Namun menurut J. Supranto 1995, penggunaan metode OLS dalam penelitian akan menghasilkan pemerkira linear tak bias Best
Linear Unbiased Estimator BLUE tanpa memperhatikan apakah
residual mengikuti distribusi normal atau tidak. Dalam hal ini, pemerkira OLS cenderung akan mendekati distribusi normal apabila
sampel semakin besar yaitu n mendekati tak terhingga. Dengan kata lain, pemerkira OLS mengenai koefisien regresi cenderung mengikuti
distribusi normal secara asimtotis asymptotically normally distributed. Pernyataan ini juga didukung oleh Algifari 2000 yang menyatakan
bahwa meskipun terjadi penyimpangan normalitas, kondisi BLUE akan tetap terpenuhi. Hal ini disebabkan karena penyimpangan normalitas
hanya sedikit atau bahkan tidak berpengaruh terhadap pola perubahan variabel dependen.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji ada tidaknya korelasi yang tinggi atau sempurna diantara variabel bebas yang
terdapat pada model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebasnya. Deteksi adanya
multikolinearitas dalam penelitian ini dilakukan dengan melihat nilai koefisien korelasi berpasangan diantara dua variabel bebas. Nilai VIF
Variance Inflation Factor kurang dari 10 menunjukkan bahwa tidak
terjadi multikolinearitas. Uji multikolinearitas dalam penelitian ini menunjukkan hasil sebagai berikut:
Tabel 4.6 Hasil Uji Multikolinearitas
Variable Centered VIF
C NA
DINFLASI 1.300300
DEXRATE 1.070811
DFG 1.061595
DFDR 1.390220
DBOPO 1.156534
RES-1 1.220420
Sumber: Lampiran 6 halaman 143 Dari Tabel 4.6 hasil uji multikolinearitas dapat diketahui bahwa
semua nilai koefisien korelasi kurang dari 10. Hal ini dapat memberikan kesimpulan bahwa tidak terdapat multikolinearitas atau hubungan
antarvariabel bebas di dalam model regresi.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah residual dari model memiliki varians yang konstan atau tidak. Model
regresi yang baik adalah model yang bebas dari gejala heteroskedastisitas. Deteksi adanya heteroskedastisitas dalam penelitian
ini dilakukan dengan Uji White Heteroscedasticity. Apabila nilai probabilitas ObsR-squared lebih besar dari 0,05 maka dapat
disimpulkan bahwa
tidak terjadi
heteroskedastisitas. Uji
heteroskedastisitas dalam penelitian ini menunjukkan hasil sebagai berikut:
Tabel 4.7 Hasil Uji Heteroskedastisitas
Heteroscedasticity Test: White F-statistic
1.033727 Prob. F 0.4119
ObsR-squared 6.272834 Prob. Chi-Square
0.3933 Sumber: Lampiran 6 halaman 143
Dari hasil uji heteroskedastisitas pada Tabel 4.7 dapat diketahui bahwa nilai ObsR-squared adalah sebesar 6,272834 dengan
probabilitas sebesar 0,3933. Karena nilai probabilitas lebih besar dari 0,05 maka dapat disimpulkan bahwa tidak terdapat heteroskedastisitas
dalam model.
d. Uji Autokorelasi
