Uji Heteroskedastisitas Heteroskedasticity Uji Asumsi Klasik

Astri Nuraeni Kusumawardani, 2014 FAKTOR-FAKTOR YANG MEMPENGARUHI PERKEMBANGAN USAHA SEKTOR INFORMAL Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Adapun kriteria untuk mengetahui setiap variabel terkena korelasi atau tidak dapat dilihat dari hasil korelasi antarvariabel bebas. Dimana ketentuannya adalah:  Apabila nilai korelasi antarvariabel independen kurang dari 0,80 0,80 maka menunjukan tidak adanya multikolinearitas  Apabila nilai korelasi antarvariabel independen lebih dari 0,80 0,80 maka menunjukan adanya multikolinearitas

2. Uji Heteroskedastisitas Heteroskedasticity

Pengujian ini untuk melihat varians residu dari setiap item. Heteroskedastisitas terjadi jika variannya berbeda. Menurut Rohmana 2010:160, “Jika terkena heteroskedastisitas maka dengan demikian estimator � tidak lagi mempunyai varian yang minimum jika kita mengunakan metode OLS. Oleh karena itu, estimator � yang kita dapatkan akan mempunyai kerakteristik sebagai berikut : 1 Estimator metode kuadran terkecil masih linier linier. 2 Estimator metode kuadran terkecil masih tidak bias unbiased. 3 Tetapi, estimator metode kuadran terkecil tidak mempunyai varian yang minimum lagi no longer best .” Jadi dengan adanya heteroskedastisitas maka estimator OLS tidak menghasilkan estimator yang Best Linier Unbiased Estimator BLUE hanya mungkin baru sampai Linier Unbiased Estimator LUE. Ada beberapa cara yang bisa ditempuh untuk mengetahui adanya heteroskedastisitas , yaitu sebagai berikut : 1 Metode grafik, kriteria yang digunakan dalam metode ini adalah :  Jika grafik mengikuti pola tertentu misal linier, kuadratik atau hubungan lain berarti pada model tersebut terjadi heteroskedastisitas. Astri Nuraeni Kusumawardani, 2014 FAKTOR-FAKTOR YANG MEMPENGARUHI PERKEMBANGAN USAHA SEKTOR INFORMAL Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu  Jika pada grafik plot tidak mengikuti pola atau aturan tertentu maka pada model tersebut tidak terjadi heteroskedastisitas. 2 Uji Park Park test, yakni menggunakan grafik yang menggambarkan keterkaitan nilai-nilai variabel bebas misalkan X 1 dengan nilai-nilai taksiran variabel pengganggu yang dikuadratkan u 2 . 3 Uji Glejser Glejser test, yakni dengan cara meregres nilai taksiran absolut variabel pengganggu terhadap variabel X i dalam beberapa bentuk, diantaranya: 1 i 2 1 i 1 i 2 1 i X û atau X û             4 Uji korelasi rank Spearman Spearman’s rank correlation test. Koefisien korelasi rank spearman tersebut dapat digunakan untuk mendeteksi heteroskedastisitas berdasarkan rumusan berikut :            1 n n d 6 - 1 rs 2 2 1 Dimana : d 1 = perbedaan setiap pasangan rank n = jumlah pasangan rank 5 Uji White White Test. Pengujian terhadap gejala heteroskedastisitas dapat dilakukan dengan melakukan White Test, yaitu dengan cara meregresi residual kuadrat dengan variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas. Ini dilakukan dengan membandingkan χ 2 hitung dan χ 2 tabel , apabila χ 2 hitung χ 2 tabel maka hipotesis yang mengatakan bahwa terjadi heterokedasitas diterima, dan sebaliknya apabila χ 2 hitung χ 2 tabel maka hipotesis yang mengatakan bahwa terjadi heterokedasitas ditolak. Dalam metode White selain menggunakan nilai χ 2 hitung , untuk memutuskan apakah data terkena heteroskedasitas, dapat digunakan nilai probabilitas Chi Squares yang merupakan nilai probabilitas uji White. Jika probabilitas Astri Nuraeni Kusumawardani, 2014 FAKTOR-FAKTOR YANG MEMPENGARUHI PERKEMBANGAN USAHA SEKTOR INFORMAL Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Chi Squares α, berarti Ho ditolak jika probabilitas Chi Squares α, berarti Ho diterima. Dalam penelitian ini, penulis menggunakan uji metode grafik, dengan bantuan program SPSS 16 for Windows. Dalam regresi, salah satu asumsi yang harus dipenuhi adalah bahwa varians dari residual dari satu pengamatan ke pengamatan lain tidak memiliki pola tertentu. Salah satu uji untuk menguji heteroskedastisitas ini adalah dengan melihat penyebaran dari varians residual.

3. Uji Autokorelasi Autocorrelation