Multikolinieritas Heteroskedastisitas Regresi Berganda

Y = Return On Asset b 1 -b 2 = Koefisien regresi X 1 = Total Asset Turn Over X 2 = BOPO E = Error Suatu model dikatakan baik dan sesuai dengan kaidah statistik, apabila dilakukan pengujian terhadap hasil regresi berganda tersebut. Pengujian-pengujian yang akan dilakukan yaitu uji statistik terhadap model penduga melalui uji F dan pengujian untuk parameter-parameter regresi melalui uji t serta melihat berapa persen variabel bebas dapat dijelaskan oleh variabel-variabel terikatnya melaui koefisien determinasi R 2 . Uji asumsi klasik yang dilakukan antara lain uji multikolinieritas, uji heteroskedastisitas, uji normalitas, dan uji autokorelasi. Dalam regresi berganda ada empat asumsi utama yang harus dipenuhi, yaitu :

a. Multikolinieritas

Multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem multikolinieritas multiko. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Menurut Singgih Santoso untuk mendeteksi ada atau tidaknya Multikolinieritas di dalam model regresi adalah dengan melihat nilai VIF di sekitar angka 1 dan mempunyai angka TOLERANCE mendekati 1, serta koefisien korelasi antar variabel independent haruslah lemah dibawah 0,5. Jika korelasi kuat, maka terjadi problem multiko. 29 Jika terjadi Multikolinieritas, bisa dilakukan langkah seperti : 30 ƒ Mengeluarkan salah satu variabel independent A dan B saling berkorelasi dengan kuat, maka bisa dipilih variabel A atau B yang dikeluarkan dari model regresi. ƒ Menggunakan metode lanjut seperti regresi Bayesian atau regresi Ridge.

b. Heteroskedastisitas

Heteroskedastisitas bertujuan menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians residual dari satu pengamatan ke pengamatan yang lain. Jika varians residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas. Dan jika varians berbeda, disebut Heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Sebagai contoh, seorang kaya akan bervariasi dalam mebelanjakan uangnya, sedangkan orang miskin hanya bisa sedikit bervariasi dalam berbelanja. Hal ini menunjukkan varians yang tidak sama antara kedua golongan tersebut, yang berarti timbul masalah heteroskedastisitas. Menurut Singgih Santoso mendeteksi ada atau tidaknya heteroskedastisitas dengan melihat ada tidaknya pola tertentu pada grafik, dimana sumbu X adalah Y 29 Ibid, h.214 30 Ibid, h.136 yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized, dasar pengambilan keputusannya : ƒ Jika ada pola tertentu, seperti titik-titik point-point yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi Heteroskedastisitas. ƒ Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas. 31

c. Normalitas