45
4.5.2.1.3. Uji Autokorelasi
Uji autokorelasi penting untuk memastikan bahwa tidak ada autokorelasi atau bahwa unsur gangguan yang berhubungan dengan observasi tidak
dipengaruhi oleh disturbansi atau gangguan yang berhubungan dengan pengamatan lain manapun. Tidak ada autokorelasi antara kesalahan pengganggu
berarti kovarian ε
i
,ε
j
=0, untuk i ≠ j. Dengan demikian antara ε
i
dan ε
j
tidak saling bergantung. Autokorelasi dapat pula dideteksi dengan menggunakan pengujian
Durbin-Watson DW dengan ketentuan sebagai berikut : 1. 1,65 DW 2,5 = tidak ada autokorelasi
2. 1,21 DW 1,65 atau 2,5 DW 2,8 = tidak dapat disimpulkan 3. DW 1,21 atau 2,8 = terjadi autokorelasi
4.5.2.1.4. Uji Multikolinearitas
Multikolinearitas berarti ada hubungan linear yang sempurna pasti diantara beberapa atau semua variabel independen dari model regresi. Adapun
cara pendeteksiannya adalah jika multikolinearitas tinggi, maka akan diperoleh R
2
yang tinggi tetapi tidak satu pun atau sangat sedikit koefisien yang ditaksir signifikan secara statistik. Untuk menghasilkan model regresi yang baik,
seharusnya tidak ada hubungan linier yang sempurna diantara beberapa atau semua variabel bebas. Ini merupakan alasan mengapa harus dilakukan uji
multikolinearitas. Untuk melakukan uji multikolinearitas dapat dideteksi dengan beberapa cara berikut:
Besaran VIF Variance Inflation Factor dan Tolerance. Pedoman suatu model regresi yang bebas multikolinearitas adalah mempunyai nilai VIF
kurang dari sepuluh. Besaran korelasi antar variabel independen. Pedoman suatu model regresi
yang bebas multikolinearitas adalah koefisien korelasi antar variabel bebas haruslah lemah di bawah 0,5. Jika korelasi kuat, maka terjadi
multikolinearitas.
46
4.5.2.1.5. Uji Normalitas
Asumsi normalitas mengharuskan nilai residual dalam model menyebar atau terdistribusi secara normal. Untuk mengetahuinya dilakukan uji Kolmogrov-
Smirnov dengan memplotkan nilai standar residual dengan probabilitasnya pada tes normalitas. Jika pada grafik Kolmogorov-Smirnov titik-titik residual yang ada
tergambar segaris dan nilai P-value lebih besar dari sama dengan 0,05, maka dapat disimpulkan bahwa model terdistribusi secara normal. Selain itu mendeteksi
normalitas dapat dilakukan dengan plot probabilitas normal. Melalui plot ini masing-masing nilai pengamatan dipasangkan dengan nilai harapan dari distribusi
normal. Jika residual berasal dari distribusi normal, maka nilai-nilai data titik- titik dalam grafik akan terletak di sekitar garis diagonal. Peubah bebas atau
variabel bebas X
1
, X
2
, X
3
,…,X
k
konstan dalam pengambilan sampel terulang dan bebas terhadap kesalahan pengganggu.
4.5.2.2. Kriteria Statistik
Kategori