54
c. Multikoliniearitas dapat juga dilihat dari nilai tolerance dan
Variance Inflation Factor VIF. Kedua ukuran tersebut menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen lainnya. Jadi, nilai tolerance
yang rendah sama dengan nilai VIF yang tinggi karena nilai VIF = 1 atau tolerance dan menunujukkan adanya kolinearitas yang
tinggi. Nilai yang umum dipakai adalah nilai toleransi 0,10 atau sama dengan nilai VIF diatas 10.
Walaupun nilai multikoliniearitas dideteksi dengan nilai tolerance dan VIF, tetapi masih tetap tidak dapat mengetahui
variabel-variabel independen mana sajakah yang saling berkorelasi. Jika nilai VIF dari 10 maka tidak terdapat multikolinearitas
Ghozali, 2013:95. Pengujian ini dilakukan dengan membuat hipotesis:
H : Tolerance
≥ 0,10 dan VIF 10; tidak terjadi multikolinearitas Ha: Tolerance 0,10 dan VIF 10; terjadi multikolinearitas
3.7.2.3. Uji Heterokedastisitas
Pengujian heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varian 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.
Universitas Sumatera Utara
55
Model regeresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Gozhali, 2013: 139. Cara mendeteksi ada
atau tidaknya heteroskedastisitas adalah dengan melihat grafik Scatterplot antara nilai prediksi variabel terikat dependen yaitu
ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitasnya dapat dilakukan dengan melihat ada tidaknya
pola tertentu pada grafik scatterplot antara SRESID dan ZPRED, dimana sumbu Y adalah yang telah diprediksi dan sumbu X residual
Y prediksi-Y sesungguhnya yang telah distandarisasi. Dasar analisis heteroskedasitas, sebagai berikut:
a. Jika ada pola tertentu, seperti titik yang membentuk pola yang
teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterodastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan bawah angka 0 pada sumbu Y, maka tidak heterokedastisitas.
3.7.2.4. Uji autokorelasi
Uji autokorelasi digunakan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode
t dengan kesalahan pengganggu pada periode t-1 sebelumnya maka digunakan uji autokorelasi. Autokorelasi akan muncul karena
observasi yang berurutan sepanjang waktu berkaitan satu sama lain, ini timbul karena residual tidak bebas dari satu observasi ke
observasi lainnya biasanya ditemukan pada data time series.
Universitas Sumatera Utara
56
Ghozali, 2013:99. Salah satu cara untuk mendeteksi ada tidaknya autokorelasi adalah dengan menguji model regresi dengan uji Durbin
Watson DW test. Pengambilan keputusan ada tidaknya autokorelasi dengan uji Durbin-Watson sebagai berikut :
H0 : tidak ada autokolerasi r = 0 HA : ada autokolerasi r
≠ 0
Tabel 3.3 Pengambilan Keputusan Ada Tidaknya Autokolerasi
Hipotesis nol Keputusan
Jika Tidak ada autokolerasi
positif Tolak
0 d dl Tidak ada autokolerasi
positif No decision
dl ≤ d ≤ du
Tidak ada kolerasi negatif
Tolak 4 – dl d 4
Tidak ada kolerasi negatif
No decision 4 – du
≤ d ≤ 4 – dl Tidak ada autokolerasi,
positif atau negatif Tidak ditolak
du d 4 – du Sumber : diolah oleh peneliti, 2016
3.7.3. Model Pengujian Hipotesis
