D1 = 1 untuk Kabupaten Cirebon
0 untuk daerah lainnya D2
= 1 untuk Kabupaten Indramayu 0 untuk daerah lainnya
D3 = 1 untuk Kabupaten Majalengka
0 untuk daerah lainnya D4
= 1 untuk Kabupaten Kuningan 0 untuk daerah lainnya
µ = Disturbance error
Uji Kriteria Pada Model
Sebelum digunakan untuk pengujian hipotesis, maka model yang dihasilkan melalui regresi dilakukan pengujian untuk mendapatkan “best fit
model”. Reliabilitas parameter yang diestimasi dapat dilihat dari: Kriteria statistik, yang meliputi uji signifikansi parameter secara individual atau uji signifikansi
secara parsial Uji t, uji signifikansi secara simultan Uji F, dan nilai koefisien determinasi atau R square.
Disamping itu model yang dihasilkan juga akan diuji dari Kriteria ketiadaan penyimpangan terhadap asumsi-asumsi klasik, yaitu: uji autokolerasi,
uji multikolinearitas dan uji heteroskedastisitas.
1. Uji Kriteria Statistik Uji Signifikansi Parsial Uji t
Uji statiktik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat.
Hipotesis nol H yang hendak diuji adalah apakah suatu parameter
α
i
sama dengan nol, atau:
H :
α
i
= 0 Artinya, variabel bebas bukan merupakan penjelas yang signifikan terhadap
variabel terikat. Hipotesis alternatifnya H
a
, parameter suatu variabel lebih besar dari nol, atau:
H
a
: α
i
Artinya, variabel bebas tersebut merupakan penjelas yang signifikan terhadap variabel terikat.
Untuk menguji kedua hipotesis ini digunakan statistik t. Statistik t dihitung dari formula sebagai berikut Kuncoro, 2001:
t = α
i
– 0 S = α
i
S dimana: S = deviasi standar, yang dihitung dari akar varians. Varians variance,
atau S
2
, yang diperoleh dari SSE dibagi dengan jumlah derajat kebebasan degree of freedom. Dengan kata lain:
dimana: n = jumlah observasi
k = jumlah parameter dalam model, termasuk intercept. Cara melakukan uji t adalah dengan cara sebagai berikut Kuncoro, 2001:
1. Quick look : bila jumlah degree of freedom adalah 20 atau lebih, dan
derajat kepercayaan sebesar 5, maka H yang menyatakan b
i
=0 dapat ditolak bila nilai t lebih besar dari 2 dalam nilai absolut. Dengan kata
lain, kita menerima hipotesis alternatif, yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel
dependen. 2.
Membandingkan nilai statistik t dengan titik kritis menurut tabel : apabila nilai statistik t hasil perhitungan lebih tinggi dibanding nilai t
tabel, kita menerima hipotesis alternatif, yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel
dependen.
Uji Signifikansi Simultan Uji F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel terikat. Hipotesis nol H yang hendak diuji adalah apakah
semua parameter dalam model sama dengan nol, atau: H
: α
1
= α
2
= … = α
k
= 0 Artinya, apakah semua variabel bebas bukan merupakan penjelas yang
signifikan terhadap variabel terikat. Hipotesis alternatif H
a
, tidak semua parameter secara simultan lebih besar dari nol, atau:
H
a
: α
1
= α
2
= … = α
k
Artinya semua variabel bebas secara simultan merupakan penjelas yang signifikan terhadap variabel terikat.
Untuk menguji kedua hipotesis ini digunakan statistik F. nilai statistik F dihitung dari formula sebagai berikut Kuncoro, 2001:
Di mana: SSR = sum of squares due to regression =
∑ Y
i
– Y
2
SSE = sum of squares error = ∑ Y
i
– Y
i 2
n = Jumlah observasi
k = Jumlah parameter termasuk intercept dalam model
MSR = mean squares due to regression MSE = mean of squares due to error
Cara melakukan uji F adalah dengan cara sebagai berikut Kuncoro, 2001: 1.
Quick look: apabila nilai F lebih besar daripada 4 maka H ditolak pada
derajat kepercayaan 5. Dengan kata lain, kita menerima hipotesis alternatif, yang menyatakan bahwa semua variabel independen secara
serentak dan signifikan mempengaruhi variabel dependen. 2.
Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel: bila nilai F hasil perhituingan lebih besar daripada nilai F
menurut tabel maka hipotesis alternatif, yang menyatakan bahwa semua variabel independen secara serentak dan signifikan
mempengaruhi variabel dependen.
Koefisien Determinasi R
2
Koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variabel terikat atau dengan kata lain
mengukur persentase variasi variabel independent dalam menjelaskan variasi variabel dependent.
Untuk menghitung koefisien determinasi R
2
Kuncoro, 2001:
R
2
= TSS-SSETSSS = SSRTSS Persamaan diatas menunjukkan proporsi total jumlah kuadrat TSS yang
diterangkan oleh variabel bebas dalam model. Sedangkan sisanya dijelaskan oleh variabel lain yang belumtidak dimasukkan dalam model.
Nilai koefisien determinasi adalah di antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel bebas dalam menjelaskan variabel
terikat amat terbatas. Nilai yang mendekati satu berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi
variabel terikat.
2. Uji Kriteria Asumsi Klasik Uji Autokorelasi
