Metode Penentuan Sampel Metode Pengumpulan Data
Selain menggunakan grafik, pengujian normalitas juga dapat dilakukan dengan menggunakan uji Kolmogorov-Smirnov. Jika nilai
Kolmogorov-Smirnov tidak signifikan 0,05 maka semua data terdistribusi secara normal. Sebaliknya, apabila nilai Kolmogorov-
Smirnov signifikan 0,05 maka data tidak berdistribusi normal. b. Uji Multikolinearitas
Penyimpangan asumsi
model klasik
adalah adanya
multikolinearitas dalam model regresi yang dihasilkan. Artinya antar variabel independen yang terdapat dalam model memiliki hubungan
yang sempurna atau mendekati sempurna koefisien korelasi tinggi atau bahkan 1.
4
Untuk mengetahui ada tidaknya multikolinearitas di dalam model regresi yaitu dengan menggunakan VIF Variance Inflation Factor
dan nilai Tolerance, maka: a Jika nilai VIF
tidak lebih dari 10 VIF ≤ 10, maka model regresi bebas dari multikolinearitas.
b Jika nilai Tolerance tidak kurang dari 1 Tolerance ≥ 1 atau
0,10, maka model regresi bebas dari multikolinearitas. c. Uji Heteroskedastisitas
Penyimpangan asumsi model klasik selanjutnya adalah adanya heteroskedastisitas. Dalam persamaan regresi perlu juga diuji
mengenai sama atau tidak varians dari residual dari observasi yang
4
Algifari, Analisis Regresi Teori, Kasus dan Solusi Yogyakarta: BPFE, 2013, hal. 84
satu dengan observasi yang lain. Jika residualnya mempunyai varians yang sama, disebut terjadi homoskedastisitas, dan jika variansnya tidak
samaberbeda disebut terjadi heteroskedastisitas. Persamaan regresi yang baik adalah jika tidak terjadi heteroskedastisistas.
5
Model regresi
dengan heteroskedastisitas
mengandung konsekuensi yang serius bagi estimator metode OLS karena tidak lagi
BLUE.
6
Oleh karena itu, sangat penting bagi kita untuk mengetahui apakah suatu model regresi mengandung unsur heteroskedastisitas atau
tidak. Untuk mendeteksi ada tidaknya heteroskedastisitas dalam penelitian ini dilakukan dengan menganalisis grafik scatterplot. Dasar
pengambilan keputusan ada tidaknya heteroskedastisitas, sebagai berikut:
a Jika ada pola tertentu seperti titik-titik yang ada membentuk suatu pola literatur bergelombang, kemudian menyempit,
maka terjadi heteroskedastisitas b Jika tidak ada pola tertentu yang jelas serta titik-titik menyebar
di atas dan di bawah angka 0 sumbu Y, maka tidak terjadi heteroskedastisitas.
Uji heteroskedastisitas menggunakan Scatterplot sangat lemah karena hanya mengandalkan analisis visual. Untuk mendapatkan
kepastian dalam menentukan terjadi atau tidaknya masalah
5
Danang Sunyoto, Analisis Regresi dan Uji Hipotesis Jakarta: Buku Kita, 2009, hal. 82
6
Agus Widarjono, Ekonometrika Yogyakarta: EKONOSIA, 2009, hal. 117
heteroskedastisitas dapat dilakukan dengan uji Glejser. Uji Glejser pada umumnya meregresikan antara nilai residual yang absolut
dengan semua variabel independennya. Uji Glejser secara umum dinotasikan sebagai berikut:
e = b
1
+ b
2
X
2
+ v Dimana:
e = nilai absolut dari residual yang dihasilkan dari regresi model
X
2
= variabel penjelas. Dasar pengambilan keputusannya adalah sebagai berikut:
a Tidak terjadi heteroskedastisitas, jika nilai t hitung lebih kecil dari t tabel dan nilai signifikansi lebih besar dari 0,05.
b Terjadi heteroskedastisitas, jika nilai t hitung lebih besar dari t tabel dan nilai signifikansi lebih kecil dari 0,05.
d. Uji Autokorelasi Persamaan regresi yang baik adalah yang tidak memiliki masalah
autokorelasi. Jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak dipakai prediksi. Masalah
autokorelasi baru timbul jika ada korelasi secara linier antara kesalahan pengganggu periode t berada dan kesalahan pengganggu periode t-1
sebelumnya.
