50
dijadikan menjadi bentuk normal menurut Erlina 2011:101 dengan cara sebagai berikut :
a Transformasi data Transformasi data dapat dilakukan dengan logaritma natural ln, log
10, maupun akar kuadrat. Jika ada data yang bernilai negatif, transformasi data dengan log akan menghilangkannya sehingga sampel
n akan berkurang.
b Trimming
Trimming adalah membuang memangkas observasi yang bersifat outlier
, yaitu yang nilainya lebih kecil dari μ-2σ atau lebih besar dari μ+2σ. Metode ini juga akan mengecilkan sampelnya.
c Winzorising
Winzorising mengubah nilai-nilai outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusi menjadi normal.
Nilai- nilai observasi yang lebih kecil dari μ-2σ akan diubah nilainya
menjadi μ-2σ dan nilai-nilai yang lebih besar dari μ+2σ akan diubah menjadi μ+2σ.
3.6.1.2 Uji Multikolinieritas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda.
Jika ada korelasi tinggi diantara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu Sunjoyo
dkk, 2013:65. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:
1. Menganalisis matrik korelasi variabel-variabel independen, jika diantara variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90,
maka hal ini merupakan indikasi adanya multikolonieritas. 2. Multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2
Variance Inflation Factor VIF, nilai cutoff yang umum dipakai untuk
51
menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
Beberapa alternatif cara untuk mengatasi masalah multikolinearitas menurut Erlina 2011:104 adalah sebagai berikut:
a. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
b. Menambah jumlah observasi atau menambah ukuran sampel. c. Mentransformasikan data kedalam bentuk lain misalnya logaritma
natural, akar kuadrat atau bentuk first difference delta. d. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang
masih jarang sekali digunakan.
3.6.1.3 Uji Heterokedasitas
Uji heterokedasitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi
yang memenuhi persyaratan adalah terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas
Sunjoyo dkk, 2013:69. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel independen dengan nilai
residualnya. Dasar yang digunakan untuk menentukan heteroskedastisitas antara lain :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian mnenyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
52
3.6.1.4 Uji Autokorelasi
