mengeluarkan salah satu variabel bebas yang memiliki kolerasi tinggi dari model regresi dan identifikasi variabel lainnya untuk membantu prediksi.
c. Uji Autokorelasi
Uji autokorelasi dimaksudkan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya. Apabila terjadi korelasi, disinyalir ada problem autokorelasi. Autokorelasi muncul disebabkan adanya
observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan penganggu tidak bebas dari satu
observasi ke observasi yang lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena ”gangguan” pada seorang individukelompok
cenderung mempengaruhi ”gangguan” pada individu kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas
dari autokorelasi. Suatu jenis pengujian yang umumnya digunakan untuk mengetahui adanya autokorelasi yang dikembangkan oleh J. Durbin dan G.
Watson yang disebut sebagai statistik Durbin-Watson. Pengujian ini dilakukan dengan membandingkan nilai d dari hasil perhitungan dengan nilai d1 dan du
dari tabel Durbin-Watson. Model dikatakan bebas dari autokorelasi jika nilai dl lebih besar dari nilai du pada tabel.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan
Universitas Sumatera Utara
lain tetap maka disebut homoskedatisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedatisitas
atau tidak terjadi heteroskedasitas. Ghozali, 2005. Dalam penelitian ini pengujian heteroskedasitas dilakukan dengan melihat Grafik Plot antara nilai
prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedatis dapat dilakukan dengan melihat
ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah residual Y prediksi-Y sesungguhnya yang telah di-
studentized. Dasar analisis yang dapat digunakan untuk dapat menentukan heteroskedastisitas antara lain:
1 jika ada pola tertentu seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka terjadi heteroskedastisitas.
2 jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan
dibawah angka nol 0 pada sumbu Y maka tidak terjadi heteroskedastisitas.
Selain melihat grafik plot, ada beberapa cara lain yang dapat digunakan untuk mengetahui apakah dalam suatu model regresi terdapat kondisi
heteroskedastisitas atau homokedastisitas, antara lain uji park, uji Glejser dan uji White.
Universitas Sumatera Utara
2. Pengujian Hipotesis Penelitian
