Artinya seluruh variabel bebas secara nyata mempengaruhi variabel terikat. Ha diterima jika F-statistik F
tabel
Dalam program Eviews: a.
Probabilitas Y 0,01 bila α = 1
b. Probabilitas Y 0,05
bila α = 5 c.
Probabilitas Y 0,10 bila α = 10
Artinya seluruh variabel bebas secara nyata mempengaruhi variabel terikat
Ho diterima Ha diterima
Gambar 3.2 Kurva Uji F-statistik 3.7 Uji Penyimpangan Asumsi Klasik
3.7.1 Multikolinieritas Multicolinierity
Multikolinaeritas adalah uji untuk mengetahui apakah ada hubungan yang kuat kombinasi linier diantara variabel bebas. Untuk mendeteksi ada tidaknya
multikolinearitas dapat dilihat dari nilai R
2
dan nilai F-statistik, nilai t-statistik serta standard error. Suatu model regresi linier akan menghasilkan estimasi yang
baik apabila model tersebut tidak mengandung multikolinearitas.
Universitas Sumatera Utara
Multikolinearitas terjadi karena adanya hubungan yang kuat antara sesama variabel bebas dari suatu model estimasi. Adanya multikolinearitas ditandai
dengan : 1.
Tidak ada satupun t- statistik y ang signifik an p ad a α = 1 , α = 5 , α =
10. 2.
Terjadi perubahan tanda atau tidak sesuai dengan teori. 3.
R-Square sangat tinggi. Untuk pengujian dapat diperoleh dengan melakukan beberapa langkah yaitu :
1. Melakukan regresi model Y = f X
₁,… sehingga diperoleh nilai R- square.
2. Melakukan regresi X
₁ terhadap seluruh X lainnya, maka diperoleh nilai -square regresi ini disebut auxiliary regression.
3. Membandingkan nilai
-square dengan R-square. Hipotesa yang dapat dipakai adalah
Ho diterima apabila -square R-square
Artinya model pertama tidak mengalami multikolinearitas, Ha diterima apabila
-square R-square Artinya model pertama mengalami multikolinearitas.
3.7.2 Uji Autokorelasi
Uji ini merupakan hubungan variabel-variabel dari serangkaian yang tersusun dalam rangkaian waktu. Autokorelasi juga menunjukkan hubungan nilai-
nilai yang berurutan dari variabel yang sama. Autokorelasi dapat terjadi jika
Universitas Sumatera Utara
d = ∑e
t 2
∑e
t
– e
t – 1 2
kesalahan pengganggu suatu periode korelasi dengan kesalahan pengganggu periode sebelumnya.
Untuk menguji apakah hasil-hasil estimasi tidak mengandung autokorelasi, maka dipergunakan Uji Durbin-Watson D.W, dimana terlebih dahulu harus
ditentukan besarnya nilai kritis dari d
u
dan d
l
berdasarkan jumlah pengamatan dari variabel bebasnya.
Untuk pengujian ini digunakan hipotesis sebagai berikut: Ho : ρ = 0, tidak ada gejala autokorelasi
Ha : ρ ≠ 0, ada gejala autokorelasi Dengan kriteria sebagai berikut:
Ho diterima jika d
u
d 4 − d
l
Artinya data pengamatan tidak terdapat autokorelasi. Ha ditolak jika d d
l
atau d 4 − d
l
Artinya data pengamatan memiliki gejala autokorelasi.
Universitas Sumatera Utara
Autokolerasi − Autokolerasi
+
Ho diterima
d
l
d
u
2 4 – d
u
4 – d
l
Gambar 3.3 Kurva Uji Durbin Watson
3.8 Definisi Operasional
