42 Probability F-Statistic α, maka terima H0 dan simpulkan tidak ada variabel
independen yang mempengaruhi variabel dependen.
4.4.3. Uji t
Uji t digunakan untuk mengetahui tingkat signifikan variabel independen atau untuk menguji apakah regresi dari masing- masing variabel independen yang
dipakai terpisah berpengaruh nyata atau tidak terhadap variabel dependen. Hipotesis:
H : b1 = b2 =...= bi= 0 dimana variabel independen-i tidak mempengaruhi variabel
dependen H
1
: bi ≠ 0 dimana variabel independen- i mempengaruhi variabel dependen Kriteria uji:
Probability t-Statistic α, maka tolah H dan simpulkan variabel independen-i
berpengaruh signifikan terhadap variabel dependen. Probability t-Statistic α, maka terima H
dan simpulkan variabel independen-i tidak berpengaruh signifikan terhadap variabel dependen.
4.5. Uji Ekonometrika
Pengujian ekonometrika dalam suatu penelitian dilakukan untuk mengetahui perilaku atau kejadian dalam hal ekonomi dengan mengaji secara statistik atau
matematika. Dalam ekonometrika dilakukan empat pengujian, yaitu:uji normalitas, uji autokorelasi, uji multikolinearitas, uji heterokedastisitas.
4.5.1. Uji Normalitas
Uji normalitas atau uji kenormalan sisaan Kolomogorov-Smirnov dilakukan untuk memeriksa apakah sisaan mendekati distribusi normal. Uji ini bertujuan
untuk membandingkan distribusi data yang akan diuji normalitasnya dengan
43 distribusi normal baku. Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Hipotesis pada uji Kolmogorov-Smirnov adalah sebagai berikut Lains, 2006:
H : Sisaan menyebar normal
H
1
: Sisaan tidak menyebar normal Uji statistik yang digunakan:
ZX = Keterangan:
ZX = Angka baku
X = Angka pada data
S = Simpangan baku
Kaidah pengujian: Jika Zhit Ztabel maka tolak Ho
Jika Zhit Ztabel maka terima Ho Jika keputusan yang diperolah menolak Ho, artinya error term atau sisaan yang
diperolah tidak menyebar normal dan sebaliknya, jika keputusan menerima Ho maka sisaan yang diperoleh telah menyebar normal.
4.5.2. Uji Multikolinearitas
Uji multikolinearitas didefinisikan dengan adanya korelasi yang kuat antara variabel independen dalam model persamaan. Adanya multikolinearitas dalam
persamaan regresi akan berdampak pada varian koefisien regresi menjadi besar yang akan menyebabkan standard error terlalu tinggi sehingga kemungkinan
penduga koefisien regresi menjadi tidak signifikan secara statistik. Pengujian multikolinearitas dapat dilihat dari pengujian Variance Inflation Factor VIF.
44 Juanda 2009 mengemukakan bahwa pedoman regresi yang bebas dari
multikolinearitas adalah mempunyai nilai dibawah 10. Sebaliknya, nilai VIF yang lebih besar dari 10 mengindikasikan terjadinya multikolinearitas.
4.5.3. Uji Autokorelasi
Uji autokorelasi didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu. Adanya autokorelasi dalam persamaan
regresi dapat mengakibatkan bahwa penduga yang diperoleh dengan menggunakan OLS tidak lagi bersifat BLUE. Untuk mendeteksi adanya autokorelasi dapat
dilakukan dengan uji Durbin-Watson. Dalam Firdaus 2004, untuk melihat autokorelasi dapat menggunakan ketentuan sebagai berikut:
DW Kesimpulan
Kurang dari 1.10 1.10-1.54
1.55-2.46 2.46-2.90
Lebih dari 2.91 Ada autokorelasi
Tanpa kesimpulan Tidak ada autokorelasi
Tanpa kesimpulan Ada autokorelasi
Sumber: Ekonometrika Suatu Pendekatan Aplikatif Firdaus, 2004
4.5.4. Uji Heteroskedastisitas
Heteroskedastisitas pada umumnya terjadi pada data cross-section. Jika ragam sisaan tidak sama atau var ε
i
=Eε
i 2
=σ
i 2
untuk setiap pengamatan dari variabel bebas dalam model regresi, maka terjadi masalah heteroskedastisitas.
Untuk melihat terjadinya heteroskedastisitas adalah dengan melihat plot antar sisaan dengan dugaan respon. Jika ragam sisaan homogen maka seharusnya plot
antar sisaan
tersebut tidak
memiliki pola
apapun. Cara
mengatasi heteroskedastisitas adalah dengan transformasi peubah respon atau metode terkecil
terboboti weight least square dan dengan cara transformasi terhadap peubah respon dilakukan dengan tujuan untuk menjadikan ragam menjadi homogen pada
45 peubah respon hasil transformasi tersebut, atau dapat juga dilakukan dengan uji
White Heteroscedasticity. Hipotesis yang digunakan dalam pengujian ini yaitu: Ho : Tidak terdapat heteroskedastisitas
H
1
: Terdapat heteroskedastisitas Kaidah pengujian yaitu:
Probabilitas observasi R-Squared α maka tolak Ho Probabilitas observasi R-Squared α maka terima Ho
Jika keputusan yang diambil adalah menolak Ho maka dalam model terdapat heteroskedastisitas, sebaliknya jika keputusan menerima Ho maka dalam model
tidak terdapat heteroskedastisitas.
V. GAMBARAN UMUM 5.1.