Estimator BLUE, maka model regresi haruslah memenuhi asumsi klasik regresi. Pengujian asumsi klasik dalam penelitian ini meliputi uji normalitas, uji
multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi Ghozali, 2005.
3.5.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel residual atau pengganggu memiliki distribusi normal. Seperti diketahui
bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk
jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik Ghozali, 2005.
3.5.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen bebas. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol Ghozali, 2005.
3.5.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas.
Kebanyakan data crossection silang waktu mengandung situasi
heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang dan besar Ghozali, 2005.
3.5.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara residual pada periode t dengan residual pada periode t-1
sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan
satu sama lainnya. Masalah ini timbul karena residual tidak bebas dari satu pengamatan ke pengamatan lainnya. Hal ini sering ditemukan pada data time
series runtut waktu karena residualgangguan pada seorang individukelompok cenderung mempengaruhi residualgangguan pada individukelompok yang sama
pada periode berikutnya. Pada data crossection, masalah autokorelasi relatif jarang terjadi karena residualgangguan pada observasi yang berbeda berasal dari
individukelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2005.
3.5.3 Uji Hipotesis
