Estimator, hal ini terpenuhi jika plot antara nilai residual dan nilai prediksi tidak membentuk suatu pola tertentu atau acak.
Suatu model dikatakan BLUE bila memenuhi persyaratan sebagai berikut, yaitu :
1 Tidak boleh ada multikolineritas.
2 Tidak boleh ada heteroskedastisitas.
3 Tidak boleh ada autokorelasi.
4 Normalitas
Apabila ada salah satu asumsi dasar tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Multikolinieritas
Multikolineritas artinya antar variable independent yang terdapat dalam model memiliki hubungan yang sempurna atau mendekati sempurna
koefisien korelasinya tinggi atau bahkan 1 Untuk mengetahui apakah dalam persamaan regresi ditemukan adanya korelasi antar variabel
independent dapat menggunakan uji multikolinieritas, karena dalam model regresi linier yang baik seharusnya tidak terjadi korelasi diantara variabel
independent. Menurut Yarnest 2003 : 68, terdapatnya korelasi yang sempurna
atau tidak sempurna tetapi sangat tinggi pada variabel independent yang dilambangkan dengan X
1
, X
2
, regresi tidak dapat ditentukan dan standar
deviasi akan memiliki nilai tak terhingga, sehingga X
3
,….X
n
. Jika terjadi multikolinieritas pada variabel independent akan berakibat koefisien
metode Least Square tidak dapat digunakan. Mengukur multikolinieritas dapat dilihat dari nilai toleransi dan
Variance Inflation Faktor VIF dari masing-masing variabel. Jika nilai toleransi 0.10 atau VIF 10 maka terdapat multikolinieritas, sehingga
variabel tersebut harus dibuang atau sebaliknya.
2. Heteroskedastisitas
Terdapat nilai variasi residual yang sama untuk semua pengaturan, atau terdapatnya pengaruh perubahan variabel independent X
1
dengan nilai mutlak residual, sehingga penaksiran akan menjadi akurat. Mengukur
heteroskedastisitas dilihat dari nilai signifikan korelasi Rank Spearman. Menurut Yarnest 2003 : 70, deteksi adanya heteroskedastisitas adalah
sebagai berikut : a.
Bila probabilitas ≥ 0,05 berarti tidak terdapat heteroskedastisitas.
b. Bila probabilitas 0,05 berarti terdapat heteroskedastisitas.
3. Autokorelasi
Terdapat korelasi di antara sesama data pengamatan dimana adanya suatu data dipengaruhi oleh data sebelumnya data time series yang saling
berhubungan, sehingga koefisien korelasi yang didapat menjadi kurang akurat. Mengukur autokorelasi dilihat dari nilai Durbin Waston Test
DW.
Menurut Yarnest 2003 : 73, deteksi adanya autokorelasi adalah sebagai berikut :
a. Jika nilai DW terletak antara d
u
dan 4 - d
u
atau d
u
≤ DW ≤ 4 – d
u
, berarti bebas dari autokorelasi. b.
Jika nilai DW d
L
atau DW 4 – d
L
berarti terdapat autokorelasi.
4. Normalitas
