53 1.
Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model
regresi. 2.
Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model
regresi. Jika terjadi multikolineritas, maka dapat dilakukan hal-hal sebagai berikut:
1. Mengeluarkan satu atau lebih variabel independen yang mempunyai
kolerasi tinggi dari model regresi dan identifikasi variabel independen lainnya untuk membantu prediksi.
2. Menggabungkan data cross section dan time series pooling data
3. Mengurangi hubungan linear di antara variabel independen, dapat
dilakukan dalam bentuk logaritma natural.
3.7.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka ada masalah autokorelasi. 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, 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
Universitas Sumatera Utara
54 tidak dapat digunakan untuk menaksir nilai variabel dependen pada nilai
independen tertentu Ghozali, 2005. Model regresi yang baik adalah model yang bebas dari autokorelasi. Untuk
mendeteksi autokorelasi, dapat dilakukan uji statistik melalui uji Durbin-Watson DW test Ghozali, 2005. Dasar pengambilan keputusan ada tidaknya
autokorelasi adalah: a.
Bila nilai DW terletak diantara batas atas atau upper bound du dan 4– du maka koefisien autokorelasi = 0, berari tidak ada autokorelasi.
b. Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl
maka koefisien autokorelasi 0, berarti ada autokorelasi positif. c.
Bila nilai DW lebih besar dari 4-dl maka koefisien autokorelasi 0, berarti ada autokorelasi negatif.
d. Bila nilai DW terletak antara du dan dl atau DW terletak antara 4-du dan
4-dl, maka hasilnya tidak dapat disimpulkan.
Tabel 3.3 Autokorelasi
Hipotesis Nol Keputusan
Jika
Tdk ada autokorelasi positif Tolak 0 d dl
Tdk ada autokorelasi positif No decision dl ≤ d ≤ du
Tdk ada korelasi negatif Tolak
4 – dl d 4 Tdk ada korelasi negatif
No decision 4 – du ≤ d ≤ 4 – dl
Tdk ada autokorelasi, Positif atau negatif
Tdk ditolak du d 4 – du
Sumber : Ghozali 2005
Universitas Sumatera Utara
55
3.7.2.4 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedastisitas. Model
regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas.
Cara untuk mendeteksi adanya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Model regresi linier berganda
terbebas dari asumsi klasik heteroskedastisitas dan layak digunakan dalam penelitian, jika output Scatterplot menunjukkan penyebaran titik-titik data sebagai
berikut: 1.
Titik-titik data menyebar di atas dan di bawah atau disekitar angka nol. 2.
Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. 3.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4.
Penyebaran titik-titik data sebaiknya tidak berpola. Oleh sebab itu diperlukan uji statistik yang lebih dapat menjamin keakuratan
hasil, salah satunya dengan uji Glejser Ghozali, 2005. Dasar pengambilan keputusan uji heteroskedastisitas melalui uji Glejser dilakukan sebagai berikut.
1. Apabila probabilitas nilai uji dari persamaan regresi signifikan statistik,
yang berarti data empiris yang diestimasi terdapat heteroskedastisitas.
Universitas Sumatera Utara
56 2.
Apabila probabilitas nilai uji tidak signifikan statistik, maka berarti data empiris yang diestimasi tidak terdapat heteroskedastisitas.
3.8 Pengujian Hipotesis
