53
dari F-tabel, maka H diterimadan model yang lebih tepat digunakan
adalah Common Effect Model Gujarati Porter, 2009.
b. Uji Hausman
Uji hausman merupakan uji statistic untuk memilih apakah menggunakan model Fixed Effect atau Random Effect. Statistic uji
Hausman ini mengikuti distribusi statistic chi-square dengan degree of freedom df sebanyak k dimana k adalah jumlah variabel independen.
Widarjono, 2009:240-241. Menurut Gujarati dan Porter 2009, hipotesis uji Hausman adalah
sebagai berikut: H
: Fixed Effect Model H
1
: Random Effect Model Jika nilai statistic Hausman lebih besar dari nilai kritisnya chi-
square maka model yang tepat adalah Fixed Effect Model. Sedangkan sebaliknya, apabila nilai statistic Hausman lebih kecil dari nilai
kritisnya maka model yang tepat adalah model Random Effect.
3. Uji Asumsi Klasik
Menurut Widarjono 2009:101, dalam melakukan analisis regresi berganda harus memenuhi beberapa persyaratan dan berhasil melewati
serangkaian asumsi
klasik yang
terdiri dari
uji normalitas,
multikolinearitas, heteroskedastisitan dan uji autokorelasi.
54
a. Uji Normalitas
Uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau
tidak. Nilai residual terstandarisasi yang berdistribusi normal jika digambarkan dengan bentuk kurva akan membentuk gambar lonceng
bell-shaped curve. Untuk mendeteksi apakah nilai residual terstandarisasi berdistribusi normal atau tidak, maka dalam penelitian
ini menggunakan metode analisis grafik dan metode statistic. Suliyanto, 2011:69.
1 Uji Normalitas dengan Analisis Grafik Pengujian normalitas dengan menggunakan analisis grafik
merupakan metode yang termudah. Analisis grafik dilakukan dengan menggunakan histogram dengan menggambarkan variabel dependen
sebagai sumbu vertical sedangkan nilai residual terstandarisasi digambarkan sebagai sumbu horizontal. Jika Histogram Standardized
Regression Residual membentuk kurva seperti lonceng maka nilai residual tersebut dinyatakan normal.
Gambar 3.1 Bentuk Histogram Normalitas
Sumber: Ghozali,2009:34
55
2 Uji Normalitas dengan Jarque -Bera JB Test Uji ini dilakukan dengan membandingkan nilai statistic Jarque-
Bera JB dengan nilai Chi-Square χ2 table dengan tingkat
signifikansi 5 dan df 2. Pengambilan keputusan dalam uji JB adalah jika nilai Jarque-
Bera JB ≤ χ2 tabel maka nilai residual terstandarisasi berdistribusi normal.Sedangkan jika nilai Jarque-
Bera JB χ2 tabel maka nilai residual terstandarisasi berdistribusi tidak normal
Widarjono, 2009:49.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi yang terbentuk ada atau tidaknya korelasi yang tinggi atau
sempurna di antara variabel bebas. Jika dalam model regresi yang terbentuk terdapat korelasi yang tinggi atau sempurna di antara
variabel bebas maka model regresi tersebut dinyatakan mengandung gejala multikolinier. Suliyanto, 2011:61
Dalam penelitian
ini untuk
mendeteksi ada
tidaknya multikoliearitas yaitu dengan menganalisis korelasi berpasangan yang
tinggi di antara variabel-variabel independen. Jika antar variabel independen terdapat koefisien korelasi yang tinggi di atas 0.85 maka
dapat disimpulkan bahwa dalam model terdapat multikolinearitas. Jika koefisien korelasi lebih rendah dari 0.85 maka model tidak
mengandung multikolinearitas Widarjono, 2009:103
56
c. Uji Heteroskedastisitas
Heteroskedastisitas merupakan adanya varian variabel pada model regresi yang tidak sama konstan. Jika varian variabel pada model
regresi memiliki
nilai yang
sama maka
disebut dengan
homoskedastisitas. Untuk
mendeteksi adanya
masalah heteroskedastisitas dapat digunakan metode analisis grafik dan metode
statistik. Metode analisis grafik dilakukan dengan mengamati scatterplot di sumbu horizontal menggambarkan nilai Predicted
Standardized sedangkan sumbu vertical menggambarkan nilai Residual Studentized. Jika scatterplot membentuk pola tertentu, hal itu
menunjukkan adanya masalah heteroskedastisitas pada model regresi yang dibentuk. Sedangkan jika scatterplot menyebar secara acak maka
hal itu menunjukkan tidak terjadinya masalah heteroskedastisitas pada model regresi yang dibentuk. Suliyanto, 2011:97
Dalam penelitian ini pengujian heteroskedastisitas dilakukan dengan metode Park Uji Park. Uji Park dilakukan untuk
meregresikan semua variabel bebas terhadap nilai Ln residual kuadrat Ln e
2
. Jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai Ln residual kuadrat Ln e
2
maka dalam model terdapat masalah heteroskedastisitas. Persamaan yang digunakan untuk uji Park ini
adalah sebagai berikut:
Keterangan: ln μ²i = α + β ln X
i
+ v
i
57
μ²i : Nilai residual Kuadrat X
i
: Variabel bebas Pengambilan keputusan dalam uji Park ini adalah jika β signifikan
maka terdapat pengaruh variabel bebas terhadap nilai ln residual kuadrat sehingga dapat dinyatakan terdapat gejala heteroskedastisitas.
Demikian pula sebaliknya Suliyanto, 2011: 102. Dalam penelitian ini tingkat signifikansi yang digunakan adalah α = 5.
d. Uji Autokorelasi
Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya. Autokorelasi dapat berbentuk
autokorelasi positif dan autokorelasi negatif Winarno, 2009:5.26. Uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara
anggota serangkaian data observasi yang diuraikan menurut waktu time-series atau ruang cross-section. Suliyanto,2011:125.
Dalam penelitian ini menggunakan Uji Durbin-Watson Uji D-W merupakan uji yang sangat popular yang dikenal sebagai statistic d
Durbin-Watson dan merupakan salah satu uji yang banyak dipakai untuk mengetahui ada tidaknya autokorelasi
Metode ini membandingkan nilai d statistic dengan nilai table dL –
dU. Hipotesis yang digunakan dalam model ini adalah: H
: Tidak ada autokorelasi r = 0 H
1
:Ada autokorelasi r ≠ 0
58
Pengambilan keputusan uji autokorelasi dengan criteria sebagai berikut:
Tabel 3.3 Kriteria Pengujian Autokorelasi dengan Uji DW
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi
positif Tolak
0 d dL Tidak ada autokorelasi
positif No decision
dL ≤ d ≤ dU Tidak ada autokorelasi
negative Tolak
4 – dL d 4
Tidak ada autokorelasi negative
No decision 4
– dU ≤ d ≤ 4–dL Tidak ada autokorelasi
positif atau negative Tidak ditolak
dU d 4 – dU
Sumber: Gujarati dan Porter, 2007:122
4. Uji Signifikansi