dapat dilihat dari nilai
tolerance
dan lawannya yaitu
Variance Inflation Factor
VIF. Untuk pengambilan keputusan dalam menentukan ada atau tidaknya
multikolinearitas yaitu dengan kriteria sebagai berikut:
1. Jika nilai VIF 10 atau jika nilai tolerance 0,1 maka ada
multikolinearitas dalam model regresi. 2.
Jika nilai VIF 10 atau jika nilai tolerance 0,1 maka tidak ada multikolinearitas dalam model regresi
3.6.2.3. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk mengetahui apakah ada korelasi antau kesalahan pada periode t dengan kesalahan t-1 pada model regresi linier. Jika ada
korelasi maka dinamakan ada problem autokorelasi. Model regresi akan dikatakan baik jika terbebas dari autokrelasi. Untuk menguji ada tidaknya autokorelasi
dalam model yang digunakan pada umumnya digunakan pengujian statistik –d
Durbin-Watson
yang dihitung berdasarkan jumlah selisih kuadrat nilai-nlai taksiran pada faktor-faktor pengganggu yang berurutan.
Untuk menentuka ada atau tidaknya auto korelasi maka ada 3 pengunjian yang dapat dilakukan, yaitu
;
1 Apabila nilai DW Durbin Watson lebih besar dari batas atas upper bound, maka koefisien autokorelasi sama dengan nol.
Artinya, tidak ada auto korelasi positif. 2 Apa bila nilai DW lebih rendah dari batas bawah lower bound, koefisien autokorelasilebih besar daripada nol.
Artinya ada autokorelasi positif. 3 Bila nilai DW terletak diantara batas atas dan batas bawah, maka tidak dapat disimpulkan
10
10
Mudrajad Kuncoro, op.cit, Hal. 90.
3.6.2.4. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi yang digunakam memiliki distribusi normal pada variabel pengganggu atau
residual. Seperti diketahui bahwa dalam uji t mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik tidak akan
ada artinya. Pengujian normalitas dalam penelitian ini menggunakan analisis grafik scatterplot yakni dengan melihat normal probabilility plot P-Plot yang
membandingkan probabiliti kumulatif dengan distribusi normal. Distribusi normal akan membentuk satu garis diagonal dan ploting data akan dibandingkan dengan
garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
3.6.2.5. Uji Kriteria Statistik
