Misalnya R
2
= 0,915 artinya 91,5 variasi variabel Y dapat dijelaskan oleh variasi variabel X, sedangkan sisanya yaitu 8,5 tidak dapat dijelaskan oleh model
yang dibangun dalam penelitian.
3.9 Uji Asumsi Klasik
Dalam pengujian regresi, terdapat beberapa asumsi dasar yang dapat menghasilkan estimator linear tidak bias atau BLUE Best Linear Unbiased
Estimator yang terbaik dari model regresi berganda. Dengan terpenuhinya asumsi tersebut, maka hasil yang diperoleh dapat lebih akurat dan mendekati atau sama
dengan kenyataan, di mana asumsi-asumsi dasar itu dikenal dengan asumsi klasik Hasan, 2002b:280.
3.9.1 Heteroskedastisitas
Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya
Hanke dan Reistchn dalam Kuncoro, 2007 Artinya setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatar-belakangi
tidak terangkum dalam spesifikasi model. Gejala heteroskedastisitas lebih sering dijumpai dalam data silang tempat dari runtut waktu, maupun juga sering muncul
dalam analisis yang menggunakan data rata-rata Ananta dalam Kuncoro, 2007. Uji heteroskedastisitas dianjurkan oleh Halbert White. White berpendapat
bahwa uji X
2
merupakan uji umum ada tidaknya misspesifikasi model karena hipotesis nol yang melandasi adalah asumsi bahwa: 1 residual adalah
homoskedastisitas dan merupakan variabel independen; 2 spesifikasi linear atas model sudah benar. Dengan hipotesis nol tidak ada heteroskedastisitas, jumlah
observasi n dikalikan R
2
yang diperoleh dari regresi auxiliary secara asimtosis akan mengikuti distribusi chi-square dengan degree of freedom sama dengan jumlah
variabel independen tidak termasuk konstanta. Bila salah satu atau kedua asumsi ini tidak dipenuhi akan mengakibatkan nilai Statistics t yang signifikan. Namun bila
sebaliknya nilai statistik t tidak signifikan berarti kedua asumsi di atas dipenuhi. Artinya model yang digunakan lolos dari masalah heteroskedastisitas.
Cara lain untuk mendektesi adanya heteroskedastisitas dengan cara grafis, uji Park, uji Glejser, dan uji Goldfeld-Quandt Gujarati dalam Kuncoro, 2007. Rule of
Thumb: nilai probabilitas Obs R-s quared dari α = 5, maka model terbebas dari
heteroskedastisitas.
3.9.2 Multikolinearitas
Multikolinearitas adalah adanya suatu hubungan linear yang sempurna mendekati sempurna antara beberapa atau sesuai variabel bebas. Mendeteksi ada
atau tidaknya multikolinearitas adalah menjalankan regresi auxiliary, yaitu dengan menjalankan regresi di mana secara bergantian semua variabelnya dijadikan variabel
dependen. Rule of Thumb: bila R
2
, lebih tinggi dibandingkan dengan dan
maka dalam model empirik tersebut tidak ditemukan adanya multikolinearitas Kuncoro,
2007:110
3.9.3 Uji Normalitas
