62 H
: b
1
= b
2
= bn………..bn=0tidak ada pengaruh Ha : b
1
≠ 0………………bi=1ada pengaruh Kriteria pengambilan keputusan:
Ho: β
1
= β
2
= 0 , H diterima F-hitung F-tabel artinya variabel independen
secara bersama-sama tidak berpengaruh nyata terhadap variabel dependen. Ha :
β
1
≠ β
2
≠0, Ha diterima F-hitung F-tabel artinya variabel independen secara bersama-sama berpengaruh nyata terhadap variabel dependen.
3.7.3. Uji Penyimpangan Asumsi Klasik 3.7.3.1. Uji Multikolinieritas
Multikolinearitas adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang kuat kombinasi linier diantara independen variabel.
Multikolinieritas dikenalkan oleh Ragnar Frisch 1934. Suatu model regresi linier akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung
multikolinieritas. Multikolinearitas terjadi karena adanya hubungan yang kuat antara sesama variabel independen dari suatu model estimasi. Adanya
multikolinieritas ditandai dengan: •
Standard error tidak terhingga
• Tidak ada satupun t-statistik yang signifikan pada
α= 1, α= 5, α= 10
• Terjadi perubahan tanda atau berlawanan dengan teori
• R
2
sangat tinggi
Universitas Sumatera Utara
63 Ada banyak uji formal untuk mendeteksi keberadaan multikolinieritas yang
dapat dilakukan, tetapi dalam skripsi ini hanya akan diberikan uji formal yang sangat populer, dan tersedia dalam paket program SPSS yaitu:
• Uji Eigenvalues dan Conditional Index, multikolinieritas ditenggarai ada di
dalam persamaan regresi bila nilai Eigenvalues mendekati nol. Dan jika Conditional Index
berada antara nilai 10 sampai 30 maka model mengandung kolinieritas.
• Melihat nilai Variance Inflation Factor VIF dan Tolerance TOL.
Kolinieritas tidak ada jika nilai VIF dan TOL mendekati angka 1. Nachrowi Djalal Nachrowi dan Hardius Usman, 2006:100
3.7.3.2. Uji Heterokedastisitas
Heterokedastisitas terjadi apabila variabel pengganggu Error Term tidak mempunyai varian yang konstan sama untuk semua observasi sehingga residual
variabel pengganggu tidak bernilai nol atau
2 2
σ µ
≠ i
E
. Ini merupakan pelanggaran salah satu asumsi klasik tentang model regresi
linier berdasarkan metode kuadrat terkecil biasa. Heterokedastisitas pada umumnya lebih banyak ditemui pada data cross section yaitu data yang
menggambarkan keadaan pada suatu waktu tertentu misalnya data hasil suatu survei. Keberadaan heterokedastisitas akan dapat menyebabkan kesalahan dalam
penaksiran sehingga koefisien regresi menjadi tidak efisien dan dapat meyesatkan. Nachrowi Djalal Nachrowi dan Hardius Usman, 2006:112
Universitas Sumatera Utara
64 Pengujian untuk mendeteksi heteroskedastisitas dilakukan dengan metode
grafik. Sebagaimana telah dijelaskan sebelumnya bahwa heteroskedastisitas merupakan suatu kondisi dimana Var
μ
i 2
tidak konstan. Oleh karena itu, bila nilai-nilai
μ
i 2
diplot dengan nilai-nilai variabel bebas akan ditemui suatu pola atau bentuk yang tidak random pola yang sistematis.
Gambar 3.3 Pola Hipotesis Residual
Gambar a menunjukkan adanya pola yang sistematik , dimana semakin besar nilai
Ỷ, fliktuasi
μ
i 2
semakin besar, gambar b menunjukkan adanya trend, dan gambar c menunjukkan pola yang mengikuti fungsi logaritma. Pola-pola
sistematis ini menunjukkan Var
μ
i 2
tidak konstan untuk semua nilai Ỷ, atau
variannya Heteroskedastis. Sedangkan pada gambar d, titik-titik pada gambar
tersebut tidak mencerminkan suatu pola yang sistematis atau dapat dikatakan
μ
i 2
μ
i 2
μ
i 2
Ỷ
Ỷ a
b
c
μ
i 2
Ỷ d
Ỷ
Universitas Sumatera Utara
65 random. Dengan kata lain, Var
μ
i 2
konstan untuk semua nilai Ỷ, atau variannya
Homoskedastis
. Nachrowi Djalal Nachrowi dan Hardius Usman, 2006:114
3.7.3.3. Uji Normalitas
Output SPSS memberikan 2 buah gambar untuk mengukur syarat kenormalan suatu model estimasi, yaitu berupa histogram dan plot. Untuk gambar
yang berupa histogram, residual akan membentuk pola sebagaimana halnya distribusi normal yang berbentuk lonceng, dengan nilai tengah 0 dan varian 1.
Sedangkan plot mempunyai aturan jika titik-titik gradien antara Probabilita Kumulatif Observasi dan Probabilita Kumulatif Harapan berada sepanjang garis,
maka residual mengikuti distribusi normal. Nachrowi Djalal Nachrowi dan Hardius Usman, 2006:117
3.8 Defenisi Operasional Variabel