3.4.2.1. Multikolinearitas
Uji multikolinieritas
bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independent. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independent. Jika variabel independent saling berkorelasi, maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independent yang nilai korelasi antar sesama variabel independent sama
dengan nol. Deteksi adanya multikolinieritas dapat dilihat dari besaran VIF Varians Inflation Factor, yaitu : Ghozali, 2009 : 95-96
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung koefisien korelasi
product moment atau Variance inflation Factor VIF. 1
VIF = Q – R
j 2
.
1. Jika besaran VIF 10 maka tidak terjadi multikolinieritas. 2. Jika besaran VIF 10 maka terjadi multikolinieritas.
3.4.2.2. Heteroskedastisitas
Uji Heteroskedastisitas
bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain. Jika variance dari residual satu pengamatan ke
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik seharusnya tidak
terjadi heteroskedastistitas. Ghozali, 2009 : 125. Sedangkan kriteria pengujiannya adalah:
a. Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas. b. Nilai probabilitas 0,05 berarti terkena dari heteroskedastisitas.
3.4.2.3. Autokorelasi
Autokorelasi adalah
hubungan yang terjadi diantara anggota –
anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu seperti pada data return waktu atau time series data atau yang
tersusun dalam rangkaian ruang seperti pada data silang waktu atau cross sectional Sumodiningrat, 2002 : 231. Uji autokorelasi bertujuan untuk
menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode
t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Untuk mengetahui ada tidaknya gejala autokorelasi maka
perlu dilihat tabel Durbin Watson dengan jumlah variabel independent k dan jumlah sampel n sehingga dapat diperoleh distribusi daerah
keputusan atau tidak terjadi autokorelasi Ghozali, 2009: 99. Kriteria pengujian Durbin Watson dapat dilihat dalam tabel sebagai
berikut :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 1 : Autokorelasi
Durbin Watson Kriteria
0 DW dL dL DW du
du DW 4-du 4-du DW 4-dL
4-dL DW 4- Ada autokorelasi positif
Tanpa kesimpulan Tidak ada autokorelasi
Tanpa kesimpulan Ada autokorelasi negatif
Sumber : Ghozali, 2009 : 100
3.4.3. Analisis Regresi Linier Berganda