3.7.1.2 Uji Multikolinieritas
Menurut Ghozali 2011:91 multikolinearitas adalah situasi dimana adanya
suatu korelasi diantara variabel independen yang satu dengan yang lain. Dalam hal ini, kita sebut variabel-variabel bebas ini tidak
ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya
sama dengan nol. Uji multikolinearitas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independennya. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah koefisien-koefisien regresi menjadi
tidak dapat ditaksir dan nilai standart error setiap koefisien regresi menjadi tidak terhingga.
Apabila terjadi korelasi antara variabel independen, maka dinamakan terdapat problem multikolinearitas. Pengujian
multikolinearitas dilakukan dengan menlihat nilai VIF dan korelasi diantara variabel independen.
Menurut Ghozali 2011:91 mengemukakan bahwa pengujian multikolinearitas dapat dilakukan dengan
melihat nilai Variance Inflation Factor VIF dan korelasi diantara variabel independen. Jika nilai VIF 10 atau nilai
tolerance 0,10, maka tidak terjadi multikolinearitas. Disamping itu, suatu model dikatakan terdapat gejala multikolinearitas jika
korelasi diantara variabel independen lebih besar dari 0,9.
3.7.1.3 Uji Autokorelasi
Menurut Situmorang et al.2009:78 Autokorelasi dapat didefinisikan sebagai
suatu keadaan dimana adanya korelasi diantara anggota serangkaian observasi yang diurutkan menurut waktu time series
atau ruang cross section. Uji autokorelasi bertujuan untuk menguji apakah ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lain. Masalah ini timbul dikarenakan residual atau kesalahan pengganggu tidak bebas dari satu observasi
ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Pada penelitian ini, uji autokorelasi dideteksi dengan uji Durbin-Watson, karena uji ini yang umum digunakan. Uji ini hanya
digunakan untuk autokorelasi tingkat pertama first order autokorelasi dan mensyaratkan adanya intercept konstanta dalam model regresi.
Menurut Ghozali 2011:96 Pedoman dalam pengambilan keputusan ada tidaknya autokorelasi diuraikan oleh, yaitu:
1. Angka D-W dibawah -2 berarti ada autokorelasi positif,
2. Angka D-W diantara -2 samapai +2 bearti tidak ada autokorelasi,
3. Angka D-W diatas +2 berarti ada autokorelasi negatif.
3.7.1.4 Uji Heteroskedastisitas