Ho diterima
Ho ditolak
2.71 311.7000 Gambar 4.5 Uji F-Statistik
4.4.4 Uji Penyimpangan Asumsi Klasik a. Multikolinearity
Multikolinearity adalah suatu kondisi dimana terdapat hubungan variabel independen diantara satu dengan lainnya. Dalam penelitian ini terdapat
multikolinearity di antara variabel independen. Hal ini dapat diperoleh melalui
ketentuan sebagai berikut :
1. Standard error tidak terhingga Kenyataan: Pada hasil regresi bahwa standar error masing-masing variabel
tergolong tinggi antaranlain pada variabel X
1
terhadap variabel X
2
, X
3
, dan X
4
memiliki standar error yang tinggi, kemudian pada variabel X
2
terhadap variabel X
1
, X
3
, dan X
4,
kemudian pada variabel X
3
terhadap variabel X
1
, X
2
, dan X
4,
dan begitu juga pada variabel X
4
terhadap variabel X
1
, X
2
, dan X
3.
2. Lebih banyak variabel independen yang tidak signifikan dari pada yang signifikan pada t-statistik
3. Terjadi perubahan tanda atau tidak sesuai dengan teori pada model estimasi
Universitas Sumatera Utara
Kenyataan: Pada hasil regresi bahwa tanda pada model estimasi mengalami perubahan atau tidak sesuai dengan model estimasi pada variabel X
2
, dan X
4
4. R
2
yang sangat tinggi Kenyataan: Pada hasil regresi nilai R
2
terlalu tinggi. Untuk melihat bahwa adanya multikolinieritas diantara variabel
independen dapat terlihat dari setiap koefisien masing-masing variabel sesuai dengan hipotesa yang telah ditentukan.
Dari model analisa : Y =
µ β
β β
β α
+ +
+ +
+
4 4
3 3
2 2
1 1
X X
X X
…………………………..1 Hasilnya:
Y = -760947.5 + 0.110081 X
1
– 0.106407 X
2
+ 103529.7 X
3
– 5173.035 X
4
R-squared =
0.929200
; F-statistic =
311.7000
Maka dapat dilakukan pengujian dantara masing – masing variabel independen, hal ini dilakukan untuk melihat apakah ada hubungan anatara
masing-masing variabel independen. 1. Pendapatan X
1
=fX
2
,X
3
,X
4
ss ……………………………..2
Maka didapat R
2
= 0.881918, artinya variabel modal kerja X
2
, usia X
3
, dan jumlah tanggungan X
4
mampu memberikan penjelasan sebesar 0.88 persen terhadap variabel pendapatan X
1
. Dari hasil R
2
persamaan 2 ini dapat disimpulkan tidak ada multikolinieritas diantara variabeln independen, karena R
2
persamaan 2 lebih kecil dari model analisis persamaan 1.
Universitas Sumatera Utara
2. Modal Kerja X
2
=fX
1
,X
3
,X
4
µ β
β β
α β
+ +
+ +
=
4 4
3 3
1 1
2 2
X X
X X
……………………………..3 Maka didapat R
2
= 0.796018, artinya variabel Pendapatan X
1
, usia X
3
, dan jumlah tanggungan X
4
mampu memberikan penjelasan sebesar 0.79 persen terhadap variabel Modal kerja X
2
. Dari hasil R
2
persamaan 3 ini dapat disimpulkan tidak ada multikolinieritas diantara variabeln independen, karena R
2
persamaan 3 lebih kecil dari model analisis persamaan 1.
3. Usia X
3
=fX
1
,X
2
,X
4
µ β
β β
α β
+ +
+ +
=
4 4
2 2
1 1
3 3
X X
X X
…………………………….4 Maka didapat R
2
= 0.954919, artinya variabel Pendapatan X
1
, Modal Kerja X
3
, dan jumlah tanggungan X
4
mampu memberikan penjelasan sebesar 0.95 persen terhadap variabel Usia X
3
. Dari hasil R
2
persamaan 4 ini dapat disimpulkan ada multikolinieritas diantara variabeln independen, karena R
2
persamaan 4 lebih besar dari model analisis persamaan 1.
4. Jumlah tanggungan X
4
=fX
1
,X
2
,X
3
µ β
β β
α β
+ +
+ +
=
3 3
2 2
1 1
4 4
X X
X X
……………………………..5 Maka didapat R
2
= 0.947356, artinya variabel Pendapatan X
1
, Modal Kerja X
3
, dan Usia X
3
mampu memberikan penjelasan sebesar 0.94 persen terhadap variabel Jumlah tanggungan X
4
. Dari hasil R
2
persamaan 5 ini dapat disimpulkan ada multikolinieritas diantara variabeln independen, karena R
2
persamaan 5 lebih besar dari model analisis persamaan 1.
Universitas Sumatera Utara
Pada kenyataannya sesuai model estimasi bahwa terdapat dua variabel independen terdapat multikolinierity. Oleh sebab itu, untuk menghindari
multikolinierity dari keempat variabel dihilangkan satu variabel independen yang memiliki R
2
dan terdapat multikolinierity yang besar sekaligus variabel yang tidak signifikan pada uji t-stat yakni variabel jumlah tanggungan, sehingga variabel
independen yang digunakan pada uji berikutnya adalah Pendapatan, modal kerja, dan usia, maka terbentuklah model persamaan yang baru :
Y = +
+ +
+
3 3
2 2
1 1
X X
X β
β β
α µ
4.4.5 Interpretasi Model
Kategori