Uji Normalitas Uji Prasyarat Analisis Regresi
Tabel 1. Tabel Pengambilan Keputusan Uji Autokorelasi Nilai statistik
Hasil 0 d dl
Ada autokorelasi dl d du
Tidak ada keputusan du d 4-du
Tidak ada autokorelsi 4-du d 4-dl
Tidak ada keputusan 4-dl d 4
Ada autokorelasi
2. Uji Heteroskedastisitas
Menurut Umar 2011, Uji Heteroskedastisitas dilakukan untuk mengetahui apakah sebuah model regresi terjadi
ketidaksamaan varians dari residual suatu pengamatan ke pengatan lain. Jika varian dari residual suatu pengamatan ke
pengamatan lain tetap, disebut homoskedastisitas, sementara itu untuk varians yang berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah tidak terjadi heteroskedastisitas. Terdapat beberapa cara lain untuk mengetahui ada atau tidaknya
heteroskedastisitas, yaitu dengan menggunakan berbagai tes, seperti Park Test, Glejser Test, dan
White’s General Heteroscedasticity Test.
Cara yang digunakan untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam penelitian ini, menggunakan Uji
Glejser yaitu meregres nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik
memperngaruhi variabel dependen, maka ada indikasi terjadi
heteroskedastisitas Ghozali, 2011. Model regresi dapat disimpulkan tidak mengandung Heteroskedastisitas apabila
dilihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5.
3. Uji Multikolinieritas
Menurut Umar 2011, Uji Multikolinieritas untuk mengetahui apakah pada model regresi ditemukan adanya
korelasi antar variabel independen. Jika terjadi korelasi, terdapat masalah multikolinieritas yang harus diatasi. Multikolinieritas
dapat dideteksi dengan cara sebagai berikut: a.
Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual
variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
b. Menganalisis matrik korelasi variabel-variabel
independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini
merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independen
tidak berarti
bebas dari
multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek
kombinasi dua atau lebih variabel independen.