commit to user 65
Setelah dilakukan upaya perbaikan, selanjutnya data diregres kembali. Hasil regresi baru setelah diperbaiki adalah sebagai berikut:
Tabel 4.21 Hasil Analisis Regresi Linier Berganda
Dependent Variable: PDP Method: Least Squares
Date: 070611 Time: 08:48 Sample: 1 150
Included observations: 150
Variable Coefficient
Std. Error t-Statistic
Prob. C
31744.99 109138.1
0.290870 0.7716
MDL 0.033325
0.006617 5.036201
0.0000 JK
25529.77 9724.226
2.625378 0.0096
JD 56077.54
70524.09 0.795154
0.4278 R-squared
0.198835 Mean dependent var 325000.0
Adjusted R-squared 0.182372 S.D. dependent var
363509.6 S.E. of regression
328695.5 Akaike info criterion 28.26996
Sum squared resid 1.58E+13 Schwarz criterion
28.35024 Log likelihood
-2116.247 F-statistic 12.07819
Durbin-Watson stat 1.887914 ProbF-statistic
0.000000
Sumber : Data primer diolah 2011 Y = 31744,99 + 0,033325 MDL
+ 25529,77JK + 56077,54JD
SE: 109138,1 0,006617 9724,226 70524,09 t : 0,29087 0 5,036201 2,825378 0,795154
Prob = 0,7716 0,0000 0,00966 0,4278
Keterangan : Y = Pendapatan Pedagang Rupiah
MDL = Modal Rupiah JK
= Jam Kerja jam per hari JD
= Dummy Jenis Dagangan 0 = bukan semabako; 1 = sembako
1. Uji asumsi klasik
a. Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya multikolinearitas antar variabel bebas. Untuk
commit to user 66
mendeteksi ada tidaknya multikolineritas digunakan Klein’s Rule of Thumb yaitu dengan membandingkan koefisien determinasi dari
auxiliary regression regresi antar variabel bebas r
2
dengan R
2
regresi utama. Apabila nilai r
2
R
2
, maka tidak terjadi multikolinearitas.
Berdasarkan hasil uji multikolinearitas dengan menggunakan metode Klein model regresi yang telah mengalami pembuangan drop
variabel terbebas dari masalah multikolinearitas. Setelah model diregres kembali diperoleh R
2
regresi utama yaitu sebesar 0,198835 Lihat Lampiran 5, sedangkan nilai r
2
regresi parsial variabel modal MDL sebesar 0,017083 dan nilai r
2
regresi parsial variabel jam kerja sebesar 0,150120 Lihat Lampiran 5. Hal ini membuktikan bahwa
variabel modal lolos dari masalah multikolinearitas yang ditunjukan dari nilai r
2
R
2
. Variabel terakhir yaitu jenis dagangan setelah di uji dengan
moetode Klein juga lolos dari masalah multikolinearitas. Hal ini ditunjukan dari nilai r
2
R
2
Lihat Lampiran 5.
b. Heteroskedastik
Untuk menguji ada tidaknya masalah Heteroskedastisitas digunakan Uji White Heteroscedasticity Test. Dengan menggunakan
Eviews 3.0 didapat hasil seperti dalam Tabel 4.22 berikut.
commit to user 67
Tabel 4.22 Uji White Heteroscedasticity Test
White Heteroskedasticity Test: F-statistic
2.832837 Probability
0.017998 ObsR-squared
13.43305 Probability
0.019642
Sumber : Data primer diolah, 2011 Dengan df = 9
jumlah regresor dan α = 5 didapatkan X
2
tabel yaitu 16,92. Nilai OBSR-squares = 13,43
Nilai OBSR-squares = 13,43 16,92, maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastiksitas.
c. Autokorelasi
Autokorelasi adalah korelasi atau hubungan yang terjadi antara anggota-anggota dari serangkaian pengamatan yang tersusun dalam
rangkaian waktu data time series maupun tersusun dalam rangkaian ruang atau disebut data cross sectional. Salah satu pengujian yang
umum digunakan untuk mengetahui adanya autokorelasi adalah uji statistik Durbin Watson.
Dengan ukuran sampel N = 150 dan dengan K’ = 3 maka didapat dari tabel dL = 1,693 dan dU = 1,774 , yang kemudian dalam
diagram dapat digambarkan sebagai berikut:
commit to user 68
Gambar 4.2 Kurva Durbin-Watson
Sumber : Djarwanto dan pangestu, 2005 Keterangan:
A = Menolak Ho, bukti autokorelasi positif B = Daerah keragu-raguan
C = Menerima Ho, tidak ada autokorelasi D = Daerah keragu-raguan
E = Menolak Ho, bukti autokorelasi negatif Berdasarkan hasil perhitungan komputer dengan menggunakan
program Eviews 3.0, didapat nilai Durbin-Watson sebesar 1,887. Nilai tersebut berada berada antara du dan 4-du berarti pada model tersebut
tidak terjadi autokorelasi.
2. Uji Individual
