2. Menentukan koefisien antara variabel independen yang satu dengan variabel
independen yang lain. Jika antara dua variabel independen memiliki korelasi yang spesifik misalnya, koefisien korelasi yang tinggi antara variabel independen atau
tanda koefisien korelasi variabel independen berbeda dengan tanda koefisien regresinya, maka di dalam model regresi tersebut terdapat multikolinearitas.
Kuncoro 2001: 114 mengemukakan bahwa, “bila korelasi antara dua variabel penjelasbebas independen melebihi 0,8 dilihat dalam matrik korelasi maka
multikolinearitas menjadi masalah serius”. Dengan demikian apabila nilai korelasi tersebut tidak mencapai 0,8, berarti kasus multikolinearitas tidak perlu
dikhawatirkan. 3.
Membuat persamaan regresi antar variabel independen. Jika koefisien regresinya signifikan, maka dalam model terdapat multikolinearitas. Menghilangkan adanya
multikolinearitas pada suatu model regresi terdapat bermacam-macam cara. Cara yang paling mudah adalah menghilangkan salah satu atau beberapa variabel yang
mempunyai korelasi tinggi dari model regresi. Jika ini dilakukan berarti melakukan kesalahan spesifik, karena mengeluarkan variabel independen dari
model regresi yang secara teoritis variabel tersebut dapat mempengaruhi variabel dependen.
3.6.2. Autokorelasi
Autokorelasi dalam model regresi. Artinya, adanya korelasi antar anggota sampel yang diurutkan berdasar waktu. Penyimpangan asumsi ini biasanya muncul
pada observasi yang menggunakan data Time Series. Konsekuensi adanya
Universitas Sumatera Utara
Autokorelasi dalam suatu model regresi adalah varians sampel, tidak dapat menggambarkan varians populasinya.
Lebih jauh lagi, model regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependen pada nilai variabel independen tertentu.
Untuk mengetahui adanya Autokorelasi dalam suatu model regresi, dapat dilakukan melalui pengujian terhadap nilai Uji LM Langrarian Multiplier.
3.6.3. Uji Akar-akar Unit Uji Stasionaritas
Pengujian ini merupakan uji stasionaritas. Prinsip dari uji akar-akar unit unit roots ini adalah untuk mengamati atau mendeteksi apakah koefisien tertentu dari
model autoregresif yang ditaksir mempunyai nilai satu atau tidak. Dalam pengujian akar-akar unit ini digunakan model autoregresive yang ditaksir dengan Ordinari least
Square OLS seperti persamaan berikut: DY
t
= a + Y
t-1
+
p
i 1
â
i
DY
t-1
+
Uji ini dilakukan dengan null hipotesis = 0. Stationer tidaknya data didasarkan pada perbandingan nilai satatistik DF yang diperoleh dari nilai t hitung
koefisien dengan nilai kritis statistic Mackinnon. Jika nilai absolute statistic DF lebih besar dari nilai kritis Mackinnon maka data stasioner dan jika sebaliknya maka
data tidak stasioner.
3.6.4. Uji Normalitas
Uji normalitas adalah evaluasi dari disturbance term error dengan hipotesis nol. Distrubance term error adalah normal. Pengujian asumsi normalitas
Universitas Sumatera Utara
menggunakan Jarque-Berra JB Test dan membandingkannya dengan Tabel Distribusi
2 :
2
df
X , yaitu:
24
3 6
2 2
K S
T JB
Di mana: T = Jumlah observasi pengamatan
S = Skewness K = Kurtosis
Jika nilai JB statistik
2 2
X
, maka hipotesis nol ditolak atau disturbance term error adalah tidak normal. Sebaliknya jika JB statistik
2 2
X , maka hipotesis nol tidak ditolak atau disturbance term error adalah normal.
3.6.5. Uji Linieritas
