50 Menurut Montgomery dan Hinies dalam blog Dicky Rahardiyantoro
2006 dijelaskan bahwa multikolinearitas data mengakibatkan koefisien regresi yang dihasilkan oleh analisis regresi berganda menjadi sangat lemah atau tidak
dapat memberikan hasil analisis yang mewakili sifat atau pengaruh dari variable bebas yang bersangkutan. Dalam banyak masalah multikolinearitas dapat
menyebabkan uji t menjadi tidak siginifikan. Pengujian dilakukan dengan menggunakan matriks korelasi Corelation
Matrix .
Dengan langkah pengujian sebagai berikut: Hipotesis:
Ho: tidak bersifat Multikolinearitas Ha: bersifat Multikolinearitas
Pengambilan keputusan dilakukan dengan kriteria: •
Bila hubungan antara X
1
dan X
2
0.8 → Ho ditolak, model bersifat multikolinearitas
• Bila hubungan antara X
1
dan X
2
0.8 → Ho diterima, model tidak bersifat multikolinieritas
d. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan lain. Jika nilai dari variannya tetap maka disebut homoskedastisitas, sedangkan jika variannya berbeda disebut heteroskedastisitas, dimana model
regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
51 Pendeteksian heteroskedastisitas dapat dilakukan melalui Uji White.
Dengan langkah-langkah pengujian sebagai berikut: Hipotesis;
Ho: tidak terjadi Heteroskedastisitas Ha: Terjadi Heteroskedastisitas
Pengambilan keputusan dilakukan dengan kriteria: •
Bila probabilitas ObsR
2
0.05 → Ho ditolak, terjadi heteroskedatisitas •
Bila probabilitas ObsR
2
0.05 → Ho diterima, tidak terjadi heteroskedatisitas.
e. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi liniear terdapat korelasi atau tidak.
Model regresi yang baik adalah model regresi yang tidak terdapat problem autokorelasi.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut : a.
Bila D-W di bawah -2 berarti terdapat autokorelasi positif. b.
Bila D-W diantara -2 s.d. +2 tidak terdapat autokorelasi. c.
Bila D-W di atas +2 terdapat autokorelasi negatif. Untuk mengetahui ada atau tidaknya penyakit autokorelasi dalam suatu
model, dapat dilihat dari nilai statistik Durbin-Watson.
52
Tabel 3.1 Uji Durbin-Watson
Ada autokorelasi
positif Tidak
dapat diputuskan
Tidak ada autokorelasi
Tidak dapat
diputuskan Ada
autokorelasi negatif
dl du 2 4-du 4-dl 4
1.10 1.54 2.46 2.90
Langkah-langkah pengujian sebagai berikut: Hipotesis:
Ho: tidak terdapat Autokorelasi Ha: Terdapat Autokorelasi
Pengambilan keputusan dilakukan dengan kriteria: •
Bila nilai DW tidak berada antara 1.54 – 2.46 → Ho ditolak, model terdapat autokorelasi
• Bila nilai DW berada antara 1.54 – 2.46 → Ho diterima, model tidak
terdapat autokorelasi Selain dengan menggunakan uji Durbin Watson, untuk melihat ada
tidaknya penyakit autokorelasi dapat juga digunakan uji Langrange Multiplier LM Test dengan membandingkan nilai probabilitas R-Squared dengan α = 0.05
Gujarati: 2006 Langkah-langkah pengujian sebagai berikut:
Hipotesis: Ho: tidak terjadi Autokorelasi
Ha: Terjadi Autokorelasi
53 Pengambilan keputusan dilakukan dengan kriteria:
• Bila probabilitas ObsR
2
0.05 → Ho ditolak, terjadi autokorelasi
Bila probabilitas ObsR
2
0.05 → Ho diterima, tidak terjadi autokorelasi 2. Metode Analisis Regresi Linear Berganda
Analisis regresi linear berganda adalah hubungan secara linear antara dua atau lebih variabel independen dengan variabel dependen. Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau
negatif dan untuk memprediksi nilai variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya
berskala interval atau rasio. Dalam upaya untuk mencapai tujuan dan pengujian hipotesis, maka akan
digunakan metode analisis regresi linear berganda secara umum model yang digunakan adalah sebagai berikut:
LNKM = βo + β
1
LNPDB + β
2
LNTPAK + β
3
DM + ε Dimana:
KM = Jumlah penduduk miskin di Indonesia
TPAK = Jumlah Tingkat Partisipasi Angkatan Kerja di Indonesia
PDB = Produk Domestik Bruto di Indonesia
DM = Dummy krisis ekonomi, D=0 1984-1997, D=1 1998-2009
βo = konstanta
ε = Error term
54
3. Uji Hipotesis
Untuk membuktikan kebenaran hipotesa yang di ajukan dalam analisa ini menggunakan suatu uji terhadap output yang dihasilkan oleh model regresi linear
berganda tersebut diatas. Uji statistik ini disebut juga uji signifikan.Gujarati, 1999.
a. Uji t
Uji t digunakan untuk menguji hubungan regresi secara parsial. Pengujian ini dilakukan untuk mengukur tingkat signifikan setiap variabel
bebas terhadap variabel terikatnya dalam model regresi. •
Jika t statistik t table, maka Ho diterima dan ha ditolak, artinya tidak ada pengaruhnya antara Variabel independen terhadap Variabel
dependen. •
Jika t statistik t table, maka Ha diterima dan Ho ditolak, artinya ada pengaruh antara Variabel independen terhadap Variabel dependen.
Pengujian ini dilakukan pada taraf signifikan tertentu adalah 5, yang artinya tingkat kesalahan suatu variable adalah 5 atau 0,05
sedangkan tingkat keyakinannya adalah 95 atau 0,95. Jadi apabila tingkat kesalahan suatu Variabel 5 atau 0,05 berarti Variabel tersebut tidak
signifikan. b. Uji F
Uji F digunakan untuk menguji apakah ada hubungan antara variable bebas independen variabel secara bersama-sama terhadap variabel tidak
bebas dependen variabel. Maka dalam pengujian ini dilakukan hipotesis sebagai berikut:
55 •
F
hitung
F tabel, maka Ho ditolak dan Ha diterima. Artinya secara bersama-sama variable bebas independen variabel berpengaruh terhadap
variabel tidak bebas dependen variabel. •
F
hitung
F tabel, maka Ho diterima dan Ha ditolak. Artinya secara bersama-sama Variabel bebas independen variabel tidak berpengaruh
terhadap variabel tidak bebas dependen variabel. Selain dengan cara diatas, uji-F juga dapat dilakukan dengan cara Quick
Look , yaitu: melihat nilai probability dan derajat kepercayaan yang
ditentukan dalam penelitian atau melihat nilai F-tabel dengan F-hitungnya. Jika nilai probability 0,05 atau α=5 persen yang berarti menolak Ho dan
menerima Ha dan sebaliknya. Hal ini menunjukkan bahwa variabel independen secara bersama-sama mempengaruhi variabel dependennya dan
sebaliknya Kuncoro, 2003:219.
c. Koefisiean Determinasi
