Hipotesis : H
: b
i
= 0 Perubahan suatu variabel eksogen secara individu tidak berpengaruh
nyata terhadap perubahan variabel endogen H
1
: b
i
Perubahan suatu variabel eksogen secara individu berpengaruh nyata terhadap perubahan variabel endogen
Statistik uji yang digunakan dalam uji t, yaitu : t
hitung
= b
i
Sb
i
Dengan : b
i
= Koefisien parameter dugaan Sb
i
= Standar deviasi parameter dugaan Kriteria uji :
t
hitung
t
tabel
: terima H t
hitung
t
tabel
: tolak H Semakin banyak H0 yang ditolak, maka suatu model yang digunakan akan
semakin baik untuk dijadikan model pendugaan persamaan fungsi Nerlove.
3.4.3. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Dengan kata lain, autokorelasi adalah
korelasi yang terjadi pada data itu sendiri dalam suatu urutan waktu. Analisis
regresi dilakukan untuk melihat pengaruh antara variabel bebas terhadap variabel terikat karena tidak diperkenankan terjadi korelasi antara observasi dengan data
observasi sebelumnya. Persamaan regresi klasik mengasumsikan bahwa masalah autokorelasi tidak terdeteksi dalam galat u
i
yang dapat dituliskan sebagai berikut Gujarati, 2004 :
Eu
i
u
j
= 0 i j
Jika dalam persamaan regresi terdapat autokorelasi maka dapat dituliskan sebagai berikut :
Eu
i
u
j
i j Autokorelasi dapat berupa autokorelasi positif dan negatif, meskipun pada
umumnya lebih sering ditemukan masalah autokorelasi positif pada data time series
karena pergerakan galat dari data tersebut baik ke atas ataupun ke bawah mengikuti panjangnya waktu.
Masalah autokorelasi dapat diketahui dengan menggunakan uji Breusch- Godfrey Serial Correlation LM Test.
Apabila nilai probabilitas ObsR-squared- nya lebih besar dari taraf nyata tertentu, maka persamaan itu tidak mengalami
autokorelasi. Bila nilai ObsR-squared-nya lebih kecil dari taraf nyata tertentu, maka persamaan itu mengalami autokorelasi.
3.4.4. Uji Multikolinieritas
Multikolinearitas mengacu pada kondisi di mana terdapat korelasi linear di antara variabel bebas sebuah model. Jika dalam suatu model terdapat
multikolinear akan menyebabkan nilai R
2
yang tinggi dan lebih banyak variabel