Y = α + β1 X2 + β2 X2 + βn Xn + e
Keterangan:
Y = Variabel terikat atau variabel response.
X = Variabel bebas atau variabel predictor.
α = Konstanta.
β = Slope atau Koefisien estimate.
ASUMSI
- Rasio
Merupakan asumsi skala data semua variabel terikat adalah
interval atau rasio. Data interval merupakan data yang
dikelompokan berdasarkan ukuran yang sama. Data interval
merupakan data yang pada umumnya bersifat kontinyu,
Contohnya data skor atau data prestasi.
Data rasio merupakan data yang didalamnya dapat dimuat
dengan nilai nol sebagai data kuantitas. Data rasio juga bersifat
kontinyu.
- Linearitas
Linearitas merupakan hubungan yang ditampilkan berupa linear
antara variabel dependen dengan independen. Dengan kurva
estimasi kita bisa tentukan ada hubungan linear atau tidak dengan
melihat nilai p value linearitas. Jika p value < 0,05 maka terdapat
hubungan yang linear antara predictor dan response.
- Homoskedisitas
Homoskedastisitas adalah sebuah kondisi dimana varians dari
error bersifat konstan atau tetap. Dengan kata lain bahwa varians
dari error bersifat identic untuk setiap pengamatan. Kebalikan
dari homoskedastisitas adalah heteroskedastisitas. Model regresi
linear yang baik adalah model yang bebas dari kondisi
heteroskedastisitas. Untuk menguji homoskedastisitas pada
regresi linear, dapat digunakan uji homoskedastisitas dari
glejser, uji park, uji white, spearman heteroskedastisitas, dan
masih banyak uji lainnya. Yang tentunya sudah saya bahas pada
artikel lainnya terutama pada artikel uji heteroskedastisitas.
- Multikolinearitas
- Autokolerasi