ß
1,
ß
2,
ß
3
= Koefisien regresi e
= residual atau kesalahan pengganggu
3.4.2. Uji Asumsi Klasik
Persamaan regresi tersebut diatas harus bersifat BLUE Best,Linier,Unbiased,Estimator artinya pengambilan keputusan melalui uji
F dan uji t tidak boleh bias. Menurut Sumodiningrat 2002: 115 sifat blue dapat dijelaskan sebagai berikut:
1. Best
: Pentingnya sifat ini bila diterapkan uji signifikan baku terhadap
α dan ß. 2.
Linier :Sifat ini dibutuhkan untuk memudahkan dalam penaksiran.
3. Unbiased :
Nilai jumlah sampel sangat besar penaksir parameter diperoleh dari sampel besar kira-kira lebih mendekati nilai
parameter sebenarnya. 4.
Estimate : e diharapkan sekecil mungkin. Menurut Gujarati 1995: 13 untuk menghasilkan keputusan yang
BLUE, maka harus dipenuhi oleh regresi linier berganda, yaitu : 1.
Nilai tengah mean value dan komponen penganggu e yang ditimbulkan dari variabel eksplanatory harus sama dengan nol.
2. Varian dari komponen penganggu harus konstan dalam
memenuhi syarat heteroskedasitas. 3.
Tidak terjadi autokorelasi antar komponen penganggu. 4.
Variabel eksplanatory harus non stokastik atau kalaupun stokastik harus menyebar bebas dari komponen penganggunya.
Yang diasumsikan tidak terjadi pengaruh antara variabel bebas atau regresi bersifat BLUE Best, Linier, Unbiased, Estimator artinya koefisien
regresi pada persamaan tersebut betul-betul linier dan tidak bias atau tidak terjadi penyimpangan-penyimpangan persamaan, seperti:
A. Multikolinearitas
Tepatnya istilah multikolinearitas berkenaan dengan terdapatnya lebih dari satu hubungan linier pasti dan istilah kolinearitas berkenaan
dengan terdapatnya satu hubungan linier Gujarati,1995: 157 Menurut Widarjono 2003:131, mengemukakan bahwa
multikolinearitas berarti adanya hubungan linier antara variabel independen di dalam regresi linier berganda dalam suatu persamaan.
Multikolinearitas merupakan korelasi variabel independen dalam regresi berganda.
Deteksi adanya Multikolinearitas : a. Besarnya VIF Variance Inflation Factor
Jika VIF melebihi angka 10, maka variabel tersebut mengindikasikan adanya multikolinearitas.
b. Nilai Eigenvalue mendekati 0 dan Condition Index melebihi angka 15 Nachrowi dan Usman,2006: 100.
B. Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke
pengamatan lain berbeda, maka disebut Heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi Heteroskedastisitas. Pengujian
Heteroskedastisitas di sini menggunakan korelasi rank Spearman antara residual dengan seluruh variabel bebas. Uji yang digunakan dalam
heteroskedastisitas yaitu dengan signifikan antara residual dengan variabel bebasnya dengan nilai signifikansi 0,05. Ghozali, 2001: 69.
C. Autokorelasi
Autokorelasi didefinisikan sebagai korelasi antara kesalahan pengganggu residual pada periode t dengan kesalahan pada periode t-1
sebelumnya. Autokorelasi muncul pada data observasi yang berurutan sepanjang waktu berkaitan satu sama lain, masalah ini timbul karena
residual tidak bebas dari satu observasi ke observasi lainnya. Uji untuk mendeteksi ada atau tidaknya autokorelasi dapat digunakan uji Durbin
Watston DW test dibantu dengan membandingkan nilai pada table statistic d dari Durbin Watson yang menggunakan derajat kepercayaan
0,005. Gozali, Imam 2001:61.
3.4.3 Uji Hipotesis 3.4.3.1. Uji Parsial Uji t