Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best
Linier Unbiased Estimator sehingga pengambilan keputusan melalui uji
F dan uji t menjadi bias.
1. Multikolinieritas
Multikolinieritas merupakan suatu keadaan yang terdapat satu atau lebih variabel bebas yang berkorelasi sempurna atau mendekati
sempurna dengan variabel bebas lainnya Santoso, 2001:206. Untuk mendeteksi adanya multikolineritas dapat dilihat ciri-
cirinya sebagai berikut : a.
Koefisien determinasi berganda
2
R tinggi
b. Koefisien korelasi sederhana tinggi
c. Nilai
F
hitung
tinggi signifikan d.
Tetapi tak satu pin atau sedikit sekali diantara variabel bebas yang signifikan
Akibat adanya multikolineritas adalah : a.
Nilai standart error tinggi sehingga taraf kepercayaan akan semakin lebar. Dengan demikian pengujian terhadap koefisien regresif secara
individu tidak signifikan. b.
Probabilitas untuk menerima hipotesa H diterima tidak ada
pengaruh antara variabel bebas terhadap ariabel terikatnya akan semakin besar.
Pendeteksian adanya multikolineritas dengan cara diatas masih lemah karena berapa nilai koefisien determinanasi dikatakan tinggi,
tidak ada acuan pasti. Demikian pula tidak ada satupun diantara variabel bebas yang signifikan. Cara lain adalah dengan mengetahui
nilai Variance Inflation Factor atau VIF yang dapat dihitung dengan rumus :
tolerance VIF
1
……………………………………… Gujarat, 2000 : 105
Untuk mengetahui ada atau tidaknya gejala multikolineritas pada model regresi linier berganda yang dihasilkan dapat dibuktikan denngan
nilai VIF yang berada disekitar angka 1 dan nilai tolerance yang mendekati angka 1 Santoso, 2001:206.
2. Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan urut data waktu data time series
atau data yang diambil pada waktu tertentu data cross sectional . Untuk mengetahui ada atau tidaknya gejala autokorelasi pada
model regresi linier berganda yang dihasilkan maka dapat dibuktikan dengan nilai DURBIN WATSON sebagai berikut :
Tabel 3.1 : Penentuan Nilai Durbin Watson Kriteria
dW tes berada di Ada autokorelasi positif
dW 0,90 Tidak ada kesimpulaninconclusive
0,90 ≤ ≤ 1,71
dW Non autokorelasi
1,71 ≤ ≤ 2,29
dW Tidak ada kesimpulaninclonclusive
2,29 ≤ ≤ 3,10
dW Ada autokorelasi negative
dW ≥ 3,10
Santoso, 2001:218
3. Heterokedastisitas
