57
untuk menolak hipotesis nol semakin besar. Akibatnya model regresi tidak valid untuk menaksir nilai dependent variable Rahmawati dkk, 2014.
c. Uji Autokorelasi
Autokorelasi berarti terjadi korelasi antara anggota sampel yang diurutkan berdasarkan waktu. Penyimpangan ini biasanya muncul pada
observasi yang menggunakan data time series. Uji autokorelasi bertujuan menguji apakah dalam model regresi
linier ada korelasi kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. Konsekuensinya varians sampel tidak dapat menggambarkan
varians populasinya. Model regresinya tidak dapat untuk menaksir nilai variabel dependen pada nilai variabel independen tertentu.
d. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen, variabel independen, atau keduanya
mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Tanpa uji normalitas,
estimator OLS adalah estimator terbaik linear, dan tidak bias atau Best Linear Unbias Estimator BLUE di bawah asumsi atau teori Gauss-
58
Markov Gujarati, 2012. Sehingga pada penelitian ini tidak dilakukan uji normalitas data.
G. UJI HIPOTESIS
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukurdari Goodness of fitnya. Secara statistik, setidaknya ini dapat diukur dari
koefisien determinasi, nilai statistik-F dan nilai statistik-t. Perhitungan statistik disebut signifikan secara statistik apabila uji statistiknya berada dalam daerah
kritis daerah dimana Ho ditolak. Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana Ho diterima. Untuk menguji kebenaran
hipotesis yang diajukan dalam penelitian ini dilakukan dengan beberapa pengujian yaitu pengujian koefisien determinasi, uji-T dan uji-F Ghozali, 2011. Pengujian
terhadap hipotesis dilakukan dengan cara sebagai berikut:
1. Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel-variabel
dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Rahmawati dkk., 2014. Insukindro 1998 dalam Ghozali 2011 menekankan bahwa
koefisien determinasi adalah salah satu dan bukan satu-satunya kriteria
59
memilih model yang baik. Hal ini dikarenakan bila suatu estimasi regresi linier menghasilkan koefisien determinasi yang tinggi, tetapi tidak konsisten dengan
teori ekonomika yang dipilih oleh peneliti, atau tidak lolos dari uji asumsi klasik, maka model tersebut bukanlah model penaksir yang baik dan
seharusnya tidak dipilih sebagai model empirik. Kelemahan mendasar menggungakan koefisien determinasi adalah
bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka R
2
pasti meningkat tidak peduli apakah variabel berpengaruh secara signifikan terhadap variabel
dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R
2
pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R
2
, nilai adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model.
Dalam kenyataan nilai adjusted R
2
dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati 2003 dalam
Ghozali 2005 dalam Rahmawati dkk 2014 jika dalam uji empiris didapat nilai adjusted R
2
negatif, maka nilai adjusted R
2
dianggap bernilai nol. Secara matematis jika nilai R
2
= 1, maka adjusted R
2
= R
2
= 1, sedangkan jika nilai R
2
= 0, maka adjusted R
2
= 1-kn-k. Jika k 1, maka adjusted R
2
akan bernilai negatif.
60
2. Uji Signifikansi Simultan Uji Statistik F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh
secara bersama-sama terhadap variabel dependen atau terkait Rahmawati dkk., 2014. Dengan demikian akan terlihat pengaruh dari variabel independen
secara simultan terhadap variabel dependen, baik itu signifikan ataupun tidak signifikan. Kriterianya jika sig ≤ 0,05 berarti variabel independen secara
simultan berpengaruh terhadap variabel dependen.
3. Uji Signifikansi Parameter Individu Uji T-Statistik
Uji Statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi
variabel dependen Rahmawati dkk., 2014. Kriteria pengujian yaitu dengan meli
hat signifikansinya, jika sig ≤ 0,05 berarti variabel independen berpengaruh signifikan terhadap variabel dependen. Begitupun sebaliknya, jika
sig ≥ 0,05 berarti variabel independen tidak berpengaruh signifikan terhadap variabel dependen.
