Uji Normalitas Uji Multikolinieritas

44 mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut: 1 Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independent banyak yang tidak signifikan mempengaruhi variabel dependent. 2 Menganalisis matriks korelasi variabel-variabel independent. Jika antar variabel ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independent tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independent. 3 Multikolinieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independent manakah yang dijelaskan oleh variabel independent lainnya. Dalam pengertian sederhana setiap variabel independent menjadi variabel dependent terikat dan diregres terhadap variabel independent lainnya. Tolerance mengukur variabilitas variabel independent yang terpilih jika dijelaskan oleh variabel independent lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10. 45 Setiap peneliti harus menentukan tingkat kolinieritas yang masih dapat ditolerir. Sebagai misal nilai tolerance = 0.10 sama dengan tingkat kolonieritas 0.95. Walaupun multikolinieritas dapat dideteksi dengan nilai tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel-variabel independent mana sajakah yang saling berkolerasi.

c. Uji Heteroskedastisitas

Menurut Ghozali 2011 Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heterokedastisitas. Model regresi yang baik adalah yang Homokedastisitas atau tidak terjadi Heterokedastisitas. Kebanyakan data crossection mengandung situasi heterokedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, besar. Salah satu cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan cara melihat grafik Plot antara nilai prediksi variabel terikat dependent yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah 46 di-studentized. Dengan analisis jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.

d. Uji Autokorelasi

Uji Autokorelasi dimaksudkan untuk mengetahui apakah terjadi korelasi antara residual anggota pada serangkaian observasi tertentu dalam suatu periode tertentu. Dalam model regresi linear berganda juga harus bebas dari autokorelasi. Ada berbagai metode yang digunakan untuk menguji ada tidaknya gejala autokorelasi. Dalam penelitian ini digunakan metode uji Durbin Watson. Menurut Durbin Watson, besarnya koefisien Durbin Witson adalah antara 0-4. Kalau koefisien Durbin Witson sekitar 2, maka dapat dikatakan tidak ada korelasi, kalau besarnya mendekati 0, maka terdapat autokorelasi positif dan jika besarnya mendekati 4, maka terdapat autokorelasi negatif. Pengujian autokorelasi dilakukan dengan metode Durbin Witson. DW- test. Hipotesis yang akan diuji adalah: H : Tidak ada autokorelasi r = 0 H a : Ada autokorelasi r ≠ 0