54
nilai statistik Durbin-Watson -2 atau 2, berarti asumsi independensi terhadap residual non-autokorelasi tidak terpenuhi.
Tabel 4.4 Uji Autokorelasi dengan Uji Durbin-Watson
Dependent Variable: BM Method: Least Squares
Date: 032315 Time: 12:12 Sample: 1 42
Included observations: 42 Variable
Coefficient Std. Error
t-Statistic Prob.
PAD 0.8179931112860291
0.1341223393878547 6.098858065102474
4.166113894907912e-07 DAU
0.0177974376829118 0.06550148024609121
0.2717104654130906 0.7873154365745814
DAK -0.06770660047761293
0.1706446307509845 -0.3967695917512618
0.6937569756941241 C
65424.47403039956 20539.51041104992
3.185298613310776 0.002886805513842664
R-squared 0.7749595350782219 Mean dependent var
144973.1666666667 Adjusted R-squared
0.7571931825843973 S.D. dependent var 94582.81182347539
S.E. of regression 46606.08888737588 Akaike info criterion
24.42724274712319 Sum squared resid
82540845812.36328 Schwarz criterion 24.59273509172161
Log likelihood -508.972097689587 Hannan-Quinn criter.
24.48790223674325 F-statistic
43.61950689358383 Durbin-Watson stat 1.102943183973991
ProbF-statistic 2.192640724473373e-12
Sumber : hasil olahan software Eviews 7
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 1,102. Perhatikan bahwa karena nilai statistik Durbin-
Watson terletak di antara -2 dan +2, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang
tinggi pada residual.
4.2.2.4 Uji Heteroskedastisitas
Menurut Ghozali 2011:139 uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke
55
pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Supranto 2005:57
mengartikan homoskedastisitas
sebagai varians
kesalahan pengganggu untuk setiap pengamatan adalah sama, sedangkan
heteroskedastisitas adalah sebaliknya. Model regresi yang baik adalah yang homoskesdasitas atau
tidak terjadi heterokesdatisitas. Apabila terjadi heteroskedastisitas, estimator-estimator yang dihasilkan dengan metode OLS ordinary
least square tidak lagi memiliki sifat varians yang minimum atau efisien.
Dalam keadaan
heteroskedastisitas, ketika
tetap menggunakan metode OLS yang biasa usual OLS formulas, maka
uji t dan uji F dapat memberikan kesimpulan yang salah Gujarati, 2003:428. Deteksi ada tidaknya heteroskedastisitas dapat
dilakukan dengan Uji White. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik uji White, dengan
ketentuan sebagai berikut: Jika nilai Prob. Chi-Square dari Obs R-squared 0,05, maka
tidak terjadi heteroskedastisitas, sedangkan jika nilai Prob. Chi- Square
dari Obs
R-sqaured 0,05,
maka terjadi
heteroskedastisitas.
56
Heteroskedasticity Test: White F-statistic
0.787609 Prob. F3,38 0.5083
ObsR-squared 2.458666 Prob. Chi-Square3
0.4828 Scaled explained SS
2.261217 Prob. Chi-Square3 0.5200
Test Equation: Dependent Variable: RESID2
Method: Least Squares Date: 032315 Time: 12:25
Sample: 1 42 Included observations: 42
Variable Coefficient
Std. Error t-Statistic
Prob. C
1.62E+09 6.94E+08
2.342086 0.0245
PAD2 0.016598
0.020592 0.806046
0.4252 DAU2
0.000730 0.003147
0.231902 0.8179
DAK2 -0.033269
0.030164 -1.102937
0.2770 R-squared
0.058540 Mean dependent var 1.97E+09
Adjusted R-squared -0.015786 S.D. dependent var
2.98E+09 S.E. of regression
3.01E+09 Akaike info criterion 46.57541
Sum squared resid 3.43E+20 Schwarz criterion
46.74090 Log likelihood
-974.0836 Hannan-Quinn criter. 46.63607
F-statistic 0.787609 Durbin-Watson stat
1.330657 ProbF-statistic
0.508327
Gambar 4.5 Uji Heteroskedastisitas dengan Uji White Sumber : hasil olahan
software Eviews 7
Berdasarkan Gambar 4.5, nilai Prob. Chi-Square dari Obs R-squared = 0,4828
0,05, maka asumsi homoskedastisitas terpenuhi. Dengan kata lain, tidak terjadi gejala heteroskedastisitas
yang tinggi pada residual.
4.3 Pengujian Hipotesis
Pada pengujian hipotesis, akan dilakukan analisis koefisien determinasi, pengujian signifikansi koefisien regresi parsial secara menyeluruh atau simultan
uji F, dan uji signifikansi koefisien regresi parsial secara individu uji t. Nilai- nilai statistik dari koefisien determinasi, uji F, dan uji t tersaji pada Gambar 4.6
57
Dependent Variable: BM Method: Least Squares
Date: 032315 Time: 21:50 Sample: 1 42
Included observations: 42 Variable
Coefficient Std. Error
t-Statistic Prob.
