3.7.1 Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui adanya hubungan yang sempurna koefisien korelasi tingkat tinggi atau bahkan 1 diantara beberapa atau
semua variabel independen yang menjelaskan model regresi Algifari, 2000:84. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel
independen. Diagnosis secara sederhana terhadap adanya multikolinearitas di dalam
regresi adalah sebagai berikut: 1.
Melalui t
hitung sangat
rendah, maka
kemungkinan terdapat
multikolinearitas dalam model tersebut. 2.
Menentukan koefisien korelasi antara variabel independen yang satu dengan variabel independen yang lain. Jika antara kedua variabel independen
memiliki korelasi yang spesifik atau korelasi yang tinggi yaitu lebih besar dari 0,1 maka di dalam model regresi tersebut terdapat multikolinearitas.
3. Membuat persamaan regresi antar variabel independen. Jika koefisien
regresinya signifikan, maka dalam model pembelajaran tersebut terdapat multikolinearitas Algifari, 2000:84.
Deteksi lain adanya gejala multikolinearitas adalah dengan menggunakan nilai Variance Inflaction Factor VIF dan tolerance melalui SPSS. Model regresi
yang bebas multikolinearitas memiliki nilai VIF di bawah 10 dan nilai tolerance di atas 0,1.
3.7.2 Uji Autokorelasi
Pengujian autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2007: 95.
Mendeteksi terjadinya autokorelasi dapat dilakukan dengan pengujian terhadap nilai uji Durbin Watson Uji DW. Uji Durbin Watson hanya digunakan
untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag
diantara variabel independen. Menurut Ghozali 2007:96 Hipotesis yang diuji adalah:
Ho : tidak ada autokorelasi r = 0 Ha : ada autokorelasi r
≠ 0 Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
Tabel 3.2 Durbin Watson
Hasil Perhitungan Klasifikasi
Kurang dari 1,38 Ada Autokorelasi
1,38 sampai dengan 1,77 Tanpa Kesimpulan
1,77 sampai dengan 2,23 Tidak ada Autokorelasi
2,23 sampai dengan 2,62 Tanpa Kesimpulan
Lebih dari 2,62 Ada Autokorelasi
Sumber : Algifari, 2000: 89
3.7.3 Uji Heteroskedastisitas