Diagnosis Model Multivariat
Model regresi dalam analisis multivariat dapat dilakukan jika asumsi klasik dipenuhi yaitu multikolinearitas, autokorelasi dan heteroskedastisitas. Multikolinearitas menunjukkan adanya hubungan linier yang sempurna diantara variabel independen. Pengujian multikolinearitas dapat dilakukan dengan dua cara. Satu, menggunakan VIF (variance inflation factor) dengan batas nilai toleransi terendah 0,10 dan tertinggi 10. Dua, menggunakan hasil collinearity diagnostic dari regresi yang dilakukan. Dari hasil collinearity diagnostic dilihat nilai Eigenvalue-nya dan condition index. Apabila nilai Eigenvalue mendekati 0 maka terjadi multikolinearitas dan apabila nilai condition index lebih besar dari 15 maka terjadi multikolinearitas.
Ternyata model regresi tidak menunjukkan terjadinya gejala multikolinearitas. Hal ini ditunjukkan dengan nilai VIF terendah 1,153 dan tertinggi 2,455. Sedangkan nilai eigenvalue terendah 0,164 dan tertinggi 2,499. Perlu dijelaskan bahwa walaupun nilai eigenvalue terendah mendekati nol, tetapi karena condition index-nya tidak lebih dari 15 maka dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas pada model regresi.
Autokorelasi menunjukkan adanya kondisi yang berurutan diantara gangguan atau disturbance ui atau ei yang masuk ke dalam fungsi regresi. Pengujian autokorelasi menggunakan uji Durbin Watson. Jika nilainya mendekati 2 maka tidak terjadi autokorelasi tetapi bila nilainya mendekati 0 atau 4 terjadi autokorelasi. Model regresi yang digunakan dalam hipotesis 1 dan hipotesis 2 tidak mengalami autokorelasi dengan rata-rata nilai Durbin Watson 2,233. Tabel 5 menunjukkan hasil uji autokorelasi.
Heteroskedastisitas menunjukkan variansi antar variabel tersebar dan tidak sama. Untuk mendeteksi gejala heteroskedastisitas dapat menggunakan uji White. Dalam uji White, squared residuals dari original regression diregresikan dengan variabel-variabel X original dan nilai kuadratnya. Jika nilai chi-squared yang diperoleh melebihi nilai chi-squared kritis pada tingkat signifikansi yang dipilih, maka simpulannya adalah terjadi heteroskedastisitas. Jika nilai chi-squared yang diperoleh tidak melebihi nilai chi-squared kritis pada tingkat signifikansi yang dipilih, maka simpulannya adalah tidak terjadi heteroskedastisitas. (Gujarati, 2003, hal. 413) Berdasarkan hasil uji White yang dilakukan diperoleh hasil nilai chi-squared sebesar 38,367 sedangkan nilai chi-squared tabel sebesar 53,672. Berdasarkan hasil uji yang dilakukan ini disimpulkan tidak terjadi heteroskedastisitas dalam model regresi.
