koefisien regresi yang terbaik linier dan tidak bias BLUE : Best Linier Unbiased Estimator.
1. Multikolinearitas
Multikolinearitas berarti ada hubungan yang pasti diantara beberapa atau semua variabel independent dari model regresi. Adapun cara
pendekatannya adalah jika multikolinearitas tinggi, seseorang mungkin memperoleh R
2
yang tinggi tetapi tidak satupun atau sangat sedkit koefisien yang ditaksir yang signifikan atau penting secara statistik.
Untuk mengetahui tidak ada gejala multikolinearitas dapat dilihat dari nilai VIF Varians Inflation Factor 10.
Ada beberapa indikasi adanya multikolinearitas : 1.
Jika statistik F signifikan tetapi statistic t tidak ada signifikan. 2.
Jika R
2
relatif besar tetapi statistic t tidak ada yang signifikan.
2. Heteroskedastisitas
Maksud dari penyimpangan heteroskedastisitas adalah variabel independen yang tidak konstan berbeda untuk setiap nilai tertentu
variabel independen. Pada regresi linear berganda, nilai residual tidak boleh ada hubungan dengan variabel independen.
Uji heteroskedastisitas dengan menggunakan uji rank Spearman, yaitu meregresikan antara nilai kuadrat residual dengan nilai seluruh
variabel bebas yang ada. Jika hasil regresi menunjukkan nilai signifikan t ≥ nilai α , maka regresi linear tidak terdapat heteroskedastisitas. Nilai
residual kuadrat Y observasi – Y prediksi .
Selain itu pada scatterplot akan dihasilkan gambar yang memancarkan atau menyebarkan dan tidak mengumpul pada sati titik
ataupun membentuk suatu pola tertentu apabila pada persamaan regresi tidak terjadi heteroskedastisitas.
3. Autokorelasi
Dapat didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series atau data yang
diambil pada waktu tertentu data cross sectional. Jadi dalam model regresi linear diasumsikan tidak terdapat gejala autokorelasi. Artinya
nilai residual Y observasi – Y prediksi tidak boleh ada hubungan dengan nilai residual Y observasi – Y prediksi tidak boleh ada
hubungan dengan nilai residual pada periode sebelumnya e. Untuk mengetahui ada tidaknya gejala autokorelasi maka perlu
dilihat tabel Watson dengan jumlah variabel bebas k dan jumlah data n sehingga pengukurannya dapt diandalkan karena penggunaan alat
ukur tersebut berkali-kali akan memberikan hasil yang serupa.
4. Normalitas
