Jika sigma 0,05, maka Ha diterima dan Ho ditolak
4.6.1.2 Uji Multikolonieritas
Salah satu asumsi dalam metode kuadrat terkecil adalah tidak adanya hubungan linear antara variabel independen. Jika hal ini terjadi, maka dikatakan
bahwa data mengalami multikolonieritas. Indikasi awal data yang mengalami Multikolonieritas yaitu apabila model memiliki standard error yang besar dan
nilai statistic t yang rendah. Ada beberapa metode yang digunakan untuk mendeteksi multikolonieritas dalam suatu model regresi. Salah satu ciri
persamaan regresi yang mengalami masalah multikolonieritas adalah nilai R² yang tinggi namun memiliki sedikit variabel independen yang mempengaruhi variabel
dependen secara signifikan Ghozali, 2005. Metode yang digunakan untuk mendeteksi multikolonieritas dalam penelitian ini adalah tolerance - Variance
Inflactor Faktor VIF. Multikolonieritas terjadi apabila nilai tolerance 0,10 dan VIF 10.
4.6.1.3 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1 tahun sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal
ini sering ditemukan pada data runtut waktu atau time series karena ―gangguan‖
pada individu atau kelompok cenderung mempengaruhi individu atau kelompok pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari
Universitas Sumatera Utara
autokorelasi. Pada penelitian ini, gejala autokorelasi dideteksi dengan menggunakan Uji Durbin-Watson lewat SPSS. Pengambilan keputusan ada
tidaknya autokorelasi ditentukan berdasarkan kriteria berikut Ghozali, 2005: 2.
Bila nilai DW terletak antara batas atas atau upper bound du dan 4-du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
3. Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl,
maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif.
4. Bila nilai DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih
kecil daripada nol, berarti ada autokorelasi negatif. 5.
Bila nilai DW terletak di antara batas atas du dan batas bawah dl atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat
disimpulkan.
4.6.1.4 Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk menguji apakah pada model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan lainnya Ghozali, 2005. Jika variabel dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas.
Model regresi
yang baik
adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk menguji ada tidaknya heteroskedastisitas pada penelitian ini digunakan grafik plot antara nilai
prediksi variabel dependen ZPRED dengan residualnya SRESID melalui program SPSS. Deteksi ada tidaknya heteroskedastisitas dapat dilihat dengan ada
Universitas Sumatera Utara
atau tidaknya pola tertentu pada grafik scatter plot antara SRESID dan ZPRED. Dasar pengambilan keputusan Ghozali, 2005:
1. Jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang teratur bergelombang, melebar kemudian menyempit, maka telah terjadi
Heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas
4.6.2 Pengujian Hipotesis