3.4.1 Deteksi Asumsi Klasik
Suliyanto 2005 dalam bukunya menyatakan model regresi yang diperoleh dari metode kuadrat kecil biasa ordinary least squaresOLS
merupakan model regresi yang menghasilkan estimator linear tidak bias yang terbaik best linear unbias estimatorBLUE. Untuk mendapatkan kondisi
tersebut, model regresi harus memenuhi beberapa asumsi yang disebut dengan asumsi klasik. Oleh karena itu, selanjutnya model regresi dalam penelitian ini
dilakukan pengujian sebagai berikut:
3.4.1.1 Deteksi Multikolinearitas
Miltikolinearitas mengandung arti bahwa ada hubungan linear yang sempurna atau pasti terjadi beberapa atau semua variabel independen dalam
model regresi. Konsekuensi adanya multikolinearitas koefisien regresi variabel tidak tentu dan kesalahan menjadi tidak terhingga. Uji multikolinearitas bertujuan
untuk menguji apakah dalam model regresi yang baik seharusnya tidak terjadi korelasi antara variabel bebas. Multikolinearitas dalam penelitian ini diuji dengan
menggunakan auxiliary regresion untuk mendeteksi adanya multikolinearitas kriterianya adalah jika
regresi persamaan utama lebih besar dari auxiliary
regretion maka dalam model tidak terjadi multikolinearitas.
3.4.1.2 Deteksi Heteroskedastisitas
Salah satu penting dalam regresi linear klasik adalah bahwa gangguan yang muncul dalam regresi populasi adalah homokedastisitas, yaitu semua
gangguan memiliki varians yang sama atau varian setiap gangguan yang dibatasi untuk nilai tertentu mengenai pada variabel-variabel independen berbentuk nilai
konstanta yang sama dengan . Dan jika suatu populasi yang dianalisis memiliki
gangguan yang variansnya tidak sama maka mengindikasikan terjadinya kasus heterokedastisitas. Heteroskedastisitas adalah kondisi dimana error term tidak
memiliki suatu varians yang konstan untuk sama dengan observasi. Masalah heterokedastisitas lebih sering terjadi pada data cross section dari pada time series
serta muncul baik pada regresi sederhana maupun regresi berganda. Beberapa cara untuk menguji adanya heterokedastisitas salah satunya
dengan cara pengujian White Heteroskedasticity. Pedoman dari penggunaan model White adalah menolak hipotesis yang mengatakan bahwa terdapat masalah
heteroskedastisitas dalam model empiris yang sedang diestimasi. Pengujian heteroskedastisitas dilakukan dengan membandingkan nilai Obs R-squared uji
White dengan nilai tabel. Jika nilai perobabilitas Obs R-squarednya lebih
besar dari α berarti tidak ada heteroskedastisitas, demikian pula sebaliknya.
3.4.1.3 Deteksi Autokorelasi
Kategori