H
o
diterima dan H
i
ditolak menunjukkan bahwa variabel bebas tidak mempunyai pengaruh yang signifikan terhadap variabel terikat.
3.4.2 Uji F F-test Berbeda dengan uji parsial, uji simultan digunakan untuk mengetahui apakah seluruh
variabel bebas secara signifikan mempengaruhi variabel terikat sehingga digunakan pengujian pada distribusi F statistik. Uji statistik F pada dasarnya menunjukkan apakah
semua variabel bebbas yang dimasukkan berpengaruh secara bersama-sama terhadap satu variabel terikat Supranto, 1995:257. Kriteria pengujian yang digunakan dalam uji F adalah
probabilitas F
hitung
≤ Fα α = 5 maka H
o
diterima dan H
i
ditolak, artinya bahwa seluruh variabel bebas mempunyai pengaruh yang signifikan terhadap variabel terikat. Jika F
hitung
F
α
α = 5 maka H
o
ditolak dan H
i
diterma artinya bahwa seluruh variabel bebas tidak mempunyai pengaruh yang signifikan terhadap variabel terikat.
3.4.3 Koefisien Determinasi R
2
Koefisien ini digunakan untuk mengetahui besarnya pengaruh variabel bebas terhadap variabel terikat dalam persamaan regresi. Sedangkan kriteria pengujian yang digunakan
adalah apabila nilai R
2
hampir mendekati 1, maka pengaruh variabel bebasnya terhadap variabel terikatnya adalah besar. Namun apabila variabel R
2
mendekati 0, maka pengaruh prosentase variabel bebasnya terhadap variabel terikatnya yaitu tidak ada atau nol. Nilai
koefisien determinasi diperoleh dengan menggunakan Rumus 3.3 Gujarati, 2006:161: .............................................................................. 3.3
3.5 Uji Statistik Penting
Untuk dapat mengetahui perilaku data tiap variabel maka perlu dilakukan uji statistik penting yang dilakukan dengan syarat metode yang digunakan sehingga dapat dilakukan
untuk uji estimasi selanjutnya. Uji statistik penting berfungsi untuk memperkirakan apakah data variabel telah sesuai dengan tujuan penelitian. Dari hasil estimasi tersebut antara data
variabel penelitian dengan tujuan dapat berjalan searah dan dapat menjelaskan perilaku variabel penelitian.
3.5.1 Uji Akar-Akar Unit Unit Root Test
Konsep penting yang digunakan secara umum dalam teori ekonometrika adalah stasioneritas stationarity, yang dimana mempunyai peran penting dalam menterjemahkan
data dan model ekonomi. Berkaitan dalam mengestimasi model dengan mengguanakan estimasi regresi, langkah awal yang harus dilakukan adalah menguji stasioneritasan data.
Data time series yang tidak stasioner maka koefisien regresi yang dihasilkan tidak efisien atau disebut juga regresi lancung spuorius regressionLestari, 2006; Wardhono,
2004.Regresi lancung dapat ditandai dengan nilai R
2
yang tinggi namun disertai dengan nilai Durbin Watson yang rendah Gujarati, 2004; Insukindro, 1990. Untuk mengetahui apakah
data telah stasioner atau belum, salah staunya dengan uji akar-akar unit dengan menggunakan Dickey-Fuller test atau Philips Perron test. Apabila kesesuian data tidak dapat terpenuhi maka
harus dilakukan pengujian selanjutnya dengan menggunakan uji derajat integrasi. Sehubungan dengan uji stasioneritas dan kointegrasi sebagai prasyarat regresi linier,
maka konsep stasioneritas dapat diilustrasikan dengan rumus 3.4 sebagai berikut Engle dan Granger, 1987:252; Insukindro, 1990:
Y
t
= αy
t-1
+ e
t
............................................................................ 3.4 Keterangan:
e
t
– IN 0,σ
2
: variabel bersuara resik dengan rata-rata nol, apabila nilai a1, maka variasi y
t
kecil dan mempunyai kecenderungan berfluktuasi di sekitar nilia rata- ratanya.
Sehingga variabel y
t
dikatakan stasioner yang dinotasikan dengan I0 dan perlu dideferensikan sebanyak d kali yang ditandai dengan Id. Uji akar-akar unit ini mengacu
pada uji yang dikembangkan oleh Dickey-Fuller, 1981 dalam Insukindro, 1992:261 3.5.2 Uji Derajat Integrasi
Uji derajat integrasi dilakukan apabila pada uji akar-akar unit data yang diestimasi tidak stasioner sehingga uji derajat integrasi merupakan uji yang dilakukan apabila diketahui
data memiliki unit root tidak stasioner sehingga uji derajat integrasi bertujuan untuk mengetahui pada derajat berapa data telah stasioner atau diferensiasi Wardhono, 2004.
Sementara tranformasi data dapat dilakukan dengan menguji Augmented Dickey-Fuller dan Philips-Perron.
Uji model Phillips-Perron ini lebih berdasarkan pada pengontrolan dilakukan melalui non-parametrik Quantitative Micro Software, 1997:330-331. Phillips Perron mengajukan
metodenya dengan melakukan kontrol terhadap serial korelasi. Model dasar pengujian PP yang menggunakan proses AR 1 adalah:
Δy
t
= α + βy
t-1
+ μ
t
........................................................... 3.5 Koreksi yang bersifat non-parametrik dilakukan oleh Phillips-Perron karena Phillips-
Perron beranggapan bentuk atau pola dari autokorelasi tidak diketahui Quantitative Micro Software, 1997:330-331.
3.6 Uji Asumsi Klasik
