuk suatu pola atau acak. Sehingga dapat disimpulkan bahwa model regresi tidak mengandung adanya heterokedastisitas.
4. Uji Autokorelasi
Kategori