Menurut Qudratullah (2013), pengujian regresi berganda dengan variabel bebas dan variabel tidak bebas (terikat) sanggup mengalami kesalahan dan penyimpangan dalam analisis. Asumsi klasik yaitu syarat - syarat yang harus di penuhi dalam analisis regresi. Terdapat beberapa penyimpangan yang biasa di temui dalam analisis regresi berganda, khususnya dalam ekonometri. Penyimpangan tersebut antara lain :
a.Multikoliniearitas
Mnurut Gujarati (2003), multikolinearitas menunjukan bahwa terdapat hubungan linear (korelasi) yang tepat atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari model regresi. Model regresi yang baik seharusnya tidak terjadi hubungan linear diantara variabel independen. Menurut Rosadi (2011), Jika terjadi hubungan yang besar lengan berkuasa di antara variabel independen, problem multikolinearitas akan muncul. kalau terjadi kolinearitas estimiasi dari koefisiensi menjadi tidak valid. Salah satu ukuran yang paling terkenal untuk melihat adanya multikolinieritas antar variabel independen yaitu variance Inflation factor (VIF) atau tolerence / TOL (1/VIF). Regresi yang bebas multikolinearitas miliki nilai VIF di sekitar satu atau TOL mendekati satu. Untuk satu variabel independen, nilai VIF >10 berarti terjadi kolinearitas yang besar lengan berkuasa antar variabel independen.b.Heteroskedastisitas
Menurut Rosadi (2011), Uji heteroskedastisitas dipakai untuk menguji apakah variansi bersifat galat atau konstan (homoskedastis) atau berubah – rubah (heteroskedastis). Apabila tersjadi heteroskedastisitas, estimiator OLS tidak bersifat BLUE, tetapi hanya LUE. Dengan demikian, nilai galat standar (standart eror) dari koefisien hasil estimasi yang di peroleh dengan metode OLS tidak akurat.Adapun cara untuk mendeteksi ada atau tidaknya heteroskedastisitas berdasarkan Sunyoto (2011), yaitu dengan cara melihat hasil output spss melalui grafik scatterplot antara Z prediction (ZPRED) yang merupkan variabel bebas (sumbu X = Y hasil prediksi) dan nilai residualnya (SRESID) merupakan variabel terikat (sumbu Y = Y preiksi - Y riil). Homoskedastisitas terjadi kalau pada scatter plot titik – titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah atau di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai contoh yang teratur. Heteroskedastisitas terjadi kalau pada scatterplot titik – titiknya mempunyai contoh yang tertentu, baik menyempit, melebar, maupun bergelombang-gelombang.
c.Normalitas
Menurut Sunyoto (2011), uji perkiraan klasik normalitas akan menguji data veriabel bebas (X) dan data variabel terikat (Y) pada persamaan regresi yang dihasilkan, apakah berdistribusi normal atau berdistribusi tidak normal. Persamaan regresi yang baik apabila mempunyai data variabel bebas dan variabel terikat yang berdistribusi mendekati normal atau normal sama sekali. Uji perkiraan klasik normalitas salah satunya yaitu dengan grafuk histrogram dan normal probability plots.Cara grafik histogram dalam memilih suatu data berdisribusi normal atau tidak, cukup membandingkan antara data riil/nyata dengan garis kurva yang terbentuk, apakah mendekati nomal atau normal sama sekali. Jika data riil membentuk garis kurva yang cenderung tidak simetris, maka sanggup dikatakan data berdistribusi tidak normal. Cara normal probability plots lebih handal dari pada cara grafik histogram. Hal tersebut dikarenakan cara ini membandingkan data rill dengan data distribusi normal (otomatis oleh komputer) secara komulatif. Suatu data sanggup dikatakan berdistribusi normal kalau garis data riil mengikuti garis diagonal.
d.Autokorelasi
Menurut Sunyoto (2011), persamaan regresi yang baik yaitu yang tidak mempunyai problem autokorelasi. Jik terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak untuk dipakai dalam prediksi. Masalah autokorelasi gres timbul kalau ada hubungan secara linier antara kesalahan penggangu periode t (berada) dan kesalahan pengganggu periode t-1 (sebelumnya).Menurut Santoso (2000), tujuan uji autokorelasi yaitu untuk mengetahui apakah dalam suatu model regresi linear ada hubungan antara kesalahan pengganggu dengan kesalahan sebelumnya. Apabila hal ini terjadi maka terdapat problem autokorelasi. Adapun kritik pengujiannya yaitu kalau du < d < 4–du maka Ho ditolak yang berarti tidak ada autokorelasi baik positif maupun negatif. Untuk mengetahui ketepatan model regresi sampel dalam menaksir nilai aktualnya sanggup diukur dari goodness of fitnya. goodness of fit dalam model regresi sanggup diukur dari nilai koefisien determinasi, nilai statistik F, dan uji statistik t.
Sumber :
Qudratullah, M.F. Analisis Regresi Terapan (Teori, Contoh Kasus, dan Aplikasi dengan Spss). Yogyakarta; Andi Offset.
Gujarati, Damodar. 1978. Basic Econometrics. McGraw-Hill, Inc. Terjemah oleh Zain, S. Ekonometrika Dasar. Jakarta: Erlangga.
Santoso, S. 2000. Buku Latihan SPSS Statistik Parametrik. Elex Media Komputindo. Jakarta
Sunyoto, Danang. 2011. Analisis Regresi dan Uji Hipotesis. Yogyakarta: CAPS.
Rosadi, Dedi. 2011. Analisis Ekonometrika & Runtun Waktu Terapan dengan R. Yogyakarta; ANDI.
Sumber http://www.galinesia.com