64
Gambar 4.2 Uji Multikolinearitas dengan Matriks Korelasi
Sumber : hasil olahan software Eviews 7
Berdasarkan Gambar 4.2, dapat dilihat bahwa korelasi antara pajak dan retribusi sebesar -0,0156. Dari hasil pengujian pada Gambar 4.2 dapat disimpulkan bahwa
tidak terdapat gejala multikolinearitas antar variabel independen. Gejala multikolinearitas terjadi apabila nilai korelasi antar variabel independen lebih besar
dari 0,90.
4.4.3 Uji Non-Autokorelasi atau Independensi Residual Independent Errors
Uji independensi residual uji non-autokorelasi merupakan suatu uji untuk memeriksa apakah untuk setiap dua pengamatan residual saling berkorelasi atau tidak
Field, 2009:220. Supranto 2005:151 mengartikan non-autokorelasi sebagai tidak terjadinya korelasi antara kesalahan pengganggu yang satu dengan yang lainnya.
Meskipun terjadinya autokorelasi terhadap estimator-estimator yang dihasilkan oleh metode ordinary least square OLS tetap tak bias unbiased, konsisten consistent,
dan terdistribusi normal secara asimtotis, namun estimator-estimator tersebut tidak
Matriks korelasi
Universitas Sumatera Utara
65
lagi efisien. Sebagai akibatnya, pada uji t, F, dan chi kuadrat tidak lagi sah untuk digunakan cannot be legitimately applied Gujarati, 2003:489. Salah satu cara yang
digunakan untuk mendeteksi autokorelasi adalah dengan uji Breusch-Godfrey BG Test. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik
BG, dengan ketentuan sebagai berikut.
Jika nilai Prob. Chi-Square dari Obs R-squared ≥ 0,05, maka tidak terjadi
autokorelasi. Jika nilai Prob. Chi-Square dari Obs R-sqaured 0,05, maka terjadi autokorelasi.
Gambar 4.3 Uji Autokorelasi dengan Uji Breusch-Pagan-Godfrey
Sumber : hasil olahan software Eviews 7
Berdasarkan Gambar 4.3, nilai Prob. Chi-Square = 0,9658 ≥ 0,05, maka
asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
Universitas Sumatera Utara
66
4.4.4 Uji Heteroskedastisitas
Menurut Ghozali 2011:139 uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke
pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Supranto 2005:57 mengartikan homoskedastisitas sebagai varians kesalahan pengganggu
�
�
untuk setiap pengamatan �
�
adalah sama, sedangkan heteroskedastisitas adalah sebaliknya.
Model regresi yang baik adalah yang homoskesdasitas atau tidak terjadi heterokesdatisitas. Apabila terjadi heteroskedastisitas, estimator-estimator yang
dihasilkan dengan metode OLS ordinary least square tidak lagi memiliki sifat varians yang minimum atau efisien. Dalam keadaan heteroskedastisitas, ketika tetap
menggunakan metode OLS yang biasa usual OLS formulas, maka uji t dan uji F dapat memberikan kesimpulan yang salah Gujarati, 2003:428. Deteksi ada tidaknya
heteroskedastisitas dapat dilakukan dengan Uji White. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik uji White, dengan ketentuan sebagai
berikut.
Jika nilai Prob. Chi-Square dari Obs R-squared ≥ 0,05, maka tidak terjadi
heteroskedastisitas.
Universitas Sumatera Utara
67
Jika nilai Prob. Chi-Square dari Obs R-sqaured 0,05, maka terjadi heteroskedastisitas.
Gambar 4.4 Uji Heteroskedastisitas dengan Uji White
Sumber : hasil olahan software Eviews 7
Berdasarkan Gambar 4.4, nilai Prob. Chi-Square dari Obs R-squared = 0,8520
≥ 0,05, maka asumsi homoskedastisitas terpenuhi. Dengan kata lain, tidak terjadi gejala heteroskedastisitas yang tinggi pada residual.
4.5 Pengujian Hipotesis