PAD 0.817993
0.134122 6.098858
0.0000 DAU
0.017797 0.065501
0.271710 0.7873
DAK -0.067707
0.170645 -0.396770
0.6938 C
65424.47 20539.51
3.185299 0.0029
R-squared 0.774960 Mean dependent var
144973.2 Adjusted R-squared
0.757193 S.D. dependent var 94582.81
S.E. of regression 46606.09 Akaike info criterion
24.42724 Sum squared resid
8.25E+10 Schwarz criterion 24.59274
Log likelihood -508.9721 Hannan-Quinn criter.
24.48790 F-statistic
43.61951 Durbin-Watson stat 1.102943
ProbF-statistic 0.000000
Gambar 4.6 Nilai-Nilai statistik dari Koefisien Determinasi, Uji F, dan uji t Sumber : hasil olahan
software Eviews 7 4.3.1 Analisis Koefisien Determinasi
Koefisien determinasi merupakan suatu nilai nilai proporsi
yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan dalam persamaan regresi, dalam menerangkan variasi variabel
tak bebas Supranto, 2005:158, Gujarati, 2003:212. Nilai koefisien determinasi berkisar antara 0 dan 1. Nilai koefsien determinasi
yang kecil mendekati nol berati kemampuan variabel-variabel tak bebas secara
simultan dalam menerangkan variasi variabel tak bebas amat terbatas. Nilai koefisien determinasi
yang mendekati satu berarti variabel- variabel bebas memberikan hampir semua informasi yang dibutuhkan
untuk memprediksi variasi variabel bebas.
58
Berdasarkan Gambar 4.6, Diketahui nilai koefisien determinasi R- squared sebesar
. Nilai tersebut dapat diinterpretasikan PAD, DAU, dan DAK mampu mempengaruhimenjelaskan BM secara simultan
atau bersama-sama sebesar 77, sisanya sebesar 33 dipengaruhi oleh
faktor-faktor lain. 4.3.2 Uji Signifikansi Koefisien Regresi Parsial secara Menyeluruh
Uji F
Uji signifikansi koefisien regresi parsial secara menyeluruh merupakan suatu uji untuk menguji apakah seluruh koefisien regresi
parsial secara menyeluruh atau simultan sama dengan nol atau tidak Gujarati, 2003:253, Supranto, 2005:199. Dengan kata lain, menguji
apakah PAD, DAU, dan DAK secara bersamaan atau simultan mempengaruhi variabel BM. Berikut perumusan hipotesisnya.
Pada hipotesis nol, yakni berarti variabel
PAD, DAU, dan DAK secara bersamaan atau simultan tidak memiliki pengaruh yang signifikan secara statistik terhadap variabel BM pada
tingkat signifikansi 5. Sedangkan hipotesis alternatif menyatakan paling tidak terdapat satu variabel bebas yang pengaruhnya signifikan secara
statistik terhadap BM pada tingkat signifikansi 5. Cara pengambilan keputusan terhadap hipotesis dapat dilakukan
dengan membandingkan nilai probabilitas dengan nilai tingkat
59
signifikansi, yakni . Jika nilai Prob. F-statistics tingkat signifikansi yang digunakan, dalam penelitian ini
, maka dapat disimpulkan bahwa seluruh variabel bebas secara simultan tidak berpengaruh terhadap
variabel tak bebas. Jika nilai Prob. F-statistics tingkat signifikansi , maka dapat disimpulkan bahwa paling tidak terdapat satu
variabel bebas yang mempengaruhi variabel BM. Untuk pengambilan keputusan terhadap hipotesis, dapat juga
dilakukan dengan membandingkan nilai statistik dari uji terhadap nilai kritis berdasarkan tabel distribusi . Sebelum menghitung nilai kritis ,
terlebih dahulu menghitung nilai derajat bebas pembilang dan derajat bebas penyebut. Berikut rumus untuk menghitung nilai derajat bebas
pembilang dan penyebut
Perhatikan bahwa menyatakan jumlah elemen dalam sampel dan menyatakan jumlah variabel. Derajat bebas pembilang adalah
dan derajat bebas penyebut adalah .
Misalkan tingkat signifikansi yang digunakan adalah 5. Maka nilai kritis dengan derajat bebas pembilang adalah , derajat bebas penyebut adalah
, dan tingkat signifikansi 5 adalah .
60
Gambar 4.7 Perhitungan Nilai Kritis dengan Microsoft Excel
Berikut aturan pengambilan keputusan terhadap hipotesis berdasarkan uji .
Berdasarkan Gambar 4.6, diketahui nilai statistik dari uji F- Statistic adalah 43,62. Karena nilai statistik dari uji , yakni 43,62 lebih
besar dibandingkan nilai kritis , yakni 2,85, maka hipotesis nol ditolak dan hipotesis alternatif diterima. Maka dapat disimpulkan bahwa paling
tidak terdapat satu variabel bebas yang pengaruhnya signifikan secara statistik terhadap BM pada tingkat signifikansi 5.
Daerah penerimaan .
Daerah penolakkan .
61
4.3.3 Uji Signifikansi Koefisien Regresi Parsial secara Individu Uji t
