Menurut Steel and Torrie 1993, dalam membuat suatu persamaan regresi linier berganda diperlukan beberapa asumsi mendasar. Asumsi tersebut
antara lain:
1. Multikolinieritas
Kolinier ganda Multikolinierity merupakan hubungan linier yang sama kuat antara peubah-peubah bebas dalam persamaan regresi berganda. Adanya
kolinier berganda ini menyebabkan pendugaan koefisien menjadi tidak stabil Chaterjee, 1977.
Pendeteksian terjadinya suatu kolinier ganda, dapat dilihat pada hasil VIF Variance Inflation Factors. Nilai VIF ini diperoleh dari persamaan :
2
1 1
j
R VIF
− =
Keterangan : R
j 2
= Koefisien determinasi dari regresi peubah bebas ke-j dengan semua peubah lainnya.
Nilai VIF yang lebih besar dari 10 menunjukkan bahwa peubah tersebut berkolinier ganda Myers, 1990. Adanya kolinier ganda dalam model akan
mengakibatkan Jollite, 1986 : 1. Penduga koefisien regresinya menjadi tidak nyata walaupun nilai R
j 2
nya tinggi.
2. Nilai-nilai dengan koefisien regresi menjadi sangat sensitif terhadap perubahan data.
3. Dengan metode kuadrat terkecil, penduga koefisien regresi mempunyai simpangan baku yang sangat besar.
2. Autokorelasi
Uji autokorelasi digunakan untuk melihat kebebasan data. Kebebasan disini berarti data untuk suatu periode tertentu tidak dipengaruhi oleh data
sebelumnya. Salah satu metode untuk menguji autokorelasi ini adalah Metode Durbin Watson. Rumus metode ini adalah :
∑ ∑
= =
−
− =
n i
i n
i i
i
e e
e D
1 2
1 2
1
Keterangan : e
i
= Selisih nilai Y pada periode i e
i-1
= Selisih nilai Y pada periode sebelumnya
Sumber: Santoso, 1999
3. Kenormalan Data
Kenormalan data diperlukan dalam analisis regresi berganda, hal ini disebabkan metode ini merupakan salah satu metode analisis parametrik.
Kenormalan diketahui melalui sebaran regresi yang merata disetiap nilai. Salah satu metode yang digunakan untuk menguji kenormalan data adalah
Metode Kosgomorov Smirnov. Dalam Metode Kosgomorov Smirnov, penerimaan H0 mengindikasikan bahwa data yang dianalisis tersebar normal.
Rumus Uji Kosgomorov Smirnov adalah : 4
2 2
n m
n m
D
Max
+ ×
× ×
= χ
Keterangan : m = Kelompok data 1
n = Kelompok data 2 D = Perbedaan maksimal kelompok data
Sumber: Santoso, 1999
4. Homoskedastisitas Homogenitas Data
