Beberapa cara mengobati apabila terjadi multikolonieritas dalam data penelitian adalah sebagai berikut:
a menggabungkan data crossection dan time series pooling data
b mengeluarkan satu atau lebih variabel independen yang mempunyai korelasi
tinggi dari model regresi dan identifikasikan variabel independen lainnya untuk membantu prediksi.
c transformasi variabel merupakan salah satu cara mengurangi hubungan linear
di antara variabel independen. d
menggunakan model dengan variabel independen yang mempunyai korelasi tinggi hanya semata-mata untuk prediksi jangan mencoba untuk
menginterpretasikan koefisien regresinya. e
menggunakan metode analisis yang lebih canggih seperti Bayesian regression atau dalam kasus khusus ridge regression.
c. Uji Heterokedastisitas,
Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut Homoskedastisitas. Dan jika varians
berbeda, maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Suatu model dikatakan terdapat gejala
heterokedesitas jika koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistik. Sebaliknya, jika parameter beta tidak signifikan secara
Universitas Sumatera Utara
statisik, hal ini menunjukkan bahwa data model empiris yang diestimasi tidak terdapat heterokedesitas Erlina, 2007:108.
Menurut Gujarati 1995 dalam Hadi 2006 : 172, “untuk mengetahui adanya masalah heteroskesdatisitas ini kita bisa menggunakan korelasi jenjang Spearman,
tes Park, tes Goldfeld-Quandt, tes BPG, tes White atau tes Glejser.” Bila menggunakan korelasi jenjang Spearman, maka kita harus menghitung nilai
korelasi untuk setiap variabel independen terhadap nilai residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test memiliki dasar test yang sama
yaitu meregresikan kembali nilai residu ke variabel independen. Menurut Hadi 2006 : 174, salah satu cara untuk mengurangi masalah
heteroskesdatisitas adalah “menurunkan besarnya rentang range data. Salah satu cara yang bisa dilakukan untuk menurunkan rentang data adalah melakukan
transformasi manipulasi logaritma. Tindakan ini bisa dilakukan bila semua data bertanda positif.”
d. Uji Autokorelasi
Masalah autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu timeseries. “Autokorelasi akan muncul bila data sesudahnya merupakan
fungsi dari data sebelumnya atau data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat
tergantung pada tempat data tersebut terjadi.”Hadi, 2006 : 175 Menurut Singgih 2002 : 218 Untuk mendeteksi adanya autokorelasi bisa
digunakan tes Durbin Watson D-W. Panduan mengenai angka D-W untuk
Universitas Sumatera Utara
mendeteksi autokorelasi bisa dilihat pada tabel D-W, yang bisa dilihat pada buku statistik yang relevan. Namun demikian secara umum bisa diambil patokan:
1 angka D-W di bawah -2 berarti ada autokorelasi positif,
2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3 angka D-W diatas +2 berarti ada autokorelasi negatif. Jika terjadi autokorelasi, maka dapat diatasi dengan cara:
a melakukan transformasi data,
b menambah data observasi.
2. Model dan Teknik Analisis Data
a. Model Regresi Berganda Pada tahapan ini penulis akan membuat model regresi yang menggambarkan
