Apabila salah satu dari ketiga asumsi tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE. Sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias Gujarati, 1995 : 152.
3.5.1. Uji Autokorelasi
Autokorelasi merupakan korelasi hubungan yang terjadi antara anggota-anggota dari serangkaian pengamatan observasi yang tersusun
dalam rangkaian waktu atau rangkaian ruang. Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi
pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Identifikasi ada tidaknya gejala autokorelasi dapat dilihat dari table
Watson dengan jumlah variable bebas k dan jumlah data n sehingga dL dan dU dapat diperoleh distribusi daerah keputusan ada atau tidaknya korelasi
Gujarati, 1995 : 201. Rumus :
d =
N t
t N
t t
t t
e e
e
1 2
1 2
2 1
Keterangan : d = Nilai Durbin Watson
e
t
= residual pada waktu ke-t e
t-1
= residual pada waktu ke-t-1
dL 4-dU
4-dL 4
Tidak ada autokorelasi positif dan tidak autokorelasi negatif
Daerah keragu-raguan
Daerah keragu-raguan
d
U
Ada autokorelasi
negatif
C
Ada autokorelasi
positif
Gambar 3.1 : Distribusi daerah keputusan Autokorelasi
3.5.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi
dapat dilihat dari 1 nilai tolerance dan 2 variance inflation factor VIF. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi. Nilai yang
umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance kurang dari 0,10 atau sama dengan VIF lebih dari 10 atau dengan
kata lain model regresi bebas dari multikolinearitas jika nilai tolerance 0,10 atau nilai VIF 10 Imam Ghozali, 2005: 91.
3.5.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
lain. Jika variance dari residual satu pengamatan ke pengaman yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas
Imam Ghozali, 2005:105. Model regresi yang baik adalah yang Homoskedastisitas atau tidak
terjadi Heteroskedastisitas. Pengujian rank korelasi dari Spearman didefinisikan sebagai berikut Gujarati, 1995 : 188
r
s
= 1 – 6
1
2 2
N N
d
i
Dimana : d
i
= Perbedaan dalam rank untuk dua dari individual atau fenomena ke i
N = Banyaknya individual atau fenomena yang dirank
3.6. Analisa Regresi Linier Berganda
