3.5 Asumsi Klasik
Menurut Gujarati 1995 bahwa dalam analisis linier berganda perlu menghindari penyimpangan asumsi klasik supaya tidak timbul masalah
dalam penggunaan analisis regresi linier berganda. Persamaan regresi tersebut harus bersifat BLUE Best Linier
Unbiased Estimator, artinya pengambilan keputusan uji-F tidak boleh bias. Untuk menghasilkan keputusan yang BLUE harus memenuhi tiga
asumsi yang tidak boleh dilanggar, yaitu : a.
Tidak boleh ada multikolinieritas b.
Tidak boleh ada autokorelasi c.
Tidak boleh ada heterokedastisitas
3.5.1 Multikolinieritas
Adalah suatu keadaan dimana antar variabel independen yang terdapat dalam model regresi memiliki hubungan yang sempurna atau
mendekati sempurna koefisien korelasinya tinggi atau bahkan 1. Adanya multikolinieritas menyebabkan standar eror cenderung semakin besar
dengan meningkatnya tingkat korelasi antar variabel dan standar eror menjadi sangat sensitif terhadap perubahan data. Diperlukan pembuktian
atau identifikasi secara statistik ada tidaknya gejala multikolinieritas. Beberapa metode untuk menguji gejala multikolinieritas sebagai berikut :
1. Melihat korelasi antar variabel bebas, jika korelasi antar variabel
melebihi 0,50 diduga terdapat gejala multikolinieritas.
2. Melihat pada nilai Variance Inflation Factor VIF, jika nilai VIF
kurang dari 10 maka tidak terdapat multikolinieritas. 3.
Koefisien determinasi R
2
tinggi, uji parsial tidak satupun yang signifikan.
3.5.2 Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antar data observasi yang diurutkan berdasarkan urutan waktu data time series atau
data yang diambil pada waktu tertentu data cross section, Gujarati, 1995:201. Uji autokorelasi bertujuan untuk menguji apakah dalam suatu
model regresi linier ada korelasi antara kesalahan pengganggu pada periode t-1 sebelumnya.
Identifikasi ada tidaknya gejala autokorelasi dapat dilihat dengan menghitung nilai Durbin Watson dengan rumus :
d =
Keterangan : d
= nilai Durbin Watson e
t
e = residual periode t
t–1
= residual peridoe t–1
3.5.3 Heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan
yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan
yang lain tetap atau disebut homoskedastisitas. Persoalaan
heteroskedastisitas sering terjadi pada data Cross Section elemenanggota populasi pada suatu saat tertentu dan mempunyai karakteristik yang
berbeda. Cara mengidentifikasi heteroskedastisitas dengan menggunakan Uji
Rank Spearman antara residual dengan seluruh variabel bebas Gujarati, 1995:188. Rumus uji Rank Spearman :
rs = 1 – 6 Keterangan :
di = selisih ranking standar deviasi S dan ranking nilai mutlak eror
N = banyaknya sampel
3.6 Uji Normalitas