37
Kriteria Pengujian: 1.
H diterima dan H
1
ditolak apabila F hitung F tabel, artinya variabel independen secara bersama – sama tidak berpengaruh secara signifikan
terhadap variabel dependen. 2.
H ditolak dan H
1
diterima apabila F hitung F tabel, artinya variabel independen secara bersama – sama berpengaruh secara signifikan terhadap
variabel dependen.
3.6.3. Uji Koefisien Determinasi R
2
Koefisien determinasi R
2
digunakan untuk mengetahui besarnya daya menerangkan dari variabel independen terhadap variabel dependen pada model
tersebut. Nilai R
2
berkisar antara 0 R
2
1 sehingga kesimpulan yang diambil adalah:
1. Nilai R
2
yang kecil atau mendekati nol, berarti kemampuan variabel-variabel bebas dalam menjelaskan variabel-variabel tak bebas sangat terbatas.
2. Nilai R
2
mendekati satu, berarti variabel-variabel bebas memberikan hampir semua informasi untuk memprediksi variasi variabel tak bebas.
Dalam penelitian ini berarti, bila nilai R
2
memberikan hasil yang mendekati angka 1, artinya kualitas lingkungan yang ditinjau dari tingkat emisi
CO
2
, CH
4
, dan N
2
O dapat dijelaskan dengan baik oleh variasi variabel independen GDP, GDP
2
, GDP
3
, dan atau TDR Sedangkan sisanya 100 - nilai R
2
dijelaskan oleh sebab-sebab lain di luar model.
38
3.6.4. Uji Autokorelasi
Istilah autokorelasi bisa didefinisikan sebagai korelasi di antara anggota observasi yang diurut menurut waktu seperti data deret berkala atau ruang
seperti data lintas sektoral. Uji yang paling dikenal untuk pendeteksian autokorelasi adalah statistik d Durbin-Watson DW Test. Pengujian dengan DW
Test hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada
variabel lag diantar variabel independen. Hipotesis yang akan diuji adalah:
H : tidak ada autokorelasi r = 0
H
1
: ada autokorelasi r ≠ 0
Tabel 3.2 Uji d Durbin-Watson: Aturan Keputusan
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada autokorelasi negatif
Tidak ada autokorelasi negatif Tidak ada autokorelasi positif
atau negative Tolak
Tidak ada keputusan Tolak
Tidak ada keputusan Tidak ditolak
0 d d
L
d
L
≤ d ≤ d
U
4 - d
L
d 4 4 - d
U
≤ d ≤ 4 - d
L
d
U
d 4 - d
U
Sumber: Gujarati, 2003
3.6.5. Uji Heterokedastisitas
Suatu asumsi kritis dari model regresi linear klasik adalah bahwa gangguan u
i
semuanya mempunyai varians yang sama. Jika asumsi ini tidak dipenuhi, maka mempunyai heteroskedasitas. Heteroskedasitas tidak merusak sifat
ketidakbiasan dan konsistensi dari penaksir OLS. Tetapi penaksir ini tidak lagi mempunyai varians minimum atau efisien . Dengan perkataan lain, sehingga tidak
lagi memenuhi asumsi BLUE.
39
Untuk mendeteksi ada tidaknya pelanggaran ini dengan menggunakan White Heterocdasticity Test
Gujarati, 1995. Nilai probabilitas ObsR-squared dijadikan sebagai acuan untuk menolak atau menerima H
. Hipotesis yang akan diuji:
H : homoskedastisitas
H
1
: heteroskedastisitas Kriteria pengujiannya adalah:
1. Probabilitas ObsR-squared taraf nyata , maka tolak H
2. Probabilitas ObsR-squared taraf nyata , maka terima H
3.6.6. Uji Normalitas
