Jika F
hitung
lebih besar dari F
tabel
, maka H ditolak. Artinya variabel bebas tidak
mempunyai pengaruh secara keseluruhan terhadap varibel terikat, demikian sebaliknya.
2.8 Uji Penyimpangan Asumsi Klasik
Sebelum melakukan analisis data maka data diuji sesuai asumsi klasik untuk mendapatkan model regresi yang baik. Model regresi tersebut harus terbebas dari
multikolinearitas, autokorelasi, dan heteroskedastisitas. a. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat hubungan linear diantara beberapa atau semua variabel yang menjelaskan dari model regresi.
Tanda yang paling jelas dari multikolinearitas adalah ketika R
2
sangat tinggi tetapi tidak satu pun koefisien regresi penting signifikan secara statistik atas dasar
pengujian t
yang konvensional
Damodar Gujarati
1995. Adanya
multikolinearitas di dalam model regresi mengakibatkan model regresi yang diperoleh tidak valid karena taksiran koefisien yang didapat akan mempunyai nilai
yang tidak sesuai dengan substansi sehingga dapat menyesatkan interpretasi.
Pengujian multikolinearitas dalam penelitian ini dilakukan dengan cara melihat Correlation Matrix antara variabel bebasnya. Data dikatakan
teridentifikasi multikolinearitas apabila koefisien korelasi antar variabel bebas lebih dari atau sama dengan 0,8 Gujarati, 2003.
b. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara anggota
serangkaian observasi yang diurutkan menurut waktu seperti data time series atau ruang seperti data cross-section. Jika terjadi korelasi dinamakan ada
masalah autokorelasi. Adanya autokorelasi diakibatkan oleh observasi yang berurutan sepanjang waktu berkaitan satu sama lain tidak bebas dari satu
observasi ke observasi lainnya Damodar Gujarati 1995. Dampak yang timbul
8QLYHUVLWDV6 XPDWHUD8WDUD
akibat adanya autokorelasi, taksiran yang diperoleh dengan menggunakan OLS tidak baik dan interval kepercayaan menjadi lebar dan uji signifikansi kurang
kuat. Akibatnya uji t dan uji F tidak dapat dilakukan atau hasilnya tidak akan baik.
Dalam penelitian ini digunakan uji Durbin-Watson Uji DW, yaitu dengan melihat nilai Durbin Watson pada regresi utama dengan ketentuan sebagai
berikut Algifari, 1997:
Tabel 2.1 Kriteria uji Durbin-Watson
c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari gangguan satu pengamatan ke pengamatan yang lain. Satu asumsi penting dari model regresi linear adalah bahwa gangguan
yang muncul dalam fungsi regresi populasi adalah homoskedastik, yaitu semua gangguan mempunyai varians yang sama Damodar Gujarati 1995. Dampak
adanya heteroskedastisitas didalam model adalah besarnya variansi dari taksiran yang akan berpengaruh pada uji hipotesis yang dilakukan uji t dan uji F karena
kedua uji tersebut menggunakan besaran variansi taksiran. Akibatnya, kedua uji hipotesi tersebut menjadi kurang akurat sehingga kesimpulan yang diambil dari
persamaan regresi yang dibuat dapat menyesatkan.
Dalam penelitian ini digunakan Uji Park untuk mendeteksi gejala heteroskedastisitas yang terjadi dalam model persamaan regresi. Metode uji Park
Nilai Durbin Watson Keterangan
1 2
1,10 Ada autokorelasi
1,10 – 1,54
Tanpa kesimpulan 1,55
– 2,46 Tidak ada autokorelasi
2,47 – 2,90
Tanpa kesimpulan 2,90
Ada autokorelasi
8QLYHUVLWDV6 XPDWHUD8WDUD
yaitu meregresikan nilai residual Loge
i 2
dengan masing-masing variabel bebas, dengan hipotesis sebagai berikut:
H : ada gejala heteroskedastisitas
H
1
: tidak ada gejala heteroskedastisitas H
diterima bila t
hitung
t
tabel
atau –t
hitung
–t
tabel
. Artinya, terdapat heteroskedastisitas di dalam model. H
diterima bila –t
tabel
t
hitung
t
tabel
yang berarti tidak terdapat heteroskedastisitas di dalam model.
8QLYHUVLWDV6 XPDWHUD8WDUD
BAB 3
HASIL DAN PEMBAHASAN
3.1 Sumber Data
