<![CDATA[Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas. Jika asumsinormalitas dilanggar, maka hasil estimasi, uji t, dan uji F pada regresi menjadi tidak valid. Selain itu perlu diperhatikankorelasi diantara variable independen, jika terdapat korelasi yang cukup tinggi maka dapat dikatakan terjadimultikolinearitas. Efek dari multikolinearitas ini dapat mengakibatkan estimasi parameter regresi yang dihasilkanmenjadi tidak efisien karena mempunyai bias dan variansi yang besar.Berdasarkan hasil simulasi, dampak multikolineritas pada regresi linear ganda dengan keadaan asumsinormalitas dipenuhi memberikan standar error estimasi dan MSE yang jauh lebih besar jika dibandingkan dalamkondisi asumsi normalitas dilanggar. Dalam kondisi error berdistribusi t, standar error estimasi dan MSE jugahampir sama dengan kondisi asumsi normalitas dipenuhi. Hal ini berarti jika terjadi multikolineritas, estimasikoefisien regresi pada kondisi eror berdistribusi simetris  yang diperoleh tidak valid. Pada kondisi error berdistribusinon simetris (exponensial, weibull dan gamma) standar error estimasi dan MSE yang diperoleh jauh lebih kecildaripada kondisi eror berdistribusi simetris. Dengan demikian dampak multikolineritas lebih berbahaya padakondisi asumsi normalitas terpenuhi, Lebih umum dampak multikolinearitas lebih berbahaya pada kondisi erorberdistribusi simetri.Kata Kunci : multikolinearitas, normalitas, simulasi]]>
