2006. Kriteria yang digunakan adalah apabila X
2
-hitung lebih kecil daripada X2- tabel, maka hipotesis alternatif adanya heteroskesidasitas dalam model ditolak.
3.4.2.3 Uji Multikolinieritas
Salah satu asumsi model regresi klasik adalah tidak terdapat multikolinearitas diantara variabel independen dalam model regresi. Menurut Gujarati 2003
multikolinearitas berarti adanya hubungan sempurna atau pasti antara beberapa variabel independen dalam model regresi.
Pengujian terhadap ada tidaknya multikolinearitas ini dilakukan dengan cara melihat koefisien korelasi antar variabel. Apabila tidak ada yang mendekati angka 1
maka dapat dikatakan tidak terdapat multikolinearitas sempurna.
3.4.2.4 Uji Normalitas
Regresi linier normal klasik mengasumsikan bahwa distribusi probabilitas dari gangguan µ1 memiliki rata-rata yang diharapkan sama dengan nol, tidak berkorelasi
dan mempunyai varian yang konstan. Dengan asumsi ini, penaksir akan memenuhi sifat-sifat statistik yang diinginkan seperti unbiased dan memiliki varian yang
minimum Gujarati, 2003. Ada beberapa metode untuk mengetahui normal atau tidaknya distribusi
residual antara lain J-B Test dan metode grafik. Penelitian ini akan menggunakan metode J-B test, yang dilakukan dengan menghitung nilai skewness dan kurtosis,
apabila J-B hitung nilai X
2
chi-square tabel, maka nilai residual berdistribusi normal Firmansyah, 2006
3.4.4 Pengujian Statistik Analisis Regresi
Uji signifikansi merupakan prosedur yang digunakan untuk menguji diterima atau ditolaknya secara statistik hasil hipotesis nol H
dari sampel. Keputusan untuk mengolah H
dibuat berdasarkan nilai uji statistik yang diperoleh dari data yang ada Gujarati, 2003.
1. Koefisien Determinasi R
2
Nilai R
2
disebut juga koefisien determinasi. Koefisien determinasi R
2
menunjukkan seberapa besar persentase variasi variabel independen dapat menjelaskan variasi variabel dependennya goodness of fit test. Nilai R
2
dapat diperoleh dengan formula sebagai berikut Firmansyah, 2006:
R
2
=
Nilai R2 berkisar antara nol dan satu 0R
2
1. Nilai R
2
yang kecil atau mendekati nol berarti kemampuan variabel independen dalam menjelaskan variasi variabel
dependen amat terbatas. Sebaliknya, jika nilai R
2
mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen, dan model tersebut dapat dikatakan baik Gujarati, 2003.
2. Pengujian
Best of Fit Model
a. Pengujian koefisien regresi serentak Uji F
Dalam Gujarati 2003, uji F merupakan alat uji statistik secara bersama-sama atau keseluruhan dari koefisien regresi variabel independen
terhadap variabel dependen. Dari uji F dapat diketahui apakah semua variabel independen yang dimasukkan dalam model memiliki pengaruh secara
bersama-sama atau tidak terhadap variabel dependen. Hipotesis nol Ho yang diajukan dalam penelitian ini adalah apakah semua variabel independen bukan
merupakan penjelas yang signifikan terhadap variabel dependen, atau: H
: β
1
= β
2
= β
3
= β
4
= 0 Sedangkan hipotesis alternatifnya H1 adalah semua variabel
independen mampu mempengaruhi variabel dependen secara bersama-sama, atau:
H
1
: β
1
= β
2
= β
3
= β
4
≠ 0 Kriteria dalam uji F yaitu bila niali F
hitung
lebih besar dibandingkan dengan nilai F
tabel
FF
α
,
df
, maka H ditolak, dan H
1
diterima. Atau apabila F
hitung
lebih besar dari F
tabe
l, maka variabel independen berpengaruh signifikan terhadap variabel dependen secara bersama-sama. Sebaliknya, apabila F
hitung
lebih kecil dari F
tabel
, maka variabel independen tidak berpengaruh signifikan terhadap variabel dependen secara bersama-sama. F
tabel
diperoleh dengan derajat kebebasa variasi regresi k banyaknya variabel, dan derajat kebebasan
variasi residual n-k-1 banyaknya observasi-banyaknya variabel-1 b. Pengujian koefisien regresi secara individual Uji t
