55
∑Y = Jumlah kuadrat dari Y Sedangkan menurut Gujarati 2006:66 konsekuensi adanya
multikolinieritas adalah: 1. Varians besar dan kesalahan standar estimator OLS.
2. Interval keyakinan yang lebih besar. 3. Rasio t tidak signifikan.
4. Nilai R
2
yang tinggi tapi sedikit rasio t signifikan. 5. Estimator OLS dan kesalahan standarnya menjadi sangnat sensitif
terhadap perubahan kecil dalam data; yakni, cenderung tak stabil.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas adalah uji yang digunakan karena terjadinya gangguan error yang muncul dalam fungsi regresi yang
mempunyai varian yang tidak sama sehingga penaksir OLS tidak efisien baik dalam sampel kecil maupun sampel besar tapi masih tetap tidak
bias dan konsisten. Menurut Ghozali 2005:105 uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan variance residual dari satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan
lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedatisitas. Model regresi yang baik adalah tidak terjadi
Heteroskedastisitas Gujarati, 2007:82. Heterokedastisitas terjadi apabila varian Ut tidak konstan atau
berubah-ubah seiring dengan berubahnya variabel. Akibat terjadinya
56
heteroskedastisitas maka setiap terjadi perubahan pada variabel terikat mengakibatkan errornya residual juga berubah sejalan atau kenaikan atau
penurunannya. Dengan kata lain konskuensinya apabila variabel terikat bertambah maka kesalahan juga akan bertambah Gujarati, 1988:401.
Dalam penelitian ini digunakan metode White untuk mendeteksi heteroskedastisitas. Uji White dilakukan dengan meregresikan residual
kuadrat sebagai variabel dependen ditambah dengan kuadrat variabel independen.
Regresi awal : Y =
β0 + β1↓1 + β2↓2 + β3↓3 Regresi White :
ei² = β0 + β1↓1 + β2↓2 + β3↓3 + β1↓1
2
+ β2↓2
2
+ β3↓3
2
Langkah-langkah pengujian heteroskedastisitas sebagai berikut Hipotesis : Ho : Model tidak terdapat heteroskedastisitas.
Ha : Model terdapat heteroskedastisitas. Bila probabilitas ObsR2 0.05 Ho diterima.
Bila probabilitas ObsR2 0.05 Ho ditolak. Jika model bebas dari heteroskedastisitas maka model tidak
berubah untuk setiap amatan atau tidak dipengaruhi oleh waktu, karena varian atau keragaman error pada model tetap atau konstan. Sebaliknya,
jika terjadi heteroskedastisitas model dapat berubah-ubah karena varian atau keragaman error pada model tidak tetap atau tidak konstan.
57
Sedangkan menurut Gujarati 2006:87 konsekuensi adanya heteroskedastisitas adalah:
1. Estimator OLS masih linear. 2. Masih tak bias.
3. Tapi tidak lagi memiliki varians; artinya, tidak lagi efisien. Ini berlaku juga dalm sampel yang besar.
4. Rumus-rumus biasa untuk menaksir varians estimator OLS umumnya bias.
d. Uji Autokorelasi
