57
linear, salah satu cara untuk mengetahui variabel bebas mana yang sangat kolinear dengan variabel bebas lainnya adalah dengan
meregresikan masing-masing variabel bebas terhadap variabel bebas lainnya untuk mengetahui R2 terkait.
5 Multikolinieritas dapat juga dilihat dari 1 nilai tolerance dan 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap
variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabel independen yang terpilih yang
tidak dapat dijelaskan oleh variabel independen lainnya, jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF =
1tolerance. Nilai cutoff yang yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance
≤ 0,10 atau sama dengan nilai VIF ≥ 10.
c. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah pada model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain.
Model regresi yang baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas.
1 Analisis Grafik
Untuk mendeteksi ada tidaknya heteroskedastisitas dalam penelitian ini dilakukan dengan analisis grafik, yaitu melihat grafik scartter plot
antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya
58
SRESID, dimana sumbu y adalah y yang telah diprediksi, dan sumbu x adalah residual y prediksi
– y sesungguhnya yang telah di-studentized. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan sebagai berikut:
Ghozali, 2005: 126 a Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur, maka mengidentifikasikan telah terjadi heteroskedastisitas.
b Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas.
2 Metode Park
Metode uji Park yaitu dilakukan dengan meregresikan nilai residual Lnei
2
dengan masing-masing variabel dependen LnX
1
, LnX
2,
LnX
3,
dan LnX
4
. Apabila koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistik, hal ini menunjukan bahwa dalam data model
empiris yang diestimasi terdapat heteroskedastisitas, dan sebaliknya jika parameter beta tidak signifikan secara statistik, maka asumsi
homokedastisitas pada data model tersebut tidak dapat ditolak Ghozali, 2005:128.