Jika kita menganalisis data runtut waktu time series maka variabel gangguan antara waktu akan saling berhubungan. Oleh karena
itu, data runtut waktu diduga sering kali mengandung unsur autokorelasi. Sedangkan data cross section diduga jarang ditemui
adanya unsur autokorelasi.
7
Pengujian masalah autokorelasi dalam suatu model regresi dapat dilakukan melalui pengujian terhadap nilai Uji Durbin Watson Uji
Dw, dengan ketentuan sebagai berikut: 1. Terjadi autokorelasi positif jika nilai DW di bawah -2 DW -2.
2. Tidak terjadi autokorelasi jika nilai DW berada di antara -2 dan +2 atau -2 DW +2.
3. Terjadi autokorelasi negatif jika nilai DW di atas +2 atau DW +2.
8
2. Uji Hipotesis a. Uji Parsial Uji t
Uji t digunakan untuk menguji apakah setiap variabel independen secara masing-masing parsial memiliki pengaruh yang signifikan
terhadap variabel dependen. Pengujian ini dilakukan dengan membandingkan t hitung dengan t tabel dengan ketentuan:
a Bila t hitung t tabel maka Ho diterima dan menolak Ha, artinya bahwa secara parsial variabel independen tidak
berpengaruh signifikan terhadap variabel dependen.
7
Agus Widarjono, Ekonometrika, hal. 141
8
Danang Sunyoto, Uji Khi Kuadrat dan Regresi Untuk Penelitian, Yogyakarta: Graha Ilmu, 2010, hal. 116
b Bila t hitung t tabel maka Ho ditolak dan menerima Ha artinya bahwa secara parsial variabel independen berpengaruh
signifikan terhadap variabel dependen. Pengujian ini juga dapat menggunakan pengamatan nilai
signifikansi t pada tingkat α yang digunakan yaitu sebesar 5. Analisis
ini didasarkan pada perbandingan antara nilai signifikansi t dengan nilai signifikansi 0,05 dengan ketentuan sebagai berikut:
a Jika signifikansi t 0,05, maka Ho ditolak yang berarti variabel independen secara parsial berpengaruh terhadap variabel
dependen. b Jika signifikansi t 0,05 maka Ho diterima yang berarti
variabel independen secara parsial tidak berpengaruh terhadap variabel dependen.
b. Uji Simultan Uji F Uji F ini juga sering disebut sebagai uji simultan, untuk menguji
apakah variabel bebas yang digunakan dalam model mampu menjelaskan perubahan nilai variabel tergantung atau tidak. Untuk
menyimpulkan apakah model masuk dalam kategori cocok fit atau tidak, kita harus membandingkan nilai F hitung dengan nilai F tabel.
9
Uji ini dilakukan dengan ketentuan sebagai berikut:
9
Suliyanto, Ekonometrika Terapan, hal. 61
a Bila F hitung F tabel maka Ho diterima dan menolak Ha, artinya bahwa secara simultan variabel independen tidak
berpengaruh signifikan terhadap variabel dependen. b Bila F hitung F tabel maka Ho ditolak dan menerima Ha
artinya bahwa
secara simultan
variabel independen
berpengaruh signifikan terhadap variabel dependen. Pengujian ini juga dapat menggunakan pengamatan nilai
signifikansi F pada tingkat α yang digunakan yaitu sebesar 5. Analisis ini didasarkan pada perbandingan antara nilai signifikansi F dengan
nilai signifikansi 0,05 dengan ketentuan sebagai berikut: a Jika signifikansi F 0,05, maka Ho ditolak yang berarti
variabel independen secara simultan berpengaruh terhadap variabel dependen.
b Jika signifikansi F 0,05 maka Ho diterima yang berarti variabel independen secara simultan tidak berpengaruh
terhadap variabel dependen. c. Uji Koefisien Determinasi R
2
Koefisien determinasi menjelaskan variasi pengaruh variabel- variabel bebas independen terhadap variabel terikatnya dependen.
Atau dapat pula dikatakan sebagai proporsi pengaruh seluruh variabel bebas terhadap variabel terikat. Nilai koefisien determinasi dapat
diukur oleh nilai Adjusted R-square R
2
. Nilai koefisien determinasi terletak antara 0 dan 1 yaitu 0 ≤ R
2
≤ 1. Bila R
2
= 1 berarti 100 total
variasi variabel terikat dijelaskan oleh variabel bebasnya dan menunjukkan ketepatan yang baik, dan bila R
2
= 0 berarti tidak ada total variasi variabel terikat yang dijelaskan oleh variabel bebasnya.
10