D
1
= Variabel Dummy Jenis Kelamin D
1
= 1 jika jenis kelamin laki-laki D
1
= 0 jika jenis kelamin perempuan D
2
= Variabel Dummy Pengalaman Kerja D
2
= 0 jika belum pernah bekerja D
2
= 1 jika sudah pernah bekerja β
= intersep konstanta β
1,
β
2,
β
3,
β
4,
β
5
= koefisien regresi parsial u = variabel Penganggu
3.5.1 Deteksi Multikolinearitas
Deteksi Multikolinearitas digunakan untuk mengetahui adanya hubungan linier yang sempurna diantara beberapa atau semua variabel bebas dari model
regresi Gujarati, 1999. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Cara untuk mendeteksi ada tidaknya multikolinearitas di
dalam model regresi dapat dilihat dari nilai
Tolerance
dan
Variance Inflation Factors
VIF. Kedua ukuran ini menunjukkan variabel bebas lainnya.
Tolerance
mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya, jadi nilai
tolerance
yang rendah sama dengan nilai VIF tinggi karena VIF =
1tolerance
dan menunjukkan adanya kolinearitas yang tinggi.
Variance Infaltion Factors
VIF mengukur variabilitas variabel bebas
terpilih dapat dijelaskan variabek bebas lainnya. Nilai
cut off
yang umum dipakai untuk menunjukkan multikolinearitas adalah nilai
tolerance
0,10 atau sama dengan VIF 10. Suatu model regresi bebas dari masalah multikolinearitas
apabila nilai
tolerance
lebih dari 0,1 dan nilai VIF kurang dari 10 Ghozali, 2005.
3.5.2 Deteksi Heteroskedastisitas
Deteksi Heteroskedastisitas adalah situasi penyebaran yang tidak sama atau tidak samanya variance sehingga uji signifikansinya tidak valid Gujarati,
1999. Deteksi heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan
variance
dari residual satu pengamatan ke pengamatan lain. Jika
variance
dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut deteksi heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi deteksi heteroskedastisitas. Untuk mendeteksi adanya gejala heteroskedastisitas dalam
model persamaan regresi digunakan metode glejser, uji park, uji white, dan uji breusch-pagan-godfrey Gujarati, 2003. Metode ini melakukan regresi antara
nilai absolut dari tiap variabel independen. Apabila koefisien regresi tersebut signifikan maka dapat heteroskedasisitas di dalam data. Damodar, 2003.
3.5.3 Deteksi Normalitas