Deteksi Multikolinearitas Deteksi Heteroskedastisitas

3.4.3.1 Deteksi Multikolinearitas

Multikolinearitas berarti adanya hubungan linear yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan dari model regresi. Menurut Gujarati 2003, indikator-indikator untuk mendeteksi ada tidaknya multikolinearitas dalam model adalah sebagai berikut. 1. Nilai R 2 tinggi namun variabel independen banyak yang tidak signifikan. Untuk memperoleh nilai R 2 , maka terlebih dahulu dilakukan estimasi terhadap model awal persamaan. Apabila nilai R 2 tinggi misalnya lebih dari 0,8 dan variabel independen banyak yang tidak signifikan maka dalam model regresi tersebut terdapat multikolinearitas. 2. Melakukan regresi parsial. Menggunakan regresi parsial pada masing-masing variabel independen, kemudian membandingkan nilai R 2 dalam model persamaan awal dengan R 2 pada model regresi parsial. Jika nilai R 2 dalam regresi parsial lebih tinggi maka terdapat multikolinearitas.

3.4.3.2 Deteksi Heteroskedastisitas

Heteroskedastisitas merupakan keadaan dimana semua gangguan yang muncul di dalam fungsi regresi populasi tidak memiliki varians yang sama. Heteroskedastisitas bertentangan dengan salah satu asumsi dasar regresi linier, yakni bahwa variasi gangguan sama untuk semua pengamatan homokedastisitas. Jika asumsi ini dilanggar, maka estimasi koefisien akan tidak bias tetapi variasi estimasi koefisiennya tidak minimal lagi dengan kata lain estimasi koefisiennya tidak akurat lagi Firmansyah, 2008. Pengujian ada tidaknya heteroskedastisitas tidak hanya dengan melihat pada Sactter Plot atau pada pola gangguan saja. Beberapa metode statistik yang dapat digunakan untuk menentukan apakah suatu model terbebas dari masalah heteroskedastisitas atau tidak seperti Uji White, Uji Park, Uji Gletjer, dan lain-lain. Untuk menguji ada tidaknya variasi gangguan yang berpola atau yang disebut dengan heteroskedastisitas, hipotesisnya adalah sebagai berikut: Ho = Tidak ada Heteroskedastisitas H1 = Ada Heteroskedastisitas Dalam penelitian ini, untuk mendeteksi ada tidaknya heteroskedastisitas dalam model persamaan regresi dengan menggunakan metode White Heteroskedasticity test yang telah disediakan dalam program eviews. Hasil yang diperhatikan dari uji ini adalah nilai F dan ObsR-Squared. Jika nilai ObsR-Squared lebih kecil χ 2 tabel, maka tidak terjadi heteroskedastisitas. Demikian pula sebaliknya Shochrul dkk, 2011.

3.4.3.3 Deteksi Autokorelasi