Koefisien Determinasi R Uji Penyimpangan Asumsi Klasik

119 df untuk pembilang, N 1 = k – 1, k adalah banyaknya parameter. df untuk penyebut, N 2 = n – k , n adalah banyaknya observasi.

3.5.2. Koefisien Determinasi R

2 Perhitungan nilai koefisien determinasi R 2 digunakan untuk mengukur kedekatan hubungan dari model yang dipakai. Koefisien determinasi R 2 yaitu angka yang menunjukan besarnya kemampuan varians atau penyebaran dari independen variable variable bebas yang menerangkan dependen variable variabel terikat atau angka yang menunjukan seberapa besar independen variable variabel bebas dapat menjelaskan dependen variable variabel terikat. Besarnya nilai koefisien determinasi adalah antara 0 hingga 1 0 ≤ R 2 ≤1, dimana jika nilai koefisien mendekati 1, maka model tersebut dikatakan baik karena semakin dapat menjelaskan hubungan antara variabel bebas dengan variabel terikat.

3.5.3. Uji Penyimpangan Asumsi Klasik

Selain dilakukan uji statistika di atas, pada saat analisis regresi sering muncul beberapa masalah yang termasuk dalam pengujian asumsi klasik, yaitu ada tidaknya masalah normalitas, multikolinieritas dan autokorelasi. Penelitian yang dilakukan dalam penelitian memiliki dimensi waktu time series sehingga untuk uji asumsi klasik hanya akan dilakukan berkaitan dengan mutlikolinieritas, dan autokorelasi. Uji normalitas berfungsi untuk mengetahui apakah kesalahan penggangu menunjukkan µ mempunyai nilai rata-rata yang sama dengan nol, tidak berkolerasi dan mempunyai varian yang konstan. Dengan asumsi ini Estimator atau penaksir akan memenuhi sifat-sifat yang diinginkan, seperti ketidakbiasaan 120 dan mempunyai varian yang minimum. Untuk mengetahui normal tidaknya faktor penggangu µ dilakukan dengan Jarque-Bera Test J-B Test. Uji menggunakan hasil estimasi residual dan probabilitas X 2 , yaitu dengan membandingkan nilai JB hitung atau X 2 hitung dengan X 2 tabel. Kriteria keputusan sebagai berikut : H : µ terdistribusi normal H a : µ tidak terdistribusi normal 1. Jika JB hitung X2 tabel maka hipotesis yang menyatakan bahwa residual µ I berdistribusi normal ditolak. 2. Jika nilai JB hitung X 2 tabel maka Hipotesis yang menyatakan bahwa resodual µi berdistribusi normal diterima. 3. Tahap uji Jarque Bera dengan menggunakan Eviews secara ringkas adalah sebagai berikut : a. Formulasi hipotesis Ho = distribusi µi H a = distribusi µ t tidak normal b. Menentukan tingkat signifikan α c. Menentukan kriteria pengujian Ho ditolak jika prob. JB α, Ho diterima jika prob. JBα d. Kesimpulan Uji multikolinearitas dilakukan untuk mengetahui ada tidaknya hubungan yang signifikan diantara variabel bebas. Salah satu cara untuk mendeteksi multikolinieritas adalah dengan menguji koefisien korelasi r antar variabel independen. Tanpa adanya perbaikan multikolinieritas tetap menghasilkan estimator yang BLUE karena masalah estimator yang BLUE tidak memerlukan asumsi tidak adanya korelasi antar variabel independen. Multikolinieritas hanya menyebabkan 121 kita kesulitan memperoleh estimator dengan standard error yang kecil Widarjono, 2005 Autokorelasi adalah adanya korelasi antara residual satu observasi dengan residual observasi lainnya. Salah satu metode yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah metode Bruesch-Godfrey atau yang lebih dikenal dengan uji Lagrange Multiplier LM. Mendeteksi terjadinya autokorelasi didasarkan pada probabilitas chi- square, yaitu : Jika probability chi square α = 5, berarti Ho tidak ditolak Jika probability chi square ≤ α = 5, berarti Ho ditolak Dimana : H o : tidak ada autokorelasi H 1 : ada autokorelasi Jika probabilitas chi-square X 2 ≥ 5 persen maka H o tidak ditolak atau tidak ada autokorelasi. Sebaliknya jika probabilitas chi-square X 2 ≤ 5 persen maka H o ditolak atau terjadi autokorelasi.

3.6. Definisi Operasional Variabel