mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang
rendah sama dengan nilai VIF yang tinggi karena VIF = 1 tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai tolerance 0.10 atau sama dengan VIF 10.
3.9.2.3 Uji Heteroskedastisitas
Menurut Ghozali 2006:105 Uji heteroskedastisitas ialah
“bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain”. Jika
varians dari residual satu pengamatan ke pengamatan yang lain tetap,
maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau yang tidak terjadi heteroskedastisitas. Dalam penelitian cara yang dapat digunakan untuk mendeteksi
masalah heterokedastisitas adalah Dengan melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan
residunya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residul Yprediksi–Y
sesungguhnya yang telah di-studentized. Dasar analisis yang digunakan untuk menentukan heteroskedastisitas antara lain :
Universitas Sumatera Utara
a. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengindikasikan telah heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.9.2.4 Uji Autokorelasi
Menurut Ghozali 2006:95 uji autokorelasi ini bertujuan “untuk melihat apakah dalam suatu model regresi linear ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pada periode t- 1 atau sebelumnya”. Jika terjadi korelasi, maka dinamakan ada
problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu sama lainya. Masalah
ini timbul karena residul tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time
series karena “ganguan” pada seorang individukelompok cendrung mempengaruhi “gangguan” pada individukelompok yang sama pada
periode berikutnya . Ada beberapa cara yang dapat digunakan untuk mendeteksi ada
atau tidaknya autokorelasi di antaranya dengan Uji Durbin Watson. Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali
2006: 96 adalah sebagai berikut:
Universitas Sumatera Utara
1. Jika 0 d dl, keputusannya tolak, tidak ada autokorelasi positif,
2. Jika dl d du, keputusannya tidak ada, tidak ada autokorelasi positif,
3. Jika 4 – dl d 4, keputusannya tolak, tidak ada korelasi negatif,
4. Jika 4 – du d 4 – dl, keputusannya tidak ada, tidak ada korelasi negatif,
5. Jika du d 4- du, keputusanya tidak ditolak, tidak ada autokorelasi positif dan negatif.
5.9.3 Pengujian Hipotesis 5.9.3.1 Analisis Regresi Berganda
