Metode Uji Statitistik Fungsi Produksi a

42

4.3.4 Metode Uji Statitistik Fungsi Produksi a

Uji terhadap Multikolinear Multicolinearity Model yang melibatkan banyak variabel bebas sering terjadi masalah multikolinearitas, yaitu terjadinya korelasi yang kuat antar variabel-variabel bebas. Multikolinearitas terjadi akibat adanya korelasi yang tinggi di antara peubah bebasnya. Multikolinearitas menyebabkan koefisien-koefisien regresi dugaan memiliki ragam yang sangat besar, implikasinya statistik t yang didefinisikan sebagai rasio antara koefisien regresi dan simpangan bakunya menjadi lebih kecil yang berakibat pada pengujian koefisien akan cenderung untuk menerima Ho sehingga koefisien-koefisien regresi tidak nyata yang pada akhirnya seringkali persamaan regresi yang dihasilkan menjadi misleading. Gaspert, 1995. Menurut Sarwoko 2005, untuk mendeteksi adanya multikolinearitas adalah dengan memeriksa koefisien-koefisien korelasi sederhana antar variabel- variabel penjelas, apabila R adalah tinggi nilai absolutnya maka dapat diketahui bahwa ada dua variabel penjelas tertentu berkorelasi dan masalah multikolinearitas ada didalam persamaan tersebut. Koefisien korelasi yang tinggi menunjukan indikasi multikolinearitas yang berat. Pendeteksian multikolinearitas dapat dilakukan dengan menghitung nilai variance inflation factor VIF yaitu suatu cara mendeteksi dengan melihat sejauh mana variabel penjelas dapat diterangkan oleh semua variabel penjelas lainnya di dalam persamaan regresi. VIF adalah estimasi berapa besar multikolinearitas meningkatkan varian pada suatu koefisien estimasi sebuah variabel penjelas. VIF yang tinggi 43 menunjukan bahwa multikolinearitas telah menaikkan sedikit varian pada koefisien estimasi, akibatnya menurunkan nilai t. Multikolinearitas dapat dianggap bukan merupakan suatu masalah apabila koefisien determinasi parsial antar dua variabel bebas tidak melebihi nilai koefisien determinasi atau koefisien korelasi berganda antar semua variabel secara simultan. Multikolinearitas dianggap masalah serius apabila koefisien determinasi parsial antar dua variabel bebas melebihi atau sama dengan nilai koefisien determinasi atau koefisien korelasi berganda antar semua variabel secara simultan. Masalah multikolinearitas dapat dilihat langsung melalui keluaran komputer, dimana apabila nilai VIF 10, maka tidak ada masalah multikolinearitas. Ada banyak cara dan pendekatan yang dilakukan untuk mengatasi masalah multikolinearitas, seperti: 1 membuang peubah bebas yang mempunyai multikolinearitas tinggi terhadap peubah bebas lainnya, 2 menambah data pengamatancontoh, dan 3 melakukan transformasi terhadap peubah-peubah bebas yang mempunyai kolinearitas atau menggabungkan menjadi peubah-peubah bebas baru yang mempunyai arti. b Goodness of fit Koefisien determinasi R 2 digunakan untuk melihat sampel seberapa jauh keragaman yang diterangkan oleh parameter bebas terhadap parameter tidak bebasnya. Jika nilai R 2 semakin tinggi, maka model semakin baik karena akan semakin besar keragaman peubah endogen yang dijelaskan oleh peubah penjelas. Sarwoko 2005 menyatakan terdapat dua sifat koefisien determinasi yaitu: 1 Nilainya tidak pernah negatif non negative quantity 44 2 Memiliki nilai limit 0 ≤ R 2 ≤ 1. Apabila R 2 = 1 berarti kecocokan yang sempurna, sehingga Yi = Yi, selain itu apabila R 2 = 0 berarti tidak ada hubungan antara regressand dengan regressor. Sehingga bi = 0. c Uji Statistik t Uji statistik t biasanya digunakan untuk menguji hipotesis tentang koefisien-koefisien slope regresi secara individual. Uji statistik t dilakukan untuk mengetahui seberapa jauh masing-masing variabelnya Xi mempengaruhi sosial ekonomi masyarakat setempat Yi sebagai variabel tidak bebas prosedur pengujiannya Ramanathan, 1997 adalah sebagai berikut: Ho : β 1 = 0 atau variabel bebas Xi tidak berpengaruh nyata terhadap variabel tidak bebasnya Yi H1 : β 1 ≠ 0 atau variabel bebas Xi berpengaruh nyata terhadap variabel tidak bebasnya Yi t hitn-k = β 1 -0 s β 1 Apabila t-hitung lebih besar dari t-tabel berarti variabel bebas berpengaruh nyata terhadap variabel tidak bebasnya dan sebaliknya. Jika t hitn-k t tabel, maka H diterima, artinya variabel Xi tidak berpengaruh nyata terhadap Yi Jika t hitn-k t tabel , maka H ditolak, artinya variabel Xi berpengaruh nyata terhadap Yi Uji t juga dapat dilakukan dengan cara melihat output perhitungan komputer dengan melihat nilai P pada masing-masing variabel independen. Apabila nilai P pada masing-masing variabel α maka disimpulkan bahwa variabel bebas berpengaruh nyata terhadap variabel tidak bebasnya 45

d. Uji Statistik F