Dalam penelitian ini, uji multikolinearitas dilakukan dengan menggunakan kaidah “auxiliary regression”. Penggunaan kaidah ini dilakukan dengan cara
meregres masing-masing variabel independen dengan variabel independen yang lain. Apabila hasil dari proses meregres masing-masing variabel independen
dengan variabel independen yang lain tersebut menunjukkan adanya nilai R
2
yang lebih rendah dari R
2
model utama, maka dapat disimpulkan tidak terjadi multikolineritas antar variabel independen.
3.5.2.3 Uji Heterokedastisitas
Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati memiliki varians yang konstan dari satu observasi ke observasi lainnya
Hasan, 2002b:302. Artinya, setiap observasi mempunyai reabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam
spesifikasi model. Gejala heteroskedastisitas lebih sering dijumpai dalam data silang tempat daripada data runtut waktu, maupun juga sering muncul dalam
analisis yang menggunakan data rata-rata Prishardoyo Nihayah, 2011:26. Dalam heteroskedastisitas menunjukkan disturbance yang dapat ditunjukkan
dengan adanya conditional variance Yi bertambah pada waktu X bertambah. Dapat dikatakan bahwa heteroskedastisitas menyebabkan penaksiran koefisien-
koefisien regresi menjadi tidak efisien. Hasil taksiran dapat menjadi kurang dari semestinya, melebihi dari semestinya dan menyesatkan.
Salah satu cara untuk mendeteksi ada atau tidaknya gejala heteroskedastisitas maka dapat dilakukan dengan menggunakan White Test. Pengujian ini dilakukan
dengan cara melihat probabilitas ObsR-squared. Apabila nilai probabilitas ObsR-squared lebih besar dari taraf nyata tertentu maka persamaan tersebut
tidak mengandung gejala heteroskedastisitas, begitu juga sebaliknya.
3.5.2.4 Uji Autokorelasi
Autokeralasi berarti bahwa adanya korelasi antara anggota observasi satu dengan observasi lain yang berlainan waktu. Dengan asumsi metode OLS,
autokorelasi merupakan korelasi antara satu variabel gangguan dengan variabel gangguan lain. Sedangkan salah satu asumsi penting metode OLS terkait dengan
variabel bebas adalah tidak ada hubungan antara variabel gangguan yang satu dengan variabel gangguan yang lain, yang dapat dinyatakan dengan;
E = e
i
e
j
= 0 dimana i ≠ j
Untuk melihat ada tidaknya masalah autokorelasi dalam penelitian ini, maka digunakan metode Durbin Watson sebagai alat ujinya. Metode ini yang paling
populer digunakan untuk mendeteksi adanya autokorelasi. Yang harus dilakukan adalah dengan membandingkan nilai DW statistik dengan nilai DW tabel. Dalam
membandingkan keduanya ada aturan yang harus dipatuhi yaitu tabel DW terdiri atas 2 nilai yaitu batas bawah d
L
dan batas atas d
U
. Nilai-nilai ini dapat
digunakan sebagai pembanding uji DW, dengan aturan sebagai berikut Prishardoyo Nihayah, 2011;
1. Bila DW d
L
; berarti ada korelasi positif. 2.
Bila d
L
≤ DW ≤ d
U
; tidak dapat diambil kesimpulan apa-apa. 3.
Bila d
U
DW 4-d
U
; tidak berkorelasi positif maupun negatif. 4.
Bila 4-d
U
≤ DW ≤ 4-d
L
; tidak dapat diambil kesimpulan apa-apa. 5.
Bila DW 4-d
L
; berarti ada korelasi negatif.
Lebih jelasnya dapat diterapkan seperti dalam gambar berikut:
Ragu-ragu Tidak ada autokorelasi Ragu-ragu Autokorelasi
Autokorelasi Positif
Negatif
d
U
d
L
4-d
U
4-d
L
Gambar 3.1 Uji Statistik Durbin Watson
BAB 4 HASIL PENELITIAN DAN PEMBAHASAN
