3.7.2.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu
pengamatan ke pengamatan lain. Jika varians dari residual satu ke residual pengamatan lain tetap maka disebut homokedastisitas, jika
varians berbeda disebut heterokedastisitas. “Model yang baik adalah bahwa bila tidak terdapat heterokedastisitas, dengan kata lain bahwa
jika terdapat heterokedastisitas maka model tersebut kurang efisien” Santoso, 2001:208.
Untuk mendeteksi adanya heterokedastisitas Ghozali, 2013:139 dilakukan dengan melihat grafik plot antara nilai prediksi
variabel terikat ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada
tidaknya pola tertentu pada grafik scatterplotantara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi , dan sumbu
X adalah residual yang telah di-studentized.
Dasar analisis yang digunakan dalam uji heterokedastisistas
dijelaskan sebagai berikut. •
Jika ada pola tertentu, seperti titik –titik yang membentuk suatu pola tertentu teratur, bergelombang, melebar, kemudian
menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
• Jika tidak ada pola tertentu serta titik–titik menyebar diatas dan
dibawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas, maka mengindikasikan telah terjadi
heteroskedastisitas. Gozhali, 2013:139
3.7.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t
Universitas Sumatera Utara
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka ada masalah autokorelasi Ghozali, 2013:110.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan yang lain. Masalah ini timbul karena
residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya yang biasanya dijumpai pada data deret waktu time
series. Konsekuensi adanya autokorelasi dalam model regresi adalah
variance sample tidak dapat menggambarkan variance populasinya, sehingga model regresi yang dihasilkan tidak dapat digunakan untuk
menaksir nilai variabel dependen pada nilai independen tertentu. Untuk menguji ada tidaknya gejala autokorelasi maka dapat
dideteksi dengan uji Durbin-Waston DW test. Pedoman dalam pengambilan keputusan ada tidaknya autokorelasi diuraikan oleh :
a. Angka D-W dibawah -2 berarti ada autokorelasi positif.
b. Angka D-W diantara -2 sampai +2 bearti tidak ada
autokorelasi. c.
Angka D-W diatas +2 berarti ada autokorelasi negatif.
3.7.3 Analisis Regresi Berganda
Kategori