Tabel 4.9 Durbin Watson Test Bound
K = 4 n
dl du
9 .
. .
. 50
0.30 .
. .
. 1.38
2.59 .
. .
. 1.72
Sumber : Penulis, 2012 Dari tabel 4.8 diketahui nilai DW sebesar 1.56 dan dari tabel 4.9
diketahui dl sebesar 1.38 sedangkan du sebesar 1.72. Dari penjelasan tersebut dapat disimpulkan bahwa dl DW du yang berarti tidak ada autokorelasi
positif yang hasilnya no decision.
3. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antar variabel bebas independent
variabel. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel-variabel bebasnya. Jika variabel bebas saling berkorelasi, maka
variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas adalah sama dengan nol.
Apabila terjadi gejala multikolinearitas, maka akan menyebabkan hal – hal sebagai berikut :
1. Nilai koefisien regresi menjadi kurang dapat dipercaya. 2. Kesulitan dalam memisahkan pengaruh masing-masing variabel bebas
independen terhadap variabel terikat dependen. Beberapa sumber penyebab multikolinearitas adalah sebagai berikut :
1. Metode pengumpulan data yang digunakan membatasi nilai dari variabel regressor.
2. Kendala-kendala model pada populasi yang diamati. 3. Spesifikasi model, misalnya penambahan bentuk polinomial terhadap
model regresi, khususnya ketika nilai jarak antar variabel eksplanatoris sangant kecil.
4. Data time series, dimana nilai trend tercakup dalam nilai varaibel eksplanatoris yang ditunjukkan oleh penurunan atau peningkatan sejalan
dengan waktu. Untuk menguji ada tidaknya multikolinearitas dalam suatu model
regresi dapat dilakukan dengan cara berikut ini : 1. Nilai R
2
2. Menganalisis matriks korelasi variabel – variabel bebas, jika antar variabel bebas ada korelasi yang cukup tinggi diatas 0,90, maka hal ini
R-Squared, yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel bebas
banyak yang tidak signifikan mempengaruhi variabel terikat.
merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel bebas tidak berarti tidak ada multikolinearitas.
Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel bebas.
3. Multikolinearitas dapat juga dilihat dari nilai Variance Inflation Factor VIF dan tolerance. Kedua ukuran ini menunjukkan setiap variabel bebas
yang dijelaskan oleh variabel bebas lainnya. Dalam pengertian sederhana setiap variabel bebas menjadi varabel terikat dan diregres terhadap
variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi,
nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerance dan menunjukkan adanya kolinearitas yang tinggi.
Hasil pengujian multikolinearitas dapat dilihat pada tabel dibawah ini :
Tabel 4.10 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 2.299
6.615 .347
.730 UKPER
.001 .000
.336 2.598
.013 .531
1.883 PROFIT
.097 .247
.041 .393
.696 .824
1.213 DEKOM
4.929 1.520
.425 3.242
.002 .517
1.936 PROFILE
8.711 5.052
.185 1.724
.092 .773
1.294 a. Dependent Variable: INDEKS
Sumber : Diolah dengan SPSS 16.0 Untuk mendeteksi ada atau tidak adanya multikolinearitas dapat
dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor VIF dengan membandingkan sebagai berikut :
• VIF 5 maka diduga mempunyai persoalan multikolinearitas. • VIF 5 maka tidak terdapat multikolinearitas.
• Tolerance 0.1 maka diduga mempunyai persoalan
multikolinearitas. • Tolerance 0.1 maka tidak terdapat multikolinearitas.
Dari hasil output SPSS pada tabel 4.10 di atas dapat dilihat bahwa nilai VIF semua variabel berada di bawah 5 dan nilai tolerance semua variabel
di atas 0.1, maka dapat disimpulkan pada model regresi tidak ditemukan persoalan multikolinearitas.
4. Uji Heteroskedastisitas
