c. Multikolinearitas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2
Variance Inflation Factor VIF . Batas toleransi value adalah 0,10 dan VIF
adalah 10. Apabila nilai tolerance value kurang dari 0,10 atau VIF lebih besar dari 10 maka terjadi multikolinearitas.
3.9.3. Uji Autokarelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual
kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Pengujian autokorelasi ini dilakukan dengan menggunakan uji Durbin
Watson DW-test. Menurut Ghozali 2006,96, terdapat beberapa kriteria yang dapat dijadikan sebagai acuan dalam menentukan apakah ada atau tidaknya
autokorelasi, yaitu sebagai berikut: a.
Jika 0 d dl, berarti ada aotukorelasi positif. b.
Jika dl d du, berarti hasilnya tidak dapat disimpulkan c.
Jika 4-dl d 4, berarti ada autokorelasi negatif. d.
Jika 4-du d 4-dl, berarti hasilnya tidak dapat disimpulkan e.
Jika du d 4-du, berarti tidak ada autokorelasi.
Universitas Sumatera Utara
3.9.4. Uji Heteroskedastisitas
Uji Heteroskedastisitas
bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual suatu pengamatan ke pengamatan yang lain
tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas Ghozali, 2006:105. Model regresi yang baik adalah yang terjadi
homoskedastisitas atau tidak terjadi heteroskedastisias. Menurut Ghozali 2006:105, cara untuk mendeteksi ada atau tidaknya
heteroskedasitas adalah dengan melihat Grafik Plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID, caranya dengan mendeteksi
ada tidaknya pola tertentu pada grafik scaterplot antara SRESID dan ZPRED. Sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual
Y prediksi-Y sesuangguhnya. Dasar analisis adalah sebagai berikut : a.
Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. b.
Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 dan sumbu Y, maka tidak terjadi heteroskedastisitas.
3.10. Pengujian Hipotesis