k n
R k
R F
hitung
− −
− =
2 2
1 1
dimana : R
2
k = Jumlah variabel bebas = Koefisien determinan
n = Jumlah sampel Untuk pengujian ini digunakan hipotesa sebagai berikut :
H
o
: β
1
= β
2
= β
3
= β
4
H = 0
a
: β
1
= β
2
= β
3
= β
4
Dengan kriteria sebagai berikut : ≠ 0 paling sedikit satu variabel
H
o
diterima jika F
hitung
≤ F Artinya seluruh variabel bebas tidak secara nyata mempengaruhi variabel terikat.
tabel
H
o
ditolak jika F
hitung
F Artinya seluruh variabel bebas secara nyata mempengaruhi variabel terikat.
tabel
3.6. Uji Asumsi Klasik 3.6.1. Uji Normalitas
Pendugaan persamaan dengan menggunakan metode OLS harus memenuhi sifat kenormalan, karena jika tidak normal dapat menyebabkan varians infinitif
ragam tidak hingga atau ragam yang sangat besar. Hasil pendugaan yang memiliki varians infinitif menyebabkan pendugaan dengan metode OLS akan menghasilkan
Universitas Sumatera Utara
nilai dugaan yang not meaningful tidak berarti. Hal ini mengindikasikan bahwa uji F dan t terhadap parameter pendugaan tidak mempunyai nilai. Hasil Penelitian yang
memiliki ragam yang besar membuat hasil pendugaan tidak efektif, namun hasil uji F dan t terhadap parameter penduga masih memiliki nilai Verbeek et. al, 2000 dan
Thomas, 1997. Salah satu metode yang banyak digunakan untuk menguji Normalitas adalah Jarque-Bera test. Uji statistik ini dapat dihitung dengan rumus berikut:
− +
= 24
3 6
2 2
4 3
2 2
3
µ µ
µ µ
n JB
dimana: n = jumlah sampel
µ
2
µ = varians
3
µ = skewness
4
Jarque-Bera test mempunyai distribusi chi square dengan derajat bebas dua. Jika hasil Jarque-Bera test lebih besar dari nilai chi square
pada α = 5, maka tolak hipotesis nul yang berarti tidak berdistribusi normal. Jika hasil Jarque-Bera test lebih
kecil dari nilai chi square pada α = 5, maka terima hipotesis nul yang berarti error
term berdistribusi normal. = kurtosis
Universitas Sumatera Utara
3.6.2. Uji Linieritas
RESET test pertama kali diperkenalkan oleh Ramsey pada 1969 yang berawal dari ide bahwa jika tidak terdapat nonlinearitas maka berbagai transformasi nonlinear
dari
θ
ˆ ~
t t
X f
= tidak memberikan manfaat untuk menyatakan y
t
i Regresikan y
Kim, et.al., 2004. Prosedur uji pada RESET test dapat dijelaskan sebagai berikut :
t
~
t
X pada
sehingga diperoleh model linear
t t
t
e f
y ˆ
+ =
, dimana
θ
ˆ ~
t t
X f
= ii
Tambahkan model linear dalam bentuk
t k
t k
t t
f a
f a
e
ν
+ +
+ =
... ˆ
2 2
untuk suatu
2 ≥
k
sehingga diperoleh model alternatif
t k
t k
t t
t
f a
f a
X y
ν θ
+ +
+ +
= ...
~
2 2
untuk suatu
2 ≥
k
iii Test dilakukan dengan menguji hipotesis
:
2
= =
=
k
a a
H
. Jika
n
e e
e ˆ
, ,
ˆ ˆ
1
=
adalah nilai-nilai residual prediksi dari model linear pada 6 dan
n
v v
ˆ ,
, ˆ
ˆ
1
=
ν
adalah residual dari model alternatif pada 7 maka statistik ujinya adalah
RESET =
[ ]
[ ]
k n
v v
k v
v e
e −
− −
ˆ ˆ
1 ˆ
ˆ ˆ
ˆ
H ditolak jika RESET Fk-1,n-k.
