=
2
− 1 1
−
2
− Berdasarkan rumus ini dapat disimpulkan jika R2=0, maka F juga sama dengan nol.
Semakin besar nilai R
2
, maka semakin besar pula nilai F. namun demikian jika R
2
=1, maka F menjadi tak terhingga. Jadi dapat disimpulkan uji F statistik yang mengukur
signifikansi secara keseluruhan dari garis regresi dapat juga digunakan untuk menguji signifikansi dari R
2
. Dengan kata lain pengujian F statistic sama dengan pengujian terhadap nilai R
2
sama dengan nol Imam Ghozali, 2009:16,17.
3.5.5.4 Uji Normalitas
Uji normalitas digunakan untuk menguji dalam model regresi terdapat variable dependen dan variable independen antar keduanya mempunyai distribusi
normal atau tidak. Model yang baik yaitu memiliki distribusi data normal. Untuk melihat penyebaran titik data pada sumbu diagonal dari grafik dan
dengan melihat histogram dari residualnya. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya maka data
menunjukkan pola distribusi normal, sehingga model regresi memenuhi asumsi normalitas. Selain itu normalitas dapat di uji dengan menggunakan uji Koloromov-
Smirnov. a.
Jika nilai dari probabiltas lebih dari 0,05
p-value 0,005
maka data tersebut berdistribusi normal.
b. Jika nilai dari probabilitas kurang dari 0,005
p-value 0,005
maka data tersebut tidak berdistribusi normal.
3.5.5.5 Autokolerasi
Autokol merupakan gejala adanya kolerasi antara serangkaian observasi yang di urutkan menurut deret waktu
time series
Gujarati, 1993. Uji autokolerasi bertujuan menguji apakah dalam suatu model regresi linear ada kolerasi antara
kesalahan “pengganggu” pada periode t dengan kesalahan pada periode t- 1sebelumnya. Jika terdapat kolerasi, maka dinamakan ada masalah autokolerasi.
Dapat pula dikatakan bahwa suatu model dikatakan baik apabila telah memenuhi asumsi tidak terdapat gejalan autokolerasi. Pada data silang waktu
cross section
masalah autokolerasi jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari individukelompok yang berbeda.
Dalam menditeksi ada tidaknya gejala autokolerasi digunakan uji
Durbin- Watson
DW. Uji ini hanya digunakan untuk autokorelasi tingkat satu
first orede correlation
dan mensyaratkan adanya
intercept
konstanta dalam model regresi dan tidak ada varibael lag di antara variabel bebas. Hipotesis yang diuji adalah:
H0: tidak ada autokolerasi p=0 HA:ada
autokolerasi p≠0
