Langkah-langkah yang di tempuh dalam pengujian adalah : 1. Menyusun hipotesis nol H
dan hipotesis alternatif H
1
a. H :
β
1
= β
2
= β
3
= 0, diduga variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen.
b. H
1
: β
1
≠ 0, diduga variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.
2. Menetapkan kriteria pengujian yaitu : a. Tolak H
jika angka signifikansi lebih besar dari α = 5
b. Terima H jika angka signifikansi lebih kecil dari
α = 5
3.6.1.2 Uji Nilai F Hitung
Uji F hitung digunakan untuk menguji ketepatan model atau goodness of fit, uji F merupakan uji bersama-sama, menguji variabel bebas secara bersama - sama yang
digunakan untuk mampu melihat hubungan variabel indepen terhadap dependen. Kita harus membandingkan F hitung dengan nilai F tabel df k-1, n-k menurut
Suliyanto 2011 untuk menghitung besarnya nilai F hitung digunakan formula sebagai berikut :
R
2
k-1 1 - R
2
n-k Keterangan :
F = Nilai F hitung
R
2
= Koefisien determinasi k
= Jumlah variabel n
= Jumlah pengamatan ukuran sampel F =
Langkah-langkah yang ditempuh dalam pengujian adalah : 1. Menyusun hipotesis nol H
dan hipotesis alternatif H
1
a. H :
ρ = 0, diduga variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen.
b. H
1
: ρ ≠ 0, diduga variabel independen secara bersama-sama
berpengaruh signifikan terhadap variabel dependen.
2. Menetapkan kriteria pengujian yaitu: a. Tolak H
jika angka signifikansi lebih besar dari α = 5
b. Terima H jika angka signifikansi lebih kecil dari
α = 5
3.6.1.3 Koefisien Determinasi
Koefisien determinasi R
2
digunakan untuk mengetahui sampai seberapa besar presentasi variasi variabel bebas pada model dapat diterangkan oleh variabel
terikat, menurut Badri 2012 Koefisien determinasi R
2
dinyatakan dalam persentase yang nilainya berkisar antara 0R
2
1. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
independen sangat terbatas.
Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel
independen. Secara umum koefisien determinasi untuk data silang cross section relatif rendah karena adanya variasi yang besar antara masing-masing
pengamatan, sedangkan untuk data runtun waktu time series biasanya mempunyai nilai koefisien determinasi tinggi.
