H
a
: β
i
≠ β : Ha diterima t-hitung t-table variabel independen secara
parsial berpengaruh nyata terhadap variabel independen.
Ha diterima Ha diterima
H diterima
Gambar 3.2 Kurva Uji t - statistik
Bila t-hitung t-tabel, maka pada tingkat kepercayaan tertentu H ditolak.
Hal ini berarti bahwa variabel independen yang di uji berpengaruh secara nyata signifikan terhadap variabel dependen.
Nilai t-hitung diperoleh dengan rumus : t-hitung
=
Dimana; bi = koefisien variabel ke-i
b = nilai hipotesis nol Sbi = simpangan baku dari variabel independen ke-i
4. Uji Penyimpangan Asumsi Klasik
a. Multikolineritas
Multikolinieritas adalah alat untuk mengetahui suatu kondisi, apakah terdapat korelasi variabel independen di antara satu sama lainnya. Untuk mengetahui ada
tidaknya Multikolinieritas dapat dilihat dari nilai R-Square, F- hitung, t-hitung, serta standart eror.
Adanya Multikolinieritas ditandai dengan: a Standart error tidak terhingga
b Tidak ada satupun t- statistik yang signifikan pada α = 5, α = 10, α =
1. c Terjadi perubahan tanda atau tidak sesuai dengan teori.
d R
2
sangat tinggi.
b. Autokorelasi
Autokorelasi terjadi bila error term µ dari waktu yang berbeda berkorelasi. Dikatan bahwa error term berkorelasi atau mengalami korelasi serial
apabila variabel ε
i
.ε
j
≠ 0 ; untuk i ≠ j, dalam hal ini dikatakan memiliki masalah autokorelasi. Untuk mengetahui keberadaan autokorelasi dapat digunakan
Lagrange Multiplier Test LM Test. Untuk mendeteksi ada atau tidaknya autokorelasi digunakan untuk uji
Durbin –Watson dimana hipotesis yang akan diuji adalah: H
: tidak ada autokorelasi r = 0 Ha
: ada autokorelasi r ≠ 0
Bila nilai DW terletak antara batas atas atau upper bound du dan 4-du, maka koefisien atau korelasi sama dengan nol, berarti tidak ada korelasi.
c. Lagrange Multiplier LM
Uji ini dikembangkan oleh Breusch-Godfrey, sehingga dikenal juga dengan sebutan The Breusch-Godfrey BG Test. LM merupakan teknik regresi
yang mengandung atau memasukkan variabel lag. Yt = α + β
1
X
1t
+ β
2
X
2t
+ µ
t
……………………. 3
Pada uji ini diasumsikan bahwa µt mengikuti model otoregresif ordo pARp, dengan bentuk sebagai berikut:
µt = ρ
1
µ
t-1
+ ρ
2
µ
t-2
+ . . . + ρ
ρ
µ
t- ρ
+
ε
t
…………………4 Adapun hipotesis yang digunakan:
H : ρ
1
= ρ
2
= . . . = ρ
ρ
= 0 Ha : tidak demikian
Dengan demikian bila kita tidak mempunyai cukup bukti untuk menolak hipotesis, maka µ
t
=
ε
t
, berarti tidak ada serial korelasi.
d. Normalitas
Uji normalitas dilakukan untuk menguji apakah faktor pengganggu µi berdistribusi normal atau tidak. Untuk melakukan uji normalitas digunakan
Jarcue-Bera Test JB-Test. Untuk melihat apakah data telah berdistribusi normal dengan cara JB- Test
ini dengan membandingkan Jarcue Bera normality test statistic dengan X
2
tabel, jika Jarcue Bera normality test statistic lebih kecil dari X
2
maka µi adalah berdistribusi normal. Sebaliknya jika Jarcue Bera Bera normality test statistic
lebih besar dari X
2
maka µi adalah tidak berdistribusi normal. Cara lain untuk melihat apakah data berdistribusi normal dengan
menggunakan JB-Test adalah dengan melihat angka probability. Apabila angka Probability 0,05 maka data berdistribusi normal, sebaliknya apabila angka
Probability 0,05 maka data tidak berdistribusi normal. Wahyu Ario Pratomo dan Paidi Hidayat, 2007 : 92
3.8 Definisi Variabel Operasional
