55
Pengujian linieritas dapat dilakukan dengan uji lagrange multiplier, dimana uji ini bertujuan untuk mendapatkan nilai c² atau nxR². Jika c² hitung c² tabel maka
hipotesis yang menyatakan model regresi linier ditolak dan jika c² hitung c² tabel maka hipotesis yang menyatakan model regresi linier diterima.
3.4.3. UJI ASUMSI KLASIK
Sebelum model regresi digunakan dalam pengujian hipotesis, terlebih dahulu model regresi diuji dengan pengujian asumsi klasik untuk menghasikan
model regresi yang baik. Tahap-tahap dalam pengujian asumsi klasik adalah sebagai berikut :
3.4.3.1. UJI MULTIKOLINIERITAS
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi diantara variabel bebas Ghozali, 2006:91. Model
regresi yang baik seharusnya tidak terjadi kolerasi diantara variabel bebas. Jika diantara variabel bebas saling berkolerasi, maka variabel-variabel tersebut tidak
orgonal atau tidak sama dengan nol. Untuk mengatasi masalah multikolinieritas dapat dilakukan dengan perbaikan, yaitu dengan menghilangkan salah satu
variabel bebas yang mempunyai korelasi linier kuat, dengan transformasi variabel, atau dengan penambahan data observasi. Untuk mendeteksi ada atau tidaknya
multikolinieritas dapat dilihat dari nilai tolerance dan lawannya variance inflation factor
VIF. Nilai toleran yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan
adanya multikolinieritas adalah nilai tolerance 0,10 atau sama dengan VIF 10.
56
Jadi, koefisien antar variabel independen bebas dari multikolinieritas apabila nilai VIF 10 atau nilai tolerance 0,10.
3.4.3.2. UJI AUTOKOLERASI
Uji autokolerasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada peride t dengan kesalahan pengganggu
pada periode t-1 sebelumnya Ghozali, 2006:95. Model regresi yang baik adalah regresi bebas dari autokolerasi. Jika terjadi korelasi, maka dinamakan ada
problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual
kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada runtut waktu time series karena gangguan pada
seseorang individu kelompok cenderung mempengaruhi gangguan pada individukelompok yang sama pada periode berikutnya. Untuk mengatasi masalah
autokorelasi dapat dilakukan dengan menghilangkan salah satu variabel bebas yang mempunyai korelasi linier kuat, atau dengan transformasi variabel.
Untuk mengetahui ada atau tidaknya autokorelasi dapat dilakukan dengan menggunakan uji Durbin-Watson DW test. Pengambilan keputusan ada tidaknya
autokorelasi bisa didasarkan pada tabel sebagai berikut :
Tabel 3.2 Tabel Pengujian Autokorelasi
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada korelasi negatif
Tolak No decision
Tolak 0 d dl
dl ≤ d ≤ du
4 – dl d 4
57
Tidak ada korelasi negatif Tidak ada autokorelasi positif atau
negatif No decision
Tidak ditolak
4 – du ≤ d ≤ 4 - dl
du d 4 - du
Sumber : Ghozali, 2006
Berdasarkan tabel pengujian autokotelasi dapat disimpulkan bahwa tidak ada
autokorelasi apabila nilai d adalah du d 4 – du dengan batas du 1,76 atau
1,76 d 2,24 Ghozali, 2006:98.
3.4.3.3. UJI HETEROSKEDASTISITAS