dimana, R
2
-adjusted = koefisien determinasi yang telah disesuaikan k
= jumlah variabel bebas n
= jumlah observasi
b. Uji Hipotesis
Uji hipotesis berguna untuk memeriksa atau menguji apakah variabel- variabel yang digunakan dalam model regresi signifikan atau tidak. Maksud dari
signifikan disini adalah suatu nilai dari parameter regresi yang secara statistik tidak sama dengan nol. Jika nilai koefisien sama dengan nol, maka dapat
dikatakan bahwa tidak cukup bukti untuk menyatakan suatu variabel bebas tersebut berpengaruh terhadap variabel tak bebasnya.
Ada dua jenis uji hipotesis yang dapat dilakukan terhadap variabel regresi. Uji tersebut adalah Uji-F dan Uji-t. Uji-F digunakan untuk menguji
parameter dalam variabel regresi secara bersama-sama, sedangkan Uji-t digunakan untuk menguji parameter-parameter tersebut, termasuk intercept,
secara individu.
1. Uji-F
Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas di dalam model secara bersama-sama berpengaruh terhadap variabel tidak bebas.
Pengujian dilakukan dengan menggunakan Uji-F, yaitu perbandingan nilai kritis F dengan hasil F-hitung. Pengujian pengaruh variabel bebas terhadap variabel tidak
bebas dilakukan melalui pengujian besar perubahan dari variabel tidak bebas yang dapat dijelaskan oleh perubahan nilai semua variabel bebas. Analisis pengujian
tersebut adalah sebagai berikut :
Perumusan Hipotesis H
:
1
=
2
=
3
=
k
= 0 H
1
: minimal ada satu nilai yang tidak sama dengan nol Uji statistik yang digunakan :
F
hitung
= 3.10
dimana : e
2
= jumlah kuadrat regresi 1- e
2
= jumlah kuadrat sisa n
= jumlah pengamatan k
= jumlah parameter Kriteria uji :
F
hitung
F
tabel,k-1n-k
maka tolak H Jika
tolak H
berarti secara bersama-sama variabel bebas dalam model berpengaruh nyata terhadap variabel tidak bebas pada taraf nyata
α persen, demikian pula sebaliknya.
2. Uji-t
Pengujian ini dilakukan untuk mengetahui apakah variabel bebas secara individu masing-masing berpengaruh signifikan atau tidak terhadap variabel
tidak bebas. Hipotesis :
H :
k
= 0 H
1
:
k
≠ 0 Uji statistik yang digunakan,
t
hitung
= 3.11
t
tabel
= t
α,n-k
dimana : Sb
i
= standar deviasi parameter untuk b
i
b
i
= koefisien
ke-i yang diduga n
= jumlah pengamatan k
= jumlah parameter Kriteria uji :
t
hitung
t
tabeln-k
maka tolak H Jika
tolak H
berarti secara statistik variabel bebas dalam model berpengaruh nyata terhadap variabel tidak bebas pada taraf nyata
α persen, demikian pula sebaliknya.
3.2.4.2. Uji Asumsi atau Uji Kriteria Ekonometrik
1. Uji Multikolinearitas
Asumsi ini menyatakan bahwa tidak adanya keterkaitan atau hubungan linier antar variabel bebas penyusun model. Jika ada hubungan linier antara dua
atau lebih variabel bebas maka dikatakan terjadi multikolinearitas, dan hal tersebut merupakan penyimpangan asumsi. Tingkat multikolinearitas dapat dilihat
melalui besarnya nilai VIF Variance Inflation Factor. Jika nilai VIF sangat besar mendekati sepuluh maka terjadi hubungan linier antar variabel. Rumus
dari VIF yaitu : VIF =
,
j = 1,2,...,k 3.12
dimana : VIF =
Variance Inflation Factor R
j 2
= koefisien determinasi dari regresi variabel bebas ke-j
2. Uji Autokorelasi
Autokorelasi adalah adanya korelasi antara serangkaian observasi yang diurutkan menurut waktu. Autokorelasi pada umumnya lebih sering terjadi pada
data deret waktu time series walaupun dapat terjadi pada data cross section. Autokorelasi dapat mempengaruhi efisiensi dari estimatornya. Ada tidaknya
autokorelasi dapat diketahui dengan membandingkan nilai Durbin-Watson DW statistik dengan DW-tabel. Kerangka identifikasi autokorelasi terangkum dalam
Tabel 3.1. berikut ini.
Tabel 3.1. Selang Nilai Statistik Durbin-Watson serta Keputusannya Nilai DW
Keputusan
4-d
L
DW 4 Tolak H
; ada autokorelasi negatif 4-d
U
DW 4-d
L
Tidak tentu, coba uji yang lain d
U
DW 4-d
U
Terima H
d
L
DW d
U
Tidak tentu, coba uji yang lain 0 DW d
L
Tolak H
; ada autokorelasi positif
Sumber : Juanda, 2009
3. Uji Heteroskedastisitas
Dalam regresi linear ganda, salah satu asumsi yang harus dipenuhi agar penduga parameter dalam model tersebut bersifat BLUE Best, Linear, Unbiased
estimator adalah Var ui = σ
2
konstan, yang berarti bahwa semua varian
mempunyai variasi yang sama. Pada umumnya heteroskedastisitas sering ditemukan pada data cross section. Jika pada model ditemukan masalah
heteroskedastisitas, maka model menjadi tidak efisien meskipun tidak bias dan konsisten.
3.3. Model Statistika untuk Pengujian Hipotesis
Kategori