Analisis Regresi Berganda Metode Analisis

58 3 Multikoloneritas dapat juga dilihat dari 1 nilai tolerance dan lawanya 2 variance inflation factor VIF. kedua ukuran ini menunujukan setiap varibel independen manakah yang dijelaskan oleh varibel independen lainya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1tolerance. Nilai yang umum dipakai untuk menujukan adanya multikoloneritas adalah nilai Tolerance ≤ 0.10 atau sama dengan VIF ≥ 10. c. Autokorelasi Menurut Imam Ghozali 2011:110. Uji autokorelasi bertujuan untuk apakah dalam model regresi linier ada korelasi antara kesalahan penganggu pada priode t dengan kesalahan penganggu pada priode t-1 sebelumnya. Jika terjadi korelasi maka dinmakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu yang berkaitan satu sama lainya. Masalah ini timbul karena residual kesalahan penganggu tidak bebas dari satu observasi ke observasi lainya. Hal ini sring ditemukan pada data runtut waktu time series karena “gangguan” pada seorang individu atau kelompok cenderung mempengaruhi “gangguan” pada individu atau kelompok yang sama pada priode berikutnya. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokrelasi. 1 Uji Durbin-Watson DW test hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya 59 intercept konstanta dalam model regresi dan tidak ada variabel lag diantara variabel independen. 2 Uji Lagrage Multipler LM test digunakan untuk sampel besar diatas 100 observasi. Uji ini memang lebih tepat digunakan dibandingkan uji DW terutama bila sampel yang digunakan relative besar dan derajat autokorelasi lebih dari satu. d. Heteroskedastisitas Menurut Imam Ghozali 2011:139. Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan kepengamatan yang lain tetap maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah homoskedastisits atau tidak terjadi heteroskedastisitas. Kebanyakan data crossection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili beberapa ukuran kecil, sedang dan besar. Ada cara mendeteksi ada atau tidaknya heteroskedastisitas. 1 Melihat Grafik Plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y predisi -Y sesungguhnya yang telah di studentized.