3.6. Uji Asumsi Klasik
Uji Asumsi Klasik Model regresi yang baik adalah model regresi yang menghasilkan estimasi linier tidak bias Best Linier Unbias EstimatorBLUE.
Kondisi ini akan terjadi jika dipenuhi beberapa asumsi, yang disebut dengan asumsi klasik Algifari, 2000: 83-92.
3.6.1. Multikolinearitas
Multikolinearitas mengandung arti bahwa antarvariabel independen yang terdapat dalam model memiliki hubungan yang sempurna, atau mendekati sempurna
koefisien korelasinya tinggi, atau bahkan 1. Konsekuensi yang sangat penting bagi model regresi yang mengandung multikolinearitas adalah bahwa kesalahan standar
estimasi akan cenderung meningkat dengan bertambahnya variabel independen, tingkat signifikansi yang digunakan untuk menolak hipotesis nol H0 akan semakin
besar, dan probabilitas menerima hipotesis yang salah akan semakin besar. Akibatnya model regresi yang diperoleh tidak shahih tidak valid untuk menksir nilai variabel
independen. Diagnosis sederhana terhadap adanya multikolinearitas di dalam model regresi adalah sebagai berikut:
1. Melalui nilai t hitung, R
2
R square, dan F ratio. Jika R square tinggi, nilai F ratio tinggi, sedangkan sebagian besar atau bahkan seluruh koefisien regresi tidak
signifikan nilai t hitung sangat rendah, maka kemungkinan terdapat multikolinearitas dalam model tersebut.
Universitas Sumatera Utara
2. Menentukan koefisien antara variabel independen yang satu dengan variabel
independen yang lain. Jika antara dua variabel independen memiliki korelasi yang spesifik misalnya, koefisien korelasi yang tinggi antara variabel independen atau
tanda koefisien korelasi variabel independen berbeda dengan tanda koefisien regresinya, maka di dalam model regresi tersebut terdapat multikolinearitas.
Kuncoro 2001: 114 mengemukakan bahwa, “bila korelasi antara dua variabel penjelasbebas independen melebihi 0,8 dilihat dalam matrik korelasi maka
multikolinearitas menjadi masalah serius”. Dengan demikian apabila nilai korelasi tersebut tidak mencapai 0,8, berarti kasus multikolinearitas tidak perlu
dikhawatirkan. 3.
Membuat persamaan regresi antar variabel independen. Jika koefisien regresinya signifikan, maka dalam model terdapat multikolinearitas. Menghilangkan adanya
multikolinearitas pada suatu model regresi terdapat bermacam-macam cara. Cara yang paling mudah adalah menghilangkan salah satu atau beberapa variabel yang
mempunyai korelasi tinggi dari model regresi. Jika ini dilakukan berarti melakukan kesalahan spesifik, karena mengeluarkan variabel independen dari
model regresi yang secara teoritis variabel tersebut dapat mempengaruhi variabel dependen.
3.6.2. Autokorelasi