Ha : βi ≠ 0, artinya variabel independen merupakan penjelas yang signifikan terhadap variabel dependen.
2. Menentukan taraf nyata α atau derajat keyakinan yang digunakan sebesar α = 1, 5, 10.
3. Menentukan uji statistik seperti yang disajikan di bawah ini. ⁄
…………………………………………………12 dimana :
Sd b1 = simpangan baku dari parameter dugaan, b1 = parameter dugaan.
4. Penentuan kriteria uji. H0 ditolak apabila |thitung| t α 2; n– k-1 atau α,
artinya ada pengaruh antara variabel independen terhadap variabel dependen.
5. R -Squared R
2
Kesesuaian model dihitung dengan nilai koefisien determinasi R2 yang bertujuan untuk mengukur keragaman variabel independen yang dapat
diterangkan oleh variabel dependen. R
2
menunjukkan besarnya pengaruh semua variabel independen terhadap variabel dependen.
⁄ …………………………….…………………………..13
dimana : RSS = jumlah kuadrat regresi,
TSS = jumlah kuadrat total.
Selang R
2
yang digunakan adalah 0 ≤
2
≤ 1.
2
= 1 berarti 100 persen variasi dalam variabel dependen dapat dijelaskan oleh variabel-variabel
independennya. Sedangkan R
2
= 0 berarti tidak satupun variabel dependen tidakdapat dijelaskan oleh variabel- variabel independennya.
Pengujian Asumsi Model
Dalam permasalahan analisis regresi termasuk panel data sering ditemukan masalah yang perlu dilakukan pengujian klasik, antara lain pengujian normalitas,
multikolinearitas, autokorelasi, dan heteroskedastisitas.
1. Normalitas
Uji normalitas ditujukan untuk mengetahui apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah model yang
memiliki nilai residual yang terdistribusi normal. Sehingga uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Dalam
penerapan OLS untuk regresi linier klasik, diasumsikan bahwa distribusi residual memiliki nilai rata-rata yang diharapkan sama dengan nol, tidak berkorelasi dan
mempunyai varian yang konstan. Dengan asumsi ini OLS estimator atau penaksir
akan memenuhi sifat-sifat statistik yang diinginkan seperti unbiased dan memiliki varian yang minimum.
Ada beberapa uji untuk mengetahui normal atau tidaknya nilai residual antara lain dengan menggunakan Jarque-Bera test atau J-B test. Uji ini menggunakan hasil
estiminasi residual dan chisquare probability distribution. Statistik uji J-B test dapat dilihat dibawah ini Gujarati 2006.
…………………………………………………14 dimana :
n = jumlah observasi S = skewness kemencengan
K = kurtosis keruncingan Statistik J-B mengikuti distribusi Chi-square dengan d.k.2 secara asimtotis asy
atau dalam sampel besar yang secara simbolis daituliskan sebagai berikut.
Bila nilai J-B hitung nilai X
2
tabel atau Prob 0.05, maka hipotesis yang menyatakan bahwa residual berdistribusi normal dapat ditolak. Bila nilai J-B
hitung nilai X
2
tabel, atau Prob 0,05 maka yang menyatakan bahwa residual berditribusi normal tidak dapat ditolak.
2. Multikolinearitas
Multikolinearitas adalah hubungan linear yang kuat antara variabelvariabel independen dalam persamaan regresi berganda. Adanya multikolinearitas
menyebabkan pendugaan koefisien regresi tidak nyata walaupun nilai R
2
-nya besar. Hal tersebut dapat dideteksi dari nilai R
2
yang tinggi 0,7-1, tetapi tidak terdapat atau hanya sedikit sekali koefisien dugaan yang berpengaruh nyata
Gujarati, 2006. Multikolinearitas dapat diketahui dengan meregresikan variabel independen dengan variabel independen lainnya, dengan uji Fuji signifikansi.
Jika Fhitung Ftabel, artinya tolak H0 yang berarti terdapat multikolinearitas pada model dugaan jika Fhitung Ftabel, artinya terima H0
yang berarti tidak terdapat multikolinearitas pada model dugaan atau dapat dilihat
pula dari nilai R
2
-nya. Jika nilai R
2
pada variabel yang diregresikan lebih tinggi daripada nilai R
2
pada model awal regresi dugaan, maka variabel tersebut menyebabkan terjadinya multikolineritas pada model regresi dugaan Gujarati,
2006. Tindakan perbaikan model dugaan akibat adanya multikolinearitas dapat
dilakukan dengan menambah observasi atau menghilangkan satu atau lebih variabel independen yang memiliki kolinearitas yang tinggi.
3. Heteroskedastisitas
Jika seluruh residual pada model tidak memiliki varian yang konstan maka diduga model mengalami masalah heteroskedastisitas. Pengujian terhadap adanya
heteroskedastisitas dapat dilakukan dengan uji park, uji goldfeld-quant dan uji white.
Pada penelitian ini, untuk melihat apakah model telah memenuhi asumsi klasik dapat dilhat berdasarkan nilai sum squared residual pada hasil pengolahan
menggunakan E-views 9. Permasalahan heteroskedastisitas dapat diatasi dengan memberikan bobot Weighted Least Square WLS melalui Generalized Least
Squares
GLS pada model atau transformasi data kedalam bentuk logaritma natural.
4. Autokorelasi
Autokorelasi sering terjadi pada pengamatan yang dilakukan pada data runtun waktu time series. Autokorelasi adalah keadaan di mana terdapat trend di
