yang menjelaskan yaitu di antara variabel independen. Diinterpretasikan secara luas multikoliniearitas berhubungan dengan situasi dimana
ada hubungan linear baik yang pasti atau mendekati pasti di antara variabel independent.
3.8.3 Uji Heteroskedastisitas
a
Heteroskedastisitas dilakukan untuk mengamati ada tidaknya perubahan varian residu dari satu sampel ke sampel lain, deteksi adanya heteroskedastisitas
dengan melihat kurva atau diagram pencar chart, dengan dasar pemikiran sebagai berikut:
b
Jika titik-titik terikat menyebar secara acak membentuk pola tertentu yang beraturan bergelombang, melebar kemudian menyempit maka terjadi
heteroskedastisitas.
Menurut Ghozali 2005 menyatakan: untuk mendeteksi apakah ada atau tidak gejala heteroskedastisitas dapat dilakukan dengan melihat grafik plot dan uji park. Uji
park yaitu varians S Jika tidak ada pola yang jelas serta titik-titik menyebar baik di bawah atau di atas
0 ada sumbu Y maka hal ini tidak terjadi heteroskedastisitas.
2
merupakan fungsi dari variabel-variabel bebas. Uji ini dilakukan menguadratkan nilai residual u
2 i
dari model kemudian kuadrat dari nilai residual dilogaritmakan Lnu
2 1
. Kemudian nilai
.
logaritma dari kuadrat residual dimasukkan sebagai variabel terikat dalam persamaan regresi yang baru. Jika angka
signifikansi t yang diperoleh dari persamaan regresi yang baru lebih besar dari alpha 5 maka dikatakan tidak terdapat heteroskedastisitas dalam data model, sebaliknya
jika angka signifikansi yang diperoleh lebih kecil dari alpha 5 maka dapat dikatakan terdapat heteroskesdatisitas dalam data model.
3.8.4 Uji Autokorelasi
Autokorelasi menunjukkan adanya kondisi yang berurutan antara gangguan atau distribusi yang masuk ke dalam fungsi regresi. Autokorelasi dapat diartikan
sebagai korelasi yang terjadi antara anggota observasi yang terletak berderetan secara serial dalam bentuk waktu atau korelasi antara tempat yang berdekatan bila datanya
cross series .
Di dalam model regresi, dianggap bahwa kesalahan penggganggu ε
i
, i = 1,2,...,n merupakan variabel acak yang bebas. Dengan perkataan lain, kesalahan
observasi yang berikutnya diperoleh secara bebas terhadap kesalahan sebelumnya. Artinya, E
εiεi+i
= 0, untuk semua I dan semua r ≠ 0. Apabila terjadi autokorelasi, data
asli harus ditransformasikan terlebih dahulu untuk menghilangkannya. Cara pengujiannya dilakukan dengan menggunakan Statistik d Durbin-Watson Durbin-
Watson d Statistic, yaitu untuk menguji apakah terjadi autokorelasi negatif atau
tidak, digunakan 4-d sebagai pengganti d. Apabila 4-d dl, tolak Ho yang menyatakan bahwa tidak ada autokorelasi negatif. Apabila 4-d du, tidak menolak
Ho
t=2
Untuk membuktikan apakah variabel-variabel bebas berpengaruh terhadap variabel terikat secara simultan maupun parsial maka digunakan alas uji sebagai
yang menyatakan tidak ada autokorelasi negatif. Selanjutnya apabila dl 4-d du , hasil pengujian tidak dapat disimpulkan.
berikut:
1. uji-F, untuk menguji pengaruh secara simultan atau uji F adalah untuk menguji
apakah semua variabel bebas atau dependen dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat atau dependen:
Di mana: SSR = Sum of square due to regression =
∑Ŷ
i
– y
2
SSE = Sum ofsquare error = ∑Y
i
– Ŷ
i
n = Jumlah observasi
2
k = Jumlah parameter termasuk intersep dalam model
MSR = Mean squares due to regression MSE =
z
Mean of squares due to error
Pengujian ini dilakukan dengan membandingkan nilai F
hitung
dengan F
tabel
dengan ketentuan jika nilai F
hitung
lebih besar dari F
tabel
atau signifikansi F
hitung
lebih kecil dari α 0,05 maka Ho ditolak dan Ha diterima. Hal ini berarti bahwa variabel bebas independent variable dalam model mempengaruhi
variabel terikat dependent variable. Demikian sebaliknya, apabila F
hitung
lebih kecil dari F
tabel
maka Ho diterima dan Ha ditolak. Artinya bahwa variabel bebas dalam model secara bersama-sama tidak mempengaruhi variabel terikat.
