2. Uji Autokorelasi
Menurut Wijaya dalam Haryadi dan Julianita, 2011 uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear
ada korelasi antara kesalahan pengganggu disturben term-ed pada periode t dan kesalahan pengganggu pada periode sebelumnya t-1.
Apabila terjadi korelasi maka hal tersebut menunjukkan adanya problem autokorelasi. Masalah autokorelasi sering terjadi pada data time series
data runtun waktu. Untuk mendeteksi adanya autokorelasi bisa
digunakan tes Durbin Watson DW. Kriteria tes Durbin Watson DW :
a. jika nilai D-W lebih kecil dari -2 maka terjadi autokorelasi positif.
b. jika nilai D-W diantara -2 sampai +2 maka tidak terjadi autokorelasi.
c. jika nilai D-W lebih besar dari +2 maka terjadi autokorelasi negatif.
3. Uji Heterokedatisitas
Menurut Wijaya dalam Haryadi dan Julianita, 2011 heterokedatisitas menunjukkan bahwa varians variabel tidak sama untuk
semua pengamatan atau observasi. Jika varians dari residual satu pengamatan ke pengamatan lain tetap maka disebut homokedatisitas.
Model regresi yang baik adalah terjadi homokedasititas dalam model atau dengan kata lain tidak terjadi heterokedatisitas. Ada beberapa cara untuk
mendeteksi ada tidaknya heterokedatisitas yaitu dengan deteksi ada atau tidaknya heterokedatisitas yang dilakukan dengan melihat ada tidaknya
pola tertentu pada grafik scaterplot dengan dasar analisis :
Universitas Sumatera Utara
a. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas;
b. jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk mengetahui apakah hubungan diantara variabel bebas memiliki masalah multikorelasi gejala
multikorelasi atau tidak. Mutikorelasi adalah korelasi yang sangat tinggi atau sangat rendah yang terjadi pada hubungan diantara variabel bebas.
Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dilihat dari nilai tolerance dan lawannya Variance Inflation Factor VIF.
Batasan umum yang dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0.1 atau VIF 10
Ghozali, dalam Hasdina 2013
3.6.2 Analisis Regresi