Dalam regresi linear diasumsikan bahwa residual ε
i
merupakan variabel acak yang mengikuti distribusi normal dengan
Σε
i
= 0 dan Var ε
i
atau Σε
i
= σ
2
. Bentuk gangguan
ε
i
diintroduksikan ke dalam model agar dapat menampung berbagai hal yang diakibatkan oleh pengaruh galat error, seperti error dari
variabel yang tidak dimasukkan dalam model, error dari pengukuran variabel dan pengaruh dari kesalahan elemen-elemen yang melekat pada perilaku
manusia. 2. Tidak terdapat multikolinearitas
Multikolinearitas adalah suatu keadaan di mana satu atau lebih variabel independennya berkorelasi dengan variabel independen lainnya atau dengan
kata lain suatu variabel independen merupakan fungsi linear dari variabel independen lainnya.
3. Tidak terdapat heteroskedastisitas adanya homoskedastisitas Heteroskedastisitas terjadi karena perubahan situasi yang tidak tergambar
dalam model regresi secara spesifik atau dengan kata lain jika residual tidak memiliki varians yang konstan. Hal ini biasa terjadi pada data cross section.
Uji yang perlu dilakukan untuk mengetahui ada atau tidaknya asumsi- asumsi tersebut adalah sebagai berikut:
1. Uji Normalitas
Untuk menguji kenormalan disturbance error variabel gangguan digunakan pendekatan grafik program SPSS, yaitu normal probability plot yang
mendeteksi normalitas dengan melihat penyebaran data titik pada sumbu
diagonal grafik. Dasar pengambilan keputusannya adalah Singgih Santoso, 2000:214:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal maka model regresi memenuhi asumsi normalitas b.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas
2. Uji Multikolinearitas
Multikolinearitas adalah sebuah situasi yang menunjukkan terjadinya korelasi diantara variabel independen dalam model regresi, sehingga dapat
menyebabkan ketidakpastian estimasi. Gejala multikolinearitas dapat dideteksi dengan menggunakan nilai variance inflating factor VIF dan nilai tolerance
TOL. Hair et al 1998 menyebutkan rule of the thumb adalah jika nilai VIF ≤
10, menunjukkan tidak adanya multikolinearitas antar variabel independen. Namun jika nilai VIF 10, maka terjadi multikolinearitas. Nilai TOL berkisar
antara 0 dan 1. Jika nilai TOL = 1 maka tidak terdapat kolinearitas yang tinggi dan sempurna antar variabel independen. Disebutkan pula bahwa gejala
multikolinearitas selalu ada dalam tetap model penelitian, namun permasalahannya terletak pada apakah tingkat multikolineritas yang ada cukup
berbahaya atau tidak bagi model peneltian.
