51
3.5.2.1 Uji Mulikolinearitas
Uji multikolinearitas artinya antara variabel independen yang satu dengan variabel independen yang lain dalam model regresi saling berhubungan secara
sempurna atau mendekati sempurna. Konsekuensi yang sangat penting bagi model regresi yang mengandung multikolinearitas adalah bahwa kesalahan
standar estimasi akan cenderung meningkat dengan bertambahnya variabel independen, tingkat signifikansi yang digunakan untuk menolak hipotesis nol
akan semakin besar, dan probabilitas menerima hipotesis yang salah kesalahan
β juga akan semakin besar. Akibatnya, model regresi yang diperoleh tidak sahih valid untuk menaksir nilai variabel independen.
Diagnosis secara sederhana terhadap adanya multikolinearitas di dalam model regresi adalah sebagai berikut:
a Melalui nilai t
hitung
, R2, F. Jika R2 tinggi nilai F ratio tinggi sedangkan sebagian besar atau bahkan seluruh koefisien regresi tidak
signifikan nilai t
hitung
sangat rendah mungkin terdapat multikolinearitas
dalam model tersebut. b
Menentukan koefisien korelasi antara variabel independen yang satu dengan variabel independen yang lain. Jika antara dua variabel
independen memiliki korelasi yang spesifik misalnya, koefisien korelasi yang tinggi antara variabel independen atau tanda koefisien
korelasi variabel independen berbeda dengan tanda koefisien korelasinya maka dalam model regresi tersebut terdapat
multikolinearitas .
52
c Membuat persamaan regresi antarvariabel independen, jika koefisien
regresinya signifikan maka dalam model tersebut terdapat multikolinearitas
. Menghilangkan adanya multikolinearitas pada suatu model regresi
terdapat bermacam-macam cara antara lain: a.
Menghilangkan salah satu atau beberapa variabel yang mempunyai korelasi tinggi dari model regresi, jika ini dilakukan berarti melakukan
kesalahan spesifik karena mengeluarkan variabel independen dari model regresi yang secara teoritis variabel tersebut dapat mempengaruhi variabel
dependen. b.
Menambah data, cara ini bermanfaat jika dapat dipastikan bahwa adanya multikolinearitas
dalam model disebabkan oleh kesalahan sampel, biasanya digunakan pada penellitian yang menggunakan cross section atau
data dari kuesioner.
3.5.2.2 Uji Heteroskedastisitas