memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada tempat data tersebut
terjadi”. Hadi 2006. Model regresi yang baik tidak terdapat autokorelasi. Pengujian ini
menggunakan uji Durbin Watson. Panduan mengenai angka D-W untuk mendeteksi autokorelasi bisa dilihat pada table D-W, yang bisa dilihat
pada buku statistic relevan. Namun demikian secara umum bisa diambil patokan :
1. angka D-W di bawah -2 berarti ada autokrelasi positif, 2. angka D-W di bawah -2 sampai +2, berarti tidak ada
autokorelasi, 3. angka D-W di atas +2 berarti ada autokorelasi negative.
3.6.3 Uji heterokedastisitas
Uji heterekondastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians antara satu pengamatan ke
pengamatan lainnya. Model regresi yang baik adalah homokedastisitas. Pengujian ini dilakukan dengan Scatter-Plot menggunakan SPSS.
Menurut Ghozali 2005 yang menjadi dasar analisis untuk menentukan ada atau tidaknya heterokondastisitas yaitu :
1. Apabila terdapat pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar, kemudian
menyempit hal ini mengindikasikan bahwa telah terjadi heterokondastisitas,
Universitas Sumatera Utara
2. Apabila tidak terdapat pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka hal ini
mengindikasikan tidak terjadi heterokondastisitas.
3.6.4 Uji multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini kita
sebut variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi
di antara sesamanya sama dengan nol. Jika terjadi korelasi sempurna di antara sesama variabel bebas, maka konsekuensinya adalah: 1 Koefisien-
koefisien regresi menjadi tidak dapat ditaksir. 2 Nilai standar error setiap koefisien regresi menjadi tak terhingga. Pengujian ini bermaksud untuk
menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka dinamakan terdapat
problem multikolinearitas. Ada dua cara yang dapat dilakukan jika terjadi multikolinearitas, yaitu: a Mengeluarkan salah satu variabel dari model
regresi. b Menggunakan metode lanjut seperti Regresi Bayesian atau Regresi Ridge. Menurut Ghozali 2007,
pengujian multikolinearitas dilakukan dengan melihat nilai VIF dan korelasi di antara variabel independen. Jika nilai VIF lebih besar dari 2,
maka terjadi multikolinearitas di antara variabel independen. Di samping itu, suatu model dikatakan terdapat gejala multikolinearitas jika korelasi di
antara variabel independen lebih besar dari 0,9.
Universitas Sumatera Utara
3.7 Pengujian hipotesis
