dengan kata lain terjadi ketergantungan antara error ke-i dengan error ke-j, maka autokorelasi akan terjadi.
33
Tujuan dari uji ini adalah untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan dengan periode t-1 sebelumnya. Konsekuensi dari adanya autokolerasi adalah penaksiran menjadi tidak
efisien dan Uji t serta Uji F yang biasa tidak valid walaupun hasil estimasi tidak bias.
Dalam penelitian ini uji autokorelasi menggunakan uji Lagrange Multiplier LM atau yang biasa dikenal dengan The Breusch-Godfrey
BG Test. Uji BG dilakukan dengan melihat nilai probability atau p- value pada ObsR-squared dengan
tingkat signifikan α = 0,05 5. Apabila nilai probability 5 maka model tidak mengandung masalah
autokorelasi. Hipotesis yang digunakan adalah: H
: Tidak terdapat masalah autokorelasi H
1
: Terdapat masalah autokorelasi
c. Uji Multikoliniearitas
Multikolinieritas adalah hubungan linier antar variabel bebas. Pengujian ini bertujuan untuk memastikan apakah model regresi
ditemukan adanya korelasi antar variabel bebas independen. Dalam membuat regresi berganda, variabel bebas yang baik adalah variabel
33
Setiawan dan Dwi Endah Kusrini, Ekonometrika, Yogyakarta: C.V ANDI, 2010, h. 136
bebas yang mempunyai hubungan dengan variabel terikat, tetapi tidak mempunyai hubungan dengan variabel bebas lainnya.
Ada atau tidaknya multikolinieritas dapat diketahui atau dilihat dari koefisien korelasi masing-masing variable bebas. Jika koefisien korelasi
di antara masing-masing variable bebas lebih besar dari 0,8 maka terjadi multikolinieritas. Hipotesis yang digunakan adalah:
H : Tidak terjadi multikolinieritas
H
1
: Terjadi multikolinieritas
d. Uji Heteroskedastisitas
Salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model bersifat BLUE adalah semua residual atau error
mempunyai varian yang sama dan bersifat konstan atau disebut dengan homoskedastisitas. Sedangkan bila varian error-nya Y tidak konstan
atau berubah-ubah disebut dengan heteroskedastisitas. Heteroskedasitas muncul apabila nilai varian dari variabel teikat
Yi meningkat sebagai meningkatnya varian dari variabel bebas Xi, maka varian dari Yi adalah tidak sama.Heteroskedastisitas bertujuan
menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain.Data yang baik
adalah data yang bersifat homoskedastisitas. Pengujian heteroskedastisitas dalam penelitian ini menggunakan
Uji White White’s General Heteroscedasticity Test. Uji ini
mengasumsikan bahwa varian error merupakan fungsi yang mempunyai
hubungan dengan variabel bebas, dan interaksi antar variabel bebas.
34
Apabila nilai probabilitas Chi-Square pada ObsR-squared lebih besar dari α= 0,05 5 dapat diputuskan bahwa tidak terdapat
heteroskedastisitas. Hipotesis yang digunakan adalah: H
: Tidak ada heteroskedastisitas H
1
: Ada heteroskedastisitas
4. Koefisien Determinasi R