3.1.2 Uji Multikolonearitas Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen karena akan mengurangi keyakinan
dalam pengujian signifikansi. Untuk mendeteksi ada atau tidaknya gejala multikolonearitas di dalam model regresi ini dengan melihat nilai Variance
Inflation Factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonearitas adalah nilai VIF 10. Apabila nilai VIF 10 berarti
tidak terjadi multikolonearitas Ghozhali, 2005:92
3.1.3 Uji Heteroskedastisitas
Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variable dari residual satu pengamatan ke pengamatan yang lain.
Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah tidak terjadi heterokedastisitas. Uji heterokedastiitas dalam penelitian ini dengan cara melihat grafik plot dan uji Gjejser.
a. Melihat Grafik Scatterplot
Dasar analisis heteroskedastisitas adalah sebagai berikut: •
jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka terjadi heteroskedastisitas,
Universitas Sumatera Utara
• jika tidak ada pola yang jelas atau titik-titik menyebar di atas dan di bawah
angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
b. Uji Glejser
Glejser mengusulkan untuk meregres nilai absolute residual terhadap variabel independen dengan persamaan regresi :
|Ut| = α + βXt + vt Jika variabel independen signifikan secara statistik mempengaruhi variabel
dependen sig 0.05 , maka ada indikasi heteroskedastisitas.
3.1.4 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 atau sebelumnya. Pengambilan keputusan ada tidaknya autokorelasi menurut Santoso 2002:218 dengan cara melihat besaran Dubrin-
Watson D-W sebagai berikut: •
angka D-W dibawah -2, berarti ada autokorelasi positif, •
angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, •
angka D-W di atas +2, berarti ada autokorelasi negatif.
Universitas Sumatera Utara
3.2 Pengujian Hipotesis Penelitian 3.2.1 Metode Regresi linier Berganda