Uji Asumsi Klasik Uji Hipotesis dan Analisis Data

mana yang berhubungab dengan variabel X lainnya adalah dengan meregres setiap Xi terhadap variabel X sisanya dan menghitung nilai R 2 . 4. Tolerance dan Variance Inflation Factor VIF. Apabila VIF tidak disekitar 1 maka tidak terjadi gejala multikoleniaritas, tetapi jika VIF melebihi 1 maka terjadi multikoleniaritas. Kemudian melihat nilai tolerance. b Uji Heteroskedastisitas Menurut Ghozali 2014, Uji heteroskedasitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Jika nilai residual atau eror dalam model regeresi adalah homoskedastisitas atau memiliki varian yang sama, maka asumsi homoskedastisitas berarti sama dan sebaran memiliki variance yang sama atau E 2 = 2 i= 1,2,3……, n Mendeteksi permasalahan heteroskedastisitas dapat dilakukan dengan menggunakan uji park, uji glesjer, uji korelasi spearman, uji goldfield-quandt, uji breusch-pagan-godfrey dan uji white c Uji Autokorelasi Menurut Ghozali 2014, uji autokorlasi bertujuan untuk mengetahui apakah dalam suatu model terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berturut-turut sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu atau time series karena “gangguan” pada individu atau kelompok cenderung mempengaruhi “gangguan” pada individu atau kelompok yang sama pada periode berikutnya. Pada data cross-section silang waktu, masalah autokorelasi relatif jarang terjadi karena gangguan pada observasi yang berbeda berasal dari individu atau kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi, diantaranya adalah: 1 Uji Durbin Waston DW test Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstant dalam model regresi dan tidak ada variabel lag diantara variabel independen. Ho = tidak ada autokorelasi p = 0 Ha = ada autokorelasi p ≠ 0 2 Uji Lagrange Multiple LM test Uji autokorelasi dengan LM test digunakan untuk sample besar diatas 100 observasi. Uji ini lebih tepat digunakan dibanding uji DW terutama apabila sampel yang digunakan relatif besar dan derajat autokorelasi lebih dari satu. Uji LM akan menghasilkan statistik Breusch-Godfrey sehingga uji LM juga kadang disebut uji Breusch-Godfrey.

4. Uji Hipotesis dan Analisis Data

Menurut Ghozali 2014, Menilai ketetepatan model dalam regresi maka dilakukan dengan menggukur dati goodness of fit. Secara statitsik dapat dihitung dengan melihat nilai dari koefisen determinasi, nilai statistik F dam nilai statistik t. Apabila perhitungan statistik menghasilkan nilai yang signifikan maka secara statistik apabila nilai uji statistiknya berada di daerah kirtis daerah H ditolak. a Uji Signifikansi Parameter Individual Uji T Uji statistik t digunakan untuk mengetahui seberapa jauh pengaruh satu variabel independen terhadap variabel dependen dengan menganggap variabel independen lainya konstan. Jika asumsi normali tas eror yaitu μi ~ N 0,σ 2 terpenuhi, maka dapat digunakan untuk menguji koefisien parsial dari regresi. H0 : β1 = 0 dan HA : β1≠0 Uji t t = Keterangan β1 adalah koefisien parameter, se β1 adalah standar eror koefisien parameter keputusantya maka H0 ditolak yang berarti berpengaruh terhadap Y. b Uji Signifikansi Simultan Uji Statistik F Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama-sama atau simultan terhadap variabel dependen. Hipotesis nol adalah joint hyphotesis bahwa β1, β2..... βk secara simultan sama dengan nol. H0 : β1 = β2 = ........= βk = 0 Pengujian hipotesis ini sering disebut pengujian signifikansi keseluruhan overall significance terhadap garis regresi yang ingin menguji apakah Y secara linear berhubungan dengan kedua X1 dan X2. Joint Hyphotesis dapat diuji dengan teknik analisis variance ANOVA. Pengambilan keputusan: Dimisalkan model regresi dengan k-variabel Yi = α + β1X1 + β2X2i + β3X3i + ......... + βkXki + µi H0 : β1 = β2 =......... = βk = 0 semua slope koefisien slope secara simultan sama dengan nol Ha: tidak semua koefisien slope secara simultan sama dengan nol Rumus nilai F statistik: Jika F hitung F tabel yaitu Fα k – 1, n – k maka hipotesis nil ditolak. Dimana Fα k – 1, n – k adalah nilai kritis F pada tingkat signifikansi α dan derajat bebas df pembilang k – 1 serta derajat bebas df penyebut n – k. Terdapat hubungan yang erat antara koefisien determinasi R 2 dan Nilai F test. Secara matematis nilai F dapat juga dinyatkan dalam rumus seperti dibawah ini: Berdasarkan rumus ini dapat disimpulkan jika R 2 = 0 maka F juga sama dengan nol. Semakin besar R 2 maka nilai semakin besar nilai F namun demikian jika R 2 = 1 maka F menjadi tak terhingga jadi dapat disimpulkan uji F statistik yang mengukur signifikansi secara keseluruhan dari garis regresi dapat juga digunakan untuk menguji signifikansi dari R 2 dengan kata lain pengujian F statistik sama dengan pengujian terhadap nilai R 2 sama dengan nol. c Koefisien Determinasi R 2 Uji koefisien determinasi untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang