54
3.
Winzorising Winzorising mengubah nilai
– nilai outliers menjadi nilai – nilai minimum atau maksimum yang diizinkan supaya
distribusi menjadi normal.
3.9.1.2 Uji Multikolinearitas
Menurut Ghozali
2006 :91, “uji multikolinearitas
bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel independen.” Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka
konsekuensinya adalah: a.
koefisien – koefisien regresi menjadi tidak dapat ditaksir,
b. nilai standar error setiap koefisien regresi menjadi tak
terhingga. Untuk melihat ada atau tidaknya multikolinieritas dalam
model regresi dilihat dari nilai tolerance dan lawannya Variance Inflation Factor VIF. Batasan yang umum dipakai untuk
menunjukkan adanya mutikolineritas adalah nilai Tolerence 0,10 atau VIF 10, dengan dasar pengambilan keputusan sebagai berikut:
Jika nilai tolerance 0,1 dan nilai VIF 10, maka tidak terjadi masalah multikolinearitas, artinya model regresi tersebut baik.
Universitas Sumatera Utara
55 Jika nilai tolerance dari 0,1 dan nilai VIF 10, maka terjadi
masalah multikolinearitas, artinya model regresi tersebut tidak baik.
Cara yang dapat dilakukan untuk mengatasi masalah multikolinearitas adalah:
1 Mengeluarkan satu atau lebih variabel independen yang
mempunyai korelasi
tinggi dari
model regresi
dan identifikasikan variabel independen lainnya untuk membantu
prediksi. 2
Menggabungkan data cross section dan time series pooling data.
3 Menambah data penelitian.
3.9.1.3 Uji heteroskedastisitas
Menurut Ghozali 2006:105 “uji heteroskedastisitas bertujuan
menguji apakah
dalam model
regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Jika varian dari residual satu pengamatan
yang lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas Erlina, 2011:105. Model regresi yang
baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada atau tidaknya heteroskedastisitas dapat diketahui dengan
melihat grafik scatterplot antara variabel dependen, yaitu dengan
Universitas Sumatera Utara
56 melihat ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED. Menurut Ghozali 2005: 105 dasar analisis untuk pengujian ini antara lain:
a. Jika ada pola tertentu, seperti titik- titik yang ada membentuk
pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit maka mengindikasikan telah terjadi
heteroskedastisitas. b.
Jika tidak ada pola yang jelas, serta titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. Tindakan perbaikan yang dapat dilakukan jika terjadi
heteroskedastisitas adalah sebagai berikut: 1.
Transformasi logaritma 2.
transformasi dalam bentuk model regresi dengan membagi model regresi dengan salah satu variabel independen yang
digunakan dalam model tersebut.
3.9.1.4 Uji Autokorelasi
