Populasi dan Sampel Penelitian
antarvariabel independen. Menurut Ghozali 2011, dalam model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen
multikolinearitas. Ghozali menuturkan bahwa untuk mendeteksi ada atau tidaknya multikolinearitas dalam model regresi yaitu dengan
mengamati 3 petunjuk. Pertama, nilai R Square yang dihasilkan oleh suatu estimasi model
regresi empiris yang sangat tinggi, tetapi secara individual variabel - variabel independen banyak yang tidak signifikan memengaruhi variabel
dependen. Kedua, analisis matrik korelasi variabel independen menunjukkan bahwa antar variabel independen ada korelasi yang cukup
tinggi umumnya 0,9. Ketiga, petunjuk diperoleh dengan mengamati nilai tolerance dan Variance Inflation Factor VIF. Tolerance mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cut off yang umum dipakai untuk
menunjukkan adanya multikolinearitas adalah nilai tolerance ≤ 0,10 atau
sama dengan nilai VIF 10. Bila hasil regresi memiliki nilai VIF tidak lebih dari 10, maka dapat disimpulkan tidak ada multikolinearitas dalam
model regresi. d. Uji Heteroskedastisitas
Menurut Umar 2011, uji heteroskedastisitas dilakukan untuk mengetahui apakah sebuah model regresi terjadi ketidaksamaan varians
dari residual suatu pengamatan ke pengamatan lain. Jika varian dari residual suatu pengamatan ke pengamatan lain tetap, disebut
homoskedastisitas, sementara itu untuk varians yang berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas. Terdapat beberapa cara lain untuk mengetahui ada atau tidaknya
heteroskedastisitas, yaitu dengan menggunakan berbagai tes, seperti Park Test, Glejser Test, dan White’s General Heteroscedasticity Test.
Penelitian ini menggunakan Uji Glejser Glejser Test yaitu dengan meregres variabel independen dengan absolute residual terhadap variabel
dependen. Menurut Ghozali 2011, jika variabel independen signifikan secara statistik memengaruhi variabel dependen, maka ada indikasi
terjadi heteroskedastisitas. Heteroskedastisitas dapat dijelaskan melalui koefisien signifikansi.
Koefisien signifikansi harus dibandingkan dengan tingkat signifikansi yang ditetapkan sebelumnya α=5. Bila koefisien signifikansi lebih
besar dari tingkat signifikansi yang ditetapkan, maka dapat disimpulkan tidak terjadi heteroskedastisitas, dan berlaku pula sebaliknya.