Uji Autokorelasi Uji Multikolinieritas

1. Uji Autokorelasi

Autokorelasi menunjukkan adanya korelasi antara residual pada periode t dengan residual pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pendeteksian ada atau tidaknya autokorelasi menggunakan Durbin Watson Test. Jika nilai Durbin Watson yang dihasilkan analisis regresi terletak di antara -2 hingga +2, maka disimpulkan tidak terdapat autokorelasi pada model regresi Santoso, 2002:219. Berikut adalah nilai Durbin Watson yang dihasilkan dari model regresi: Tabel 4.5 Hasil Nilai Durbin-Watson Model Durbin-Watson 1 2,848 Sumber : Lampiran 3 Berdasarkan Tabel 4.5 dapat dilihat bahwa nilai Durbin-Watson yang dihasilkan model regresi sebesar 2,848 terletak di atas nilai +2, dengan demikian disimpulkan bahwa terjadi autokorelasi dalam model regresi. Menurut Santoso 2002:219, adanya gejala autokorelasi menyebabkan model regresi yang seharusnya signifikan, menjadi tidak layak untuk dipakai. Oleh karena itu, adanya autokorelasi dalam model regresi perlu diatasi. Salah satu cara untuk mengatasi adanya autokorelasi adalah dengan melakukan transformasi data. Dalam penelitian ini untuk mengatasi adanya autokorelasi dilakukan transformasi logaritma pada data variabel penelitian. Berikut adalah nilai Durbin Watson yang dihasilkan dari model regresi setelah dilakukan transformasi logaritma: Tabel 4.6 Hasil Nilai Durbin-Watson Setelah Transformasi Model Durbin-Watson 1 1,444 Sumber : Lampiran 4 Tabel 4.5 menunjukkan bahwa setelah dilakukan transformasi data, diperoleh nilai Durbin-Watson sebesar 1,444 yang terletak di antara -2 hingga +2, sehingga disimpulkan tidak terjadi autokorelasi dalam model regresi, dengan demikian asumsi non autokorelasi telah terpenuhi.

2. Uji Multikolinieritas

Multikolinieritas menunjukkan adanya korelasi linier sempurna antara variabel bebas dalam model regresi. Model regresi yang baik tidak menunjukkan adanya gejala multikolinieritas. Pendeteksian ada atau tidaknya multikolinieritas dilakukan dengan melihat nilai tolerance dan nilai VIF. Apabila nilai tolerance 0,1 dan nilai VIF 10, maka model regresi bebas dari multikolinieritas. Berikut adalah nilai tolerance dan nilai VIF yang dihasilkan model regresi: Tabel 4.7 Hasil Nilai Tolerance dan Nilai VIF Variabel Colinierity Statistics Tolerance VIF Jumlah Anggota 0.220 4.554 Jumlah Simpanan 0.220 4.554 Sumber : Lampiran 4 Dari Tabel 4.6 terlihat bahwa nilai tolerance kedua variabel bebas di atas angka 0,1, demikian pula nilai VIF keduanya di bawah angka 10, sehingga dapat dikatakan model regresi bebas dari multikolinieritas, dengan demikian asumsi non multikolinieritas terpenuhi.

3. Uji Heteroskedastisitas