Uji Asumsi Klasik Teknik Analisis Data
= N XY –
√ -
X
2
] [N -
Y
2
] Keterangan:
R : Koefisien korelasi
Y : Skor Variabel Y
X : Skor Variabel X
N : Jumlah Data
Kriteria penerimaan dalam analisis uji multikolinearits adalah sebagai berikut:
VIF 5 tidak terjadi multikolinearitas VIF 5 terjadi multikolinearitas
b Uji Heteroskedasitas Heterokedastisitas adalah suau keadaan dimana varians dan kesalahan
pengganggu tidak konstan untuk semua nilai variabel bebas. Uji heteroskedasitas bertujuan untuk menguji apakah dalam regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap,
maka dinamakan homoskedasitas dan jika berbeda disebut heteroskedasitas. Model regresi yang baik adalah yang homoskedasitas atau tidak terjadi
heteroskedasitas. Untuk menguji ada tidaknya masalah heteroskedastisitas pada model regresi yang diperoleh digunakan uji Glejser dengan cara
meregresikan antara variabel independen dengan nilai absolut residualnya. Untuk menentukan terjadi tidaknya masalah heterokedastisitas maka
digunakan ketentuan sebagai berikut:
1. Jika signifikansi antara variabel independen dengan nilai absolutnya
residualnya 0,10,
maka tidak
terjadi heterokedastisitas.
2. Jika signifikansi antara variabel independen dengan nilai absolutnya residualnya 0,10, maka terjadi heterokedastisitas.
Selain uji Glejser, salah satu cara untuk melihat adanya problem heterokedastisitas adalah dengan melihat grafik plot antara nilai prediksi
variabel terikat ZPRED dengan residualnya SRESID Wijaya, 2012:124. Cara menganalisisnya:
- Dengan melihat apakah titik-titik memiliki pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit, jika
terjadi maka mengindikasikan terdapat heterokedastisitas. - Jika tidak terdapat pola tertentu yang jelas, serta titik-titik
menyebar diatas dan dibawah angka 10 pada sumbu Y maka mengindikasikan tidak terjadi heterokedastisitas.
c Uji Autokorelasi Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Beberapa uji statistik yang sering digunakan adalah uji Durbin-Watson,
Dimana : E
: gangguan estimasi T dan t-1 : observasi terakhir dan sebelumnya
T dan t-2 : nilai observasi D
: Durbin Watson Ada tidaknya autokorelasi dalam uji ini dengan nilai DW, yaitu:
DW KESIMPULAN
1,10 Ada Autokorelasi
1,10 – 1,54
Tanpa kesimpulan 1,55
– 2,46 Tidak Ada Autokorelasi
2,47 – 2,90
Tanpa Kesimpulan 2,91
Ada Autokorelasi