yaitu dengan melihat Tolerance Value dan Variance Inflation Factor VIF. Multikolinieritas terjadi jika nilai tolerance kurang dari 0,10 dan VIF lebih besar dari 10 Ghozali, 2005.
3.10.3. Uji Heteroskedastisitas
Uji heteroskedatisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Model
regresi yang baik adalah yang homokedastisitas. Heteroskedastisitas berarti bahwa variasi residual tidak sama untuk semua pengamatan. Heteroskedastisitas bertentangan
dengan salah satu asumsi dasar regresi biar homoskedastisitas yaitu variasi residual sama untuk-semua pengamatan. Secara ringkas walaupun terdapat heteroskedastisitas
maka penaksir OLS Ordinary Least Square tetap tidak bias dan konsisten tetapi penaksir tadi tidak lagi efisien baik dalam sampel kecil maupun sampel besar yaitu
asimtotik. Menurut Gujarati 1995 bahwa masalah heteroskedastisitas biasa terjadi dalam data cross section dibandingkan dengan data time series.
Penelitian ini menggunakan uji White untuk mendeteksi ada tidaknya heteroskedastisitas. Uji White pada prinsipnya meregres residual yang dikuadratkan dengan
variabel independen, variabel independen kuadrat dan perkalian interaksi variabel independen atau :
µ
2 t
= b + b
1
LX
1
+ b
2
LX
1 2
+ b
3
LX
1
LX
2
+ b
4
LX
1
LX
3
+ b
5
LX
1
LX
4
+ b
6
LX
2
+ b
7
LX
2 2
+ b
8
LX
2
LX
3
+ b
9
LX
2
LX
4
+ b
10
LX
3
+ b
11
LX
3 2
+ b
12
LX
3
LX
4
+ b
13
LX
4
+ b
14
LX
4 2
. + e ..................................................................... 3.3
Universitas Sumatera Utara
Jika nilai Prob. F 0,05 maka tidak ada heteroskedastisitas, jika nilai Prob. F 0,05 maka ada heteroskedastisitas.
3.10.4. Uji Linieritas
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan dalam suatu studi empiris sebaiknya berbentuk linier, kuadrat atau kubik. Dalam
penelitian ini uji Linieritas dilakukan dengan Ramsey Test dengan langkah-langkaha
sebagai berikut: 1
Estimasi persamaan 3.1 dengan prosedur OLS dan simpan fitted value LY dan Error sum of squares ESS
1
2 Tambahkan variabel-variabel LY
2
, LY
3
dan LY
4
ke dalam persamaan 3.1 pada langkah satu lihat persamaan 3.3 dan estimasi model baru tersebut dan simpan
Error sum of squares ESS
2
LY = b + b
1
LX
1
+ b
2
LX
2
+ b
3
LX
3
+ b
4
LX
4
+ b
5
LY
2
+ b
6
LY
3
+ b
7
LY
4
3 Hitung uji F-Wald F
+ µ .. .......................................................................................................... 3.4
c
untuk tambahan tiga variabel pada langkah dua dengan rumus sebagai berikut:
.............................................................. 3.5
dimana : k = Jumlah koefisien regresi dalam persamaan baru pada langkah 2
Universitas Sumatera Utara
m = Jumlah koefisien regresi dalam persamaan 3.1 pada langkah 1
T = Jumlah sampel
4 Hipotesis untuk uji linieritas adalah sebagai berikut:
H H
: b5 = b6 = b7 = 0 Spesifikasi model berbentuk fungsi linier
1
5 Kriteria penerimaan hipotesis:
: Sekurangnya satu diantara b5, b6 atau b7 tidak sama dengan nol Spesifikasi model tidak berbentuk fungsi linier
Tolak H bila Fc F-Tabel [F
k-m, T-k
α=0,05] atau Prob.Fc 0,05
3.11. Pengujian Hipotesis
