Uji Linieritas Uji Prasyarat

dengan kata lain kolinieritas antar variabel independen maka VIF akan naik dan mendekati tak terhingga jika nilainya R 2 j = 1. VIF dapat digunakan untuk mendeteksi masalah multikolinearitas dalam model regresi berganda. Jika nilai VIF semakin membesar maka diduga ada multikolinearitas, sedangkan jika nilai VIF melebihi angka 10 maka dikatakan ada multikolinearitas karena nilai R 2 j melebihi dari 0,90. Selain VIF juga digunakan nilai tolerance untuk mendeteksi multikolinearitas dalam model regresi berganda, nilai tolerance TOL dapat dicari menggunakan rumus Widarjono, 2009: TOL = 1 - R 2 j Jika R 2 j = 0 berarti tidak ada kolinearitas antara variabel independen, maka nilai TOL = 1 dan sebaliknya juka R 2 j = 1 berarti ada kolinearitas antar variabel independen maka nilai TOL = 0.

2. Uji Heteroskedastisitas

Uji heterokedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya Kuncoro, 2007. Untuk mengetahui adanya adanya gejala ini maka dapat dilakukan dengan menggunakan teknik White dengan mengembangkan sebuah metode yang tidak memerlukan asumsi tentang adanya normalitas pada variabel gangguan. Langkah-langkah untuk uji metode White sebagai berikut Widarjono, 2009: a. Estimasi persamaan dan dapatkan residualnya ê i b. Lakukan regresi auxiliary pada persamaan sehingga mendapatkan nilai koefisien determinasi R 2 : 1 Regrasi auxiliary tanpa perkalian antar variabel independen no cross terms 2 Regresi auxiliary dengan perkalian antar variabel independen cross terms c. Hipotesis nol dalam uji White adalah tidak ada heterokedastisitas, uji White didasarkan pada jumlah sampel n dikalikan dengan R 2 yang akan mengikuti distribusi chi-squares dengan degree of freedom sebanyak variabel independen tidak termasuk kosntanta dalam regresi auxiliary. Nilai hitung chi-squares X 2 dapat dicari dengan rumus: d. Jika nilai chi-square hitung n.R 2 lebih besar dari nilai X 2 kritis dengan derajat kepercayaan tertentu maka ada heterokedastisitas dan sebaliknya jika chi-squares hitung lebih kecil dari nilai X 2 kritis menunjukkan tidak adanya heterokedastisitas.

3. Uji Autokorelasi

Autokorelasi muncul karena residual tidak bebas dari satu observasi ke observasi lainnya, masalah ini sering ditemukan apabila kita menggunakan data runtut waktu. Hal ini disebabkan karena gangguan pada seorang individu atau kelompok cenderung mempengaruhi gangguan pada individu atau kelompok yang sama pada