28
1. Tidak boleh ada autokorelasi
2. Tidak boleh ada multikolinieritas
3. Tidak boleh ada heteroskidasitas
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi BLUE.
1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urutan waktu data time series atau
data yang diambil pada waktu tertentu data cross–sectional” Gujarati, 1995 : 201. Pada penelitian ini tidak menggunakan data time series
melainkan menggunakan data cross-sectional sehingga tidak dilakukan pengujian autokorelasi.
2. Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel–variabel ini tidak
orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol Ghozali, 2001 : 57. Untuk
mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
1. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel–variabel bebas banyak
yang tidak signifikan mempengaruhi variabel terikat.
29
2. Menganalisis matrik korelasi variabel–variabel bebas. Jika antar
variabel bebas ada korelasi yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolinieritas.
3. Multikolinieritas dapat dilihat dari nilai tolerance dan Variance Inflation
Factor VIF. Persamaan regresi linier berganda diatas diasumsikan tidak terjadi
pengaruh antar variabel bebas. Apabila ternyata ada pengaruh linier antar variabel bebas, maka asumsi tersebut tidak berlaku lagi terjadi bias.
Untuk mendeteksi adanya multikolinieritas dapat dilihat ciri–cirinya sebagai berikut:
a. Koefisien determinasi berganda R square tinggi
b. Koefisien korelasi sederhana tinggi
c. Nilai F hitung tinggi signifikan
d. Tapi tidak satupun diantara variabel bebas yang signifikan
Akibat adanya multikolinier adalah: 1.
Nilai standart error galat baku tinggi sehingga taraf kepercayaan confidance intervalnya akan semakin melebar. Dengan demikian,
pengujian koefisien regresi secara individu menjadi tidak signifikan. 2.
Probabilitas untuk menerima hipotesa Ho diterima tidak ada pengaruh antara variabel bebas terhadap variabel terikat akan semakin besar.
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung koefisien korelasi product moment
atau Variance Inflation Factor VIF
30
I VIF =
Gujarati, 1995 : 339 Q – R
j 2
VIF menyatakan tingkat “pembengkakan” varians. Apabila varians lebih besar dari 10. Hal ini berarti terdapat multikolinier pada persamaan regresi
linier Gujarati, 1995 : 339
3. Heteroskedastisitas
