Metode Penentuan Sampel METODE PENELITIAN

61 dan X 3 hanya 0,43, padahal bila tidak mempertimbangkan pengaruh X 4 ,nilainya 0,90. Jadi, dengan mempertimbangkan korelasi parsial ini, kita bisa katakan bahwa kolinearitas antara X 2 dan X 3 cukup tinggi. d. Regresi subsider atau regresi tambahan auxiliary regression. Salah satu cara untuk mengetahui variabel X mana yang sangat kolinear dengan variabel-variabel X lain dalam model adalah meregresikan masing- masing variabel X terhadap variabel-variabel X yang lain dan menghitung nilai R2 terkait. Masing-masing regresi ini disebut regresi tambahan Auxiliary Regression. Apabila nilai R2 terkait auxiliary lebih besar dari nilai R2 model utama, maka terdapat multikolineritas di dalam model. e. Faktor inflasi varians variance inflation factor-VIF. Meskipun suatu model tidak berisikan beberapa variabel penjelas, nilai R 2 yang diperoleh dari berbagai regrasi tambahan mngkin bukanlah petunjuk kolinearitas yang dapat diandalkan. Faktor inflasi varians variance inflation factor-VIF karena sewaktu R 2 naik, varians, dan bersamaan itu juga kesalahan standar, baik b 1 maupun b 3 , juga naik atau menanjak. VIF = .................................................................3.2 2. Heteroskedastisitas Dalam Gujarati 2006: 110-111 asumsi penting model regresi linear klasik CLRM adalah bahwa gangguan ui yang tercakup dalam fungsi regresi populasi PRF bersifat homoskedastis, artinya semua memiliki varians yang sama,  2 . Jika tidak demikian, dimana ui adalah  i 2 yang menunjukan bervariasi dari observasi ke observasi berarti kita menganggap situasi heteroskedastisitas 62 atau varians tak sama. Banyak cara untuk mendeteksi heteroskedastisitas dalam model, salah satunya adalah dengan menggunakan Uji White White Test. Pedoman dari penggunaan model White adalah menolak hipotesis yang mengatakan bahwa terdapat masalah heteroskedastisitas dalam model empiris yang sedang diestimasi. Pengujian heteroskedastisitas dilakukan dengan membandingkan nilai ObsR-squared Uji White dengan nilai  2 tabel. Nilai ObsR-squared yang lebih kecil dibandingkan nilai  2 tabel, menunjukkan bahwa model estimasi regresi terbebas dari heteroskedastisitas. 3. Autokorelasi Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti data time series atau ruang seperti data cross section. Maurice G. Kendall dan William R. Buckland dalam Gujarati 2006:120 mengatakan istilah autokorelasi bisa didefinisikan sebagai korelasi diantara anggota observasi yang diurut menurut waktu seperti data deret berkala atau ruang seperti data lintas sektoral. Dalam penelitian ini, untuk mendeteksi apakah suatu model terdapat autokolerasi maka dilakukan Uji Breusch-Godfrey BG Test. Pengujian ini dilakukan dengan meregresikan variabel pengganggu μ i dengan menggunakan model autoregressive dengan orde sebagai berikut Imam Ghozali, 2009:94. ........3.3 Dengan H adalah 1 = 2 ... ... ..., = 0 dimana koefisien autoregressive secara keseluruhan sama dengan nol, menunjukkan tidak terdapat autokorelasi pada