Universitas Sumatera Utara
Untuk uji ini nilai k ditentukan lebih dahulu. Model pada 7 dapat menimbulkan kolinearitas pada variabel-variabel independennya sehingga dihindari
dengan melakukan langkah-langkah sebagai berikut : i
Bentuk komponen-komponen utama dari
k t
t
f f
, ,
2
ii
Pilih p k-1 yang terbesar, kecuali komponen utama pertama sedemikian hingga sudah tidak kolinear dengan
~
t
X iii
Regresikan y
t
~
t
X pada
dan hasil dari i dan ii sehingga menghasilkan residual
t
uˆ
. Statistik ujinya adalah RESET1 =
[ ]
[ ]
k n
u u
p u
u e
e −
− ˆ
ˆ ˆ
ˆ ˆ
ˆ
H
3.6.3. Uji Multikolinieritas
ditolak jika RESET1 Fp,n-k.
Merupakan pengujian untuk mengetahui apakah adanya hubungan linier yang kuat diantara beberapa atau semua variabel bebas dari model regresi.
Multikolinieritas akan mempengaruhi interpretasi hasil regresi model yang diuji. Salah satu cara untuk mendeteksi multikolinier adalah dengan cara membandingkan
nilai r
2
nilai R square parsial dengan nilai R
2
nilai R square awal. Jika nilai r
2
R
2
, maka model regresi tersebut menunjukkan adanya multikolinier. Sedangkan jika nilai r
2
R
2
, maka model regresi tersebut telah terbebas dari masalah multikolinieritas.
Universitas Sumatera Utara
3.6.4. Uji Autokorelasi
Autokorelasi merupakan hubungan yang terjadi antara variabel-variabel dari serangkaian pengamatan yang tersusun dalam rangkaian waktu. Dengan kata lain,
autokorelasi akan menunjukkan hubungan antara nilai-nilai yang berurutan dari variabel-variabel yang sama. Autokorelasi dapat terjadi apabila kesalahan
pengganggu suatu periode korelasi dengan kesalahan pengganggu periode sebelumnya. Adapun alat penguji yang digunakan untuk mendeteksi ada atau
tidaknya autokorelasi adalah : 1.
Durbin-Watson test D-W test DW test dapat dirumuskan sebagai berikut :
∑ ∑
= =
−
− =
n t
t n
t t
t
e e
e d
1 2
2 2
1
Di dalam pengujian autokorelasi ini, maka terlebih dahulu harus ditentukan besarnya nilai kritis dari d
U
dan d
L
Untuk pengujian ini digunakan hipotesa sebagai berikut : berdasarkan jumlah pengamatan dan variabel
bebasnya.
H H
: ρ = 0, tidak ada gejala autokorelasi
a
: ρ Dengan kriteria sebagai berikut :
≠ 0, ada gejala autokorelasi
H diterima jika d
U
d 4 – d
U
,
Universitas Sumatera Utara
Artinya data pengamatan tidak terdapat gejala autokorelasi. H
ditolak jika d d
L
atau d 4 – d
L
Artinya data pengamatan memiliki gejala autokorelasi. ,
Tidak ada kesimpulan jika d
L
≤ d ≤ d
U
atau 4 – d
U
≤ d ≤ 4 – d
L
Artinya Uji Durbin-Watson tidak dapat memberikan kesimpulan yang pasti terhadap ada atau tidaknya gejala autokorelasi pada data pengamatan.
,
Jika di dalam model penelitian terdapat unsur time lag, maka sebaiknya pengujian ini tidak dilakukan dan menggunakan pengujian LM Test karena akan
menimbulkan kebiasan terhadap hasil pengujian. 2.
Lagrange Multiplier Test LM Test Uji ini dikembangkan oleh Breusch-Godfrey, sehingga dikenal juga dengan
sebutan The Breusch-Godfrey BG Test. Perhatikan model persamaan berikut ini :
t 1
1 t
X Y
µ β
β +
+ =
Pada uji ini diasumsikan bahwa μ
t
mengikuti model otoregresif ordo pARP
1
t t
3 t
3 2
t 2
1 t
1 t
...
ε µ
ρ µ
ρ µ
ρ µ
ρ µ
ρ ρ
+ +
+ +
+ =
− −
− −
, dengan bentuk sebagai berikut :
Adapun hipotesis yang digunakan adalah sebagai berikut : H
: ρ
1
= ρ
2
= … = ρ
ρ
H = 0
a
Dengan demikian apabila kita tidak memiliki cukup bukti untuk menolak hipotesis, maka gejala autokorelasi tidak ada.
: Tidak demikian
Universitas Sumatera Utara
3.7 . Definisi Operasional
