49 2005: 103 bila signifikansi 0,05 dengan
α = 5 berarti residual random dan H diterima, sebaliknya bila nilai signifikan 0,05 berarti residual tidak random dan
H ditolak.
c. Uji Heteroskedastisitas
Heteroskedastisitas merupakan situasi dimana dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Erlina 2007:108 menyatakan “jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Sebaliknya jika
varians berbeda, maka disebut heterokedasitas”. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antar nilai prediksi variabel
independen dengan nilai residualnya. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Menurut Gozali 2005:107 ”analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil
ploting. Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik plot. Oleh sebab itu diperlukan uji statistik yang lebih dapat
Universitas Sumatera Utara
50 menjamin keakuratan hasil”. Ada beberapa uji statistik yang dapat digunakan
untuk mendeteksi ada tidaknya heteroskedastisitas, antara lain: 1. Uji
Park, 2. Uji
Glejser.
d. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik
seharusnya menunjukkan tidak terjadinya korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen
antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel bebas tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah
variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang baik seharusnya tidak ada korelasi antar variabel
independen. Ada tidaknya multikolonieritas dapat dideteksi dengan melihat: 1
Melihat nilai tolerance, Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai tolerance 0,10. 2
Melihat nilai variance inflation factor VIF, Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai VIF 10. 3
Menganalisis matrik korelasi variabel-variabel independen,
Universitas Sumatera Utara
51 Menurut Ghozali 2005:93 untuk matrik korelasi adanya indikasi
multikolonieritas dapat dilihat jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 0,95.
4 Membandingkan nilai R
2
model utama awal terhadap nilai R
2
dari masing-masing auxilary regression antar variabel independen,
Dengan ketentuan Nilai R
2
model utama R
2
masing-masing auxilary regression antar variabel independen.
5 Melihat nilai Condition Index CI,
Jika nilai CI antara 10 dan 30 terdapat multikolinearitas moderat ke kuat, sedangkan jika nilai CI 30 artinya terdapat multikolinearitas sangat kuat.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah: akoefisien-koefisien regresi menjadi tidak dapat
ditaksir, bnilai standar error setiap regresi menjadi tak terhingga. Apabila terjadi korelasi antara variabel independen, maka dinamakan terdapat problem
multikolinearitas.
2. Pengujian Hipotesis