3.8.2.3 Uji Heterokedastisitas
Uji heterokedastisitas adalah terdapat ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Uji heterokedastisitas
dilakukan untuk mengetahui adanya penyimpangan dari ketetapan asumsi klasik pada model regresi, dimana dalam model regresi diharapkan tidak
adanya heterokedastisitas. Heterokedastisitas diketahui apabila varians dari residual satu pengamatan ke pengamatan lainnya bersifat konstan,
sedangkan jika varians dari residual satu pengamatan ke pengamatan lainnya bersifat tidak konstan disebut sebagai homokedastisitas. Dalam penelitian
ini, untuk mengetahui ada tidaknya heterokedastisitas dapat dilihat dari grafik scatterplot antara nilai prediksi variabel independen dengan nilai
residualnya. Di dalam metode grafik ini, dasar analisis untuk mengetahui heterokedastisitas adalah sebagai berikut :
a. Jika di dalam grafik terdapat titik-titik yang membentuk pola tertentu yang teratur, bergelombang, menyebar atau menyempit maka dapat
disimpulkan bahwa telah terjadi heterokedastisitas. b. Jika titik-titik di dalam grafik tidak ada pola yang jelas, serta titik-titik
tersebut menyebar maka dapat disimpulkan bahwa tidak terjadi heterokedastisitas.
3.8.2.4 Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik mengenai korelasi yang terjadi antara residual
Universitas Sumatera Utara
pada satu pengamatan ke pengamatan lain pada model regresi. Penyimpangan asumsi ini biasanya terjadi pada penelitian yang
menggunakan time series karena gangguan pada individukelompok yang sama pada periode berikutnya. Model regresi yang baik adalah yang bebas
dari autokorelasi. Dalam Gunawan 2013: 264 guna mendeteksi ada tidaknya autokorelasi banyak metode yang dapat digunakan antara lain
yakni uji Durbin-Watson, uji Lagrange Multiplier, uji Statistik Q:Box –
Pierce dan Ljung Box, uji Breusch – Godfrey dan metode grafik. Dalam
penelitian ini peneliti menggunakan uji run test karena uji run test lebih memberikan jawaban yang pasti ketika terdapat masalah dalam penggunaan
uji Durbin-Watson. Ukuran yang digunakan adalah apabila nilai asymp.sig 2-tailed
lebih besar dari α = 0,05, maka dapat dikatakan bahwa data tersebut tidak memiliki autokorelasi, dan sebaliknya
3.8.3 Uji Regresi Linear Berganda