β = Koefisien Regresi
Se = Standart Error
n = Jumlah sampel
k = Jumlah parameter regresi
j = Variabel Bebas j = 1,2,3,4,
Kaidah pengujian : a.
Apabila t hitung ≥ t tabel maka Ho ditolak dan Hi diterima, berarti ada
pengaruh antara variabel bebas dengan variabel terikat. b.
Apabila t hitung ≤ t tabel maka Ho diterima dan Hi ditolak, berarti tidak
ada pengaruh antara variabel bebas dengan variabel terikat.
3.5. Uji Asumsi Klasik
Persamaan regresi tersebut di atas harus bersifat BLUE Best Linear Unbiaseed Estimator, artinya pengambilan keputusan melalui uji F dan uji t tidak
boleh bias. Untuk menghasilkan keputusan yang BLUE maka persamaan regresi harus memenuhi ketiga asumsi klasik ini :
a Tidak boleh ada autokorelasi
b Tidak boleh ada multikolinearitas
c Tidak boleh ada heteroskedatisitas
Sifat BLUE dapat dijelaskan sebagai berikut : 1.
Best = Pentingnya sifat ini bila diterapkan dalam uji signifikan buku terhadap
α dan β.
2. Linear = Sifat ini dibutuhkan untuk memudahkan dalam penaksiran.
3. Unbiassed = Nilai jumlah sampel sangat besar penaksir parameter diperoleh
dari sampel besar kira-kira mendekati nilai parameter. 4.
Estimated = μi diharapkan sekecil mungkin.
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Uji Multikolinearitas
Persamaan regresi linier berganda di atas diasumsikan tidak terjadi pengaruh anatar variabel bebas. Apabila ternyata ada pengaruh linier antar
variabel bebas, maka asumsi tersebut tidak berlaku lagi terjadi bias. Untuk mendeteksi adanya multikolinieritas dapat dilihat ciri-cirinya sebagai
berikut : a.
Koefisien determinan berganda R square tinggi. b.
Koefisien korelasi sederhananya tinggi. c.
Nilai F hitung tinggi signifikan. d.
Tapi tak satupun sedikit sekali di antara variabel-variabel bebas yang signifikan.
Akibat adanya multikolinieritas adalah : 1.
Nilai standart error standart baku tinggi sehingga taraf kepercayaan confidence intervalnya akan semakin melebar. Dengan demikian,
pengujian koefisien regresi secara individual menjadi tidak signifikan.
2. Probabilitas untuk menerima hipotesa Ho diterima tidak ada pengaruh
antara variabel bebas terhadap variabel terikat akan semakin besar. Identifikasi secara statistic ada atau tidaknya gejala multikolinier dapat
dilakukan dengan menghitung koefisien korelasi product moment atau Variance Inflation Faktor VIF.
1 VIF =
Q – Rj
2
VIF menyatakan tingkat “pembengkakan” varian. Apabila varians lebih besar
dari 10. hal ini berarti terdapat multikolinieritas pada persamaan regresi linier.
2. Uji Heteroskedatisitas
Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini biasa diidentifikasikan dengan cara menghitung korelasi
rank Spearman antara residual dengan seluruh variabel bebas. Rumus Rank Spearman adalah :
∑di
2
rs = 1-6 NN
2
– 1 Keterangan
: di = Perbedaan dalam rank antara residual dengan variabel bebas ke-
N = Banyaknya data
3. Uji Autokorelasi
Autokorelasi adalah antara anggota seri observasi yang disusun menurut urutan waktu atau menurut urutan tempatruang atau korelasi pada dirinya
sendiri, dengan symbol yang dapat dinyatakan sebagai berikut :
E u I u j = 0, i=j. Untuk melihat apakah hasil dari estimasi regresi tidak mengandung
korelasi, maka diperlukan uji. Yaitu dengan menggunakan uji Durbin Watson.
Gambar 7 : Statistik Durbin-Watson
2 4
Menolak Ho Bukti
Autokorelasi Positif
Menolak Ho Bukti
Autokorelasi Negatif
Menerima Ho atau Ho Atau kedua-duanya
d
Daerah keragua-
raguan Daerah
keragua- raguan
d
L
d
U
4 – d
U
4 – d
L
d
Sumber: Suliyanto, 2005, Analisis Data Dalam Aplikasi Pemasaran, Ghalia Indonesia, hal. 86
Ho : tidak ada autokorelasi positif Ho : tidak ada autokorelasi negatif
Jika Ho : tidak ada autokorelasi positif, maka
ddL : menolak Ho ddU : tidak menolak Ho
dLddU : pengujian tidak meyakinkan
Jika Ho : tidak ada autokorelasi negatif, maka jika d4 – dL : menolak Ho
d4 – dU : tidak menolak Ho 4-dU4-dL : pengujian Ho tidak meyakinkan
Jika Ho : tidak ada autokorelasi positif maupun negative, maka jika
ddL : menolak Ho d4 – dL : menolak Ho
dUd4-dU : tidak menolak Ho dLddU atau 4-dUd4-dL : pengujian tidak meyakinkan.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian
