1. Model regresi adalah linier, yaitu linier di dalam parameter. 2.
Residual variabel pengganggu ε
i
mempunyai nilai rata-rata nol zero mean value of disturbance
ε
i
. 3.
Homokedastisitas atau varian dari ε
i
dan varibel independen adalah konstan. 4. Tidak ada autokorelasi antara variabel pengganggu.
5. Kovarian antara ε
i
dan variabel independen adalah nol. 6. Jumlah data observasi harus lebih banyak dibandingkan dengan jumlah
parameter yang akan diestimasi. 7. Tidak ada multikolinieritas.
8. Variabel pengganggu harus berdistribusi normal atau stokastik. Berdasarkan kondisi tersebut, agar suatu model dikatakan baik maka perlu
dilakukan beberapa pengujian.
3.6.2.1. Normalitas
Uji normalitas data dilakukan untuk melihat bahwa suatu data terdistribusi secara normal atau tidak. Cara mendeteksi normalitas adalah dengan pengamatan
melauli nilai residual. Untuk menguji normal atau tidaknya faktor pengganggu, maka dilakukan uji normalitas dengan menggunakan Jarque-Bera Test J-B test.
Cara lain untuk melihat apakah data telah terdistribusi normal dengan menggunakan J-B test ini adalah dengan melihat angka probability. Apabila
angka probability lebih besar dari 0,05 maka data berdistribusi normal, sebaliknya apabila angka probability lebih kecil dari 0,05 maka data tidak berdistribusi
normal.
UNIVERSITAS SUMATERA UTARA
3.6.2.2. Multikolinieritas
Multikolinieritas adalah adanya hubungan linear yang sempurna di antara beberapa atau semua variabel independen dari suatu model regresi, atau dengan
kata lain terdapat korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Bila variabel-variabel tersebut berkorelasi secara sempurna maka
disebut multikolinieritas sempurna. Bila terjadi multikolinieritas, maka ada derajat kolinieritas yang tinggi di antara variabel-varibel bebas sehingga metode
kuadrat terkecil tidak bisa digunakan. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen Sumodiningrat, 1993.
Multikolinieritas pada hakikatnya adalah fenomena sampel dalam suatu model regresi populasi atau secara teoritis diasumsikan semua variabel bebas
mempunyai pengaruh secara individual terhadap variabel terikat. Bila terjadi suatu sampel tertentu yang digunakan beberapa atau seluruh variabel bebas
mempunyai korelasi yang tinggi, sehingga tidak dapat diisolasi pengaruhnya terhadap variabel terikat, maka sampel tidak memenuhi syarat atau asumsi dasar
mengenai ketidaktergantungan di antara variabel bebas yang termasuk dalam model. Multikolinieritas adalah persoalan tentang derajat dan bukan tentang
jenis. Multikolinieritas bukanlah persoalan mengenai apakah korelasi di antara variabel-variabel bebas itu negatif atau positif, tetapi merupakan persoalaan
mengenai adanya korelasi di antara varibel-variabel bebas. Multikolinieritas diduga terjadi bila:
1. Nilai R
2
yang dihasilkan dari hasil estimasi model empiris sangat tinggi tetapi sedikit ratio t yang singnifikan.
UNIVERSITAS SUMATERA UTARA
2. Korelasi berpasangan yang tinggi di antara variabel-variabel penjelas, yaitu melebiihi 0,8.
3. Nilai stand ar error yang tidak terhingga atau cukup besar. 4. Sebagian besar tanda dari koefisien regresi berlawanan dengan teori atau
hipotesis. Derajat multikolinieritas yang tinggi mengakibatkan tingginya
ketidaktepatan koefisien-koefisien regresi. Ketidaktepatan di sini mengandung arti bahwa multikolinieritas menimbulkan varian-varian yang sangat besar.
3.6.2.3. Autokorelasi