b. Keluarkan satu atau lebih variable indevenden yang mempunyai
korelasi tinggi dari model regresi dan identifikasikan variable indevenden lainnya untuk membantu prediksi.
c. Transformasi variable merupakan salah satu cara mengurangi
hubungan linear di antara variable indevenden. Transformasi dapat dilakukan dalam bentuk logaritmo natural dan bentuk first difference
atau delta. Caranya Yt = b1 + b2 X2t + b3 X3t + ut
……………………1 Yt-1 = b1 + b2 X2t-1 + b3 X3t-1 + ut-1
……………2 Kurangkan persamaan 2 dari 1 didapat first difference
Yt – Yt-1 = b2 X2t – X2t-1 + b3 X3t – X3t-1 + vt……3
d. Gunakan model dengan variabel indevenden yang mempunyai korelasi
tinggi hanya semata-mata untuk prediksi jangan mencoba untuk menginterpretasikan koefisien regresinya.
e. Gunakan metode analisis yang lebih canggih seperti Bayesian
regression atau dalam kasus khusus ridge regression.
3. Uji Heterokedasitas
Menurut Ghozali 2005: 111 uji heterokedasitas bertujuan untuk melihat apakah didalam model regesi terjadi ketidaksamaan variabel dari residual satu
pengamatan ke pengamatan yang lain. Suatu model regresi yang baik adalah tidak terjadi heterokedasitas. Uji Heterokedastisitas adalah asumsi dalam
regresi dimana varians dan residual tidak sama untuk satu pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap,
maka disebut homokedasitas, namun jika sebaliknya disebut heterokedasitas. Pengujian ini dilakukan dengan menggunakan SPSS release 15.
Menurut Ghozali 2005:105,
Universitas Sumatera Utara
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 ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskesdatisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskesdatisitas.
Suatu model dikatakan terdapat gejala heterokedesitas jika koefisien
parameter beta dari persamaan regresi tersebut signifikan secara statistik. Sebaliknya, jika parameter beta tidak signifikan secara statisik, hal ini
menunjukkan bahwa data model empiris yang diestimasi tidak terdapat heterokedesitas Erlina,2007:108.
Menurut Gujarati 1995 dalam Hadi 2006 : 172, “untuk mengetahui adanya masalah heteroskesdatisitas ini kita bisa menggunakan korelasi jenjang
Spearman, tes Park, tes Goldfeld-Quandt, tes BPG, tes White atau tes Glejser.” Bila menggunakan korelasi jenjang Spearman, maka kita harus
menghitung nilai korelasi untuk setiap variabel independen terhadap nilai residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test
memiliki dasar test yang sama yaitu meregresikan kembali nilai residu ke variabel independen.
Menurut Hadi 2006 : 174, salah satu cara untuk mengurangi masalah heteroskesdatisitas adalah “menurunkan besarnya rentang range data. Salah
satu cara yang bisa dilakukan untuk menurunkan rentang data adalah melakukan transformasi manipulasi logaritma. Tindakan ini bisa dilakukan
bila semua data bertanda positif.”
4. Uji Autokorelasi