3.4.4. Uji Asumsi
Klasik
Berdasarkan uji asumsi klasik persamaan regresi harus bersifat
BLUE
Best Linear Unbiased Ultimator, artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan
yang BLUE maka persamaan regresi harus memenuhi ketiga asumsi
klasik ini : a.
Tidak boleh ada multikolinearitas b.
Tidak boleh ada heteroskedastisitas c.
Tidak boleh ada autokorelasi Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar,
maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
3.4.4.1. Multikolinearitas
Multikolinearitas merupakan suatu keadaan dimana terjadi satu atau lebih variabel bebas yang berkorelasi sempurna atau mendeteksi
sempurna dengan variabel bebas lainnya Alghifari, 2000 : 84 Menurut Ghozali 2009: 96, deteksi adanya multikolinearitas
dalam model persamaan regresi adalah dengan melihat besaran VIF Variance Influaton Factor dan Tolerance. VIF dapat dihitung dengan
rumus: 1
VIF = Tolerance
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
VIF menyatakan tingkat ”pembengkakan” varians, apabila jika : 1.
VIF 10, maka terjadi multikolinearitas 2.
VIF 10, maka tidak terjadi multikolinearitas
3.4.4.2. Heteroskedastisitas
Heteroskedastisitas artinya adalah varians variabel dalam model tidak sama konstan untuk setiap nilai tertentu variabel
independenAlgifari, 2000 : 85 Heteroskedastisitas artinya adalah varians variabel dalam model
tidak sama konstan untuk setiap nilai tertentu variabel independenAlgifari, 2000 : 85. Untuk mendeteksi ada tidaknya
heteroskedastisitas digunakan korelasi rank spearman antara residual dengan seluruh variabel bebas.
Kriteria pengujiannya yaitu : a. Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas.
b. Nilai probabilitas 0,05 berarti terkena heteroskedastisitas.
3.4.4.3. Autokorelasi
Menurut Ghozali, 2009: 99 uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
sebelumnya. Salah satu cara untuk mendeteksi ada atau tidaknya autokorelasi yaitu dengan melakukan Uji Durbin-Watson DW
test
. Pengambilan keputusan ada tidaknya autokorelasi:
Tabel 3.1 Klasifikasi Durbin Watson
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada korelasi negatif
Tidak ada korelasi negatif Tidak ada autokorelasi positif
atau negatif Tolak
No decision Tolak
No decision Tidak ditolak
0 d d
L
d
L
≤ d ≤ d
U
4-d
L
d 4 4-d
U
≤ d ≤ 4-d
L
d
U
d 4-d
L
Sumber: Ghozali, 2009: 100 Dalam penelitian ini data yang digunakan bukan data time series
tetapi data cross sectional data yang diambil pada waktu tertentu yang diambil berdasarkan kuisioner, sehingga untuk uji autokorelasi tidak
dilakukan.
3.4.5. Teknik Analisis