c. Uji Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada atau tidaknya korelasi antara variabel pengganggu e
t
pada periode tertentu dengan periode sebelumnya e
t-1
. Autokorelasi sering terjadi pada sampel dengan data time series dan n sampel adalah
periode waktu. Sedangkan untuk sampel data crossection dengan n item sampel, seperti perusahaan, orang, wilayah, dan lain sebagainya, jarang
terjadi. Karena, variabel pengganggu item sampel yang satu berbeda dengan yang lain Nugroho, 2009.
d. Uji Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan variance
residual suatu periode pengamatan ke periode pengamatan yang lain.
Atau, gambaran hubungan antara nilai yang diprediksi dengan studentized delete residual
nilai tersebut. Model regresi yang baik adalah model regresi yang memiliki persamaan variance residual suatu periode
pengamatan dengan periode pengamatan yang lain. Atau, adanya hubungan antara nilai yang diprediksi dengan studentized delete residual
nilai tersebut. Sehingga, dapat dikatakan bahwa model tersebut adalah homoskedastisitas lain Nugroho, 2009.
3.4.3 Uji Hipotesis
Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam penelitian. Jika terdapat deviasi antara sampel yang
ditentukan dengan jumlah populasi, tidak tertutup kemungkinan, terjadinya kesalahan dalam pengambilan keputusan, baik menolak maupun menerima
suatu hipotesis Nugroho, 2009. Pembentukan suatu hipotesis membutuhkan berbagai teori dan hasil
penelitian terdahulu sebagai pendukung pernyataan hipotesis yang diusulkan. Dalam membentuk hipotesis, ada beberapa hal yang perlu
dipertimbangkan yaitu: a.
Hipotesis nol dan hipotesis alternatif yang diusulkan. b.
Daerah penerimaan, daerah penolakan, serta teknik arah pengujian one tailed
atau two tailed.
c. Penentuan nilai hitung statistik.
d. Menarik kesimpulan untuk menerima atau menolak hipotesis yang
diusulkan. H
bertujuan untuk memberikan usulan dugaan kemungkinan tidak adanya perbedaan antara perkiraan penelitian dengan keadaan sesungguhnya
yang diteliti. H
a
bertujuan memberikan usulan dugaan adanya perbedaan perkiraan dengan keadaan sesungguhnya yang diteliti. Uji hipotesis ini
terbagi atas dua macam, yaitu: a.
Uji Simultan f Test
Uji simultan dengan f test ini bertujuan untuk mengetahui pengaruh
secara bersama-sama variabel independen terhadap variabel dependen. Hasil f test menunjukkan bahwa variabel independen secara
bersama-sama berpengaruh terhadap variabel dependen jika p-value pada kolom Sig. lebih kecil dari level of significant yang ditentukan.
Atau, f hitung pada kolom f lebih besar dari f tabel. F tabel dihitung dengan cara df1=k-1 dan df2=n-k. K adalah jumlah variabel dependen
ditambah dengan independen Nugroho, 2009. b.
Uji Parsial t Test
Uji t berpasangan Paired-Samples t Test digunakan untuk
membandingkan selisih dua purata mean dari dua sampel yang berpasangan dengan asumsi data terdistribusi normal Uyanto, 2009. T
test ini bertujuan untuk mengetahui besarnya pengaruh masing-masing
variabel independen secara individual parsial terhadap variabel dependen. Nilai dari uji t dapat dilihat dari p-value kolom Sig. pada
masing-masing variabel independen. Agar hasil dari variabel independen dapat dikatakan berpengaruh terhadap variabel dependen, p-value harus
lebih kecil dari level of significant yang ditentukan. Atau, t hitung pada kolom t lebih besar dari t tabel dihitung dari two tailed
α=5 serta df-k. K merupakan jumlah variabel independen Nugroho, 2009.
c. Koefisien Determinasi
Koefisien determinasi R
2
bertujuan untuk mengetahui seberapa besar kemampuan variabel independen yang menjelaskan variabel
dependen. Dalam output SPSS, koefisien determinasi terletak pada Tabel Summary Model
dan tertulis R Square. Namun, regresi linier berganda menggunakan R Square yang sudah disesuaikan atau tertulis Adjusted R
Square . Karena, disesuaikan dengan jumlah variabel independen yang
digunakan dalam penelitian Nugroho, 2009. Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square
berkisar antara 0 nol sampai dengan 1 satu. Pada umumnya, sampel dengan data deret waktu time series memiliki R Square maupun
Adjusted R Square cukup tinggi di atas 0,5. Sedangkan sampel dengan
data item tertentu yang disebut data silang crossection, pada umumnya, memiliki R Square dan Adjusted R Square yang agak rendah di bawah
0,5. Namun, tidak menutup kemungkinan data jenis crossection memiliki nilai R Square dan Adjusted R Square yang cukup tinggi.
3.4.4 Uji Regresi Linier Berganda
