64 Hipotesis
H : model bersifat multikonearitas
H
a
: model tidak bersifat multikonearitas Pengambilan keputusan dilakukan dengan kriteria :
apabila hubungan x
1
dan x
2
0.85 H
diterima apabila hubungan x
1
dan x
2
0.85 H
ditolak Artinya adalah apabila hubungan antara variabel x
1
dan x
2
lebih dari 0, 85 maka model yang tersebut memiliki sifat multikolinearitas. Apabila hubungan
antara variabel x
1
dan x
2
kurang dari 0,85 maka model yang tersebut tidak memilki sifat multikolinearitas Widarjono, 2009:106.
4. Uji Heteroskedastisitas
Uji heterokdastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain
Ghozali, 2009. Uji heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah
regresi terjadi ketidaksamaan varian dari residual dari suatu pengamatan ke pengamatan lain Gujarati, 2006:82.
Data yang diharapkan adalah memiliki varians yang sama, dan disebut homoskedastisitas. Sedangkan jika data tersebut memiliki varians yang berbeda
maka disebut heteroskedastisitas.
65 Pendeteksian heteroskedastisitas dapat dilakukan melalui uji white karena
uji tersebut mudah untuk diterapkan Gujarati, 2006:94. Langkah pengujian sebagai berikut:
Hipotesis H
: model terdapat heterokesdastisitas H
a
: model tidak terdapat heterokesdastisitas Pengambilan keputusan dilakukan dengan kriteria :
- jika probabilitas OBSR
2
0,05 siginifikan H
ditolak - jika probabilitas OBSR
2
0,05 tidak signifikan H diterima
Artinya adalah apabila probabilitas OBSR
2
lebih besar dari 0,05 maka model tersebut tidak terdapat heteroskedastisitas. Apabila OBSR
2
lebih kecil dari 0,05 maka model tersebut terdapat heteroskedastisitas Winarmo,
2009:5.15.
5. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1sebelumnya jika terjadi korelasi maka dinamakan ada problem autokorelasi Ghozali, 2009.
Autokorelasi bertujuan untuk mengetahui apakah dalan sebuah model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan
kesalahan pada periode t –i sebelumnya. Tentu saja model regresi yang baik
adalah regresi bebas dari autokerelasi Gujarati, 2006:112.
