i = variabel bebas Kaidah keputusannya :
c. t
hitung
≥ t
tabel
, maka Ho ditolak dan H
1
diterima artinya terdapat pengaruh variabel bebas terhadap variabel terikat.
d. t
hitung
≤ t
tabel
, maka Ho diterima dan H
1
ditolak artinya tidak ada pengaruh variabel bebas terhadap variabel terikat.
Gambar 9: Distribusi penerimaan dan penolakan hipotesis
Sumber : Sudrajad MSW, 1988, mengenal ekonometrika pemula, cetakan kedua, CV Armico, Bandung hal :94
Daerah Terima Ho
Daerah Tolak Ho
Daerah Tolak Ho
-t
tabel
t
tabel
3.4.3 Asumsi Klasik Analisis Regresi Linier
Pengujian ni dimaksudkan untuk mendeteksi ada tidaknya autokorelasi, multikolinieritas, dan heterokedastisitas dalam hasil estimasi,
karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut, uji t dan uji F yang dilakukan sebelumnya menjadi tidak valid dan secara
statistik dapat mengacaukan kesmpulan yang diperoleh, untuk itu dilakukan uji asumsinya.
Tujuan utama penggunaan uji asumsi klasik adalah untuk mendapatkan koefisien regresi yang terbaik linier dan tidak biasa Blue
Best Linier Unblased Estimator sifat dari Best Linier Unblased Estimator BLUE itu sendiri adalah :
a. Best : pentingnya sifat ini bila diterapkan dalam penaksiran signifikan
buku terhadap α dan β
b. Linier : sifat ini untuk memudahkan dalam penaksiran
c. Unbiased : nilai jumlah sampel sangat besar penaksiran parameter
diperoleh dari sampel besar kira-kira lebih mendekati nilai parameter sebenarnya.
d. Estimasi = e diharapkan sekesil mungkin.
Untuk melakukan suatu regresi linier perlu memperhatikan beberapa hal antara lain tidak terjadi autokorelasi, tidak terjadi
heterokedastisitas, tidak terjadi multikolinieritas. 1.
Autokorelasi Autokorelasi didefinisikan sebagai korelasi yang terjasi antara anggota
observasi yang terletak berderetan secara series dalam bentuk waktu jika datanya time series atau koorelasi antara tempat yang berderet
atau berdekatan kalau datanya cross sectional Sudrajad, 1988 : 213 Untuk mengetahui ada tidaknya korelasi dapat menggunakan metode
Durbin Watson :
N t
t t
N t
t d
t
e e
e
1 2
2 1
Sudrajad, 1988 : 213
Keterangan : d
= nilai Durbin Watson e
t
= residual pada waktu ke t e
t-1
= residual pada waktu ke t-1 satu periode sebelumnya N = banyaknya data
Asumsi pertama dalam regresi linier adalah ada atau tidaknya autokorelasi yang dilihat dari besarnya nilai Durbin Watson, untuk
mengetahui ada tidaknya gejala autokorelasi maka perlu dilihat tabel kriteria pengujian Durbin Watson uji DW
Gambar :10 kurva statistik Durbin Watson
Daerah K ritis Daerah
D aerah D aerah K ritis
K etidakpastian K etidakpastian
Tolak Tolak
Ho Ho
Terim a Ho Tidak ada
4 4-dL
4-dU dU
dL
Sumber : Sugiono, 2002
Tabel 1 : Kriteria pengujian Durbin Watson DW Kesimpulan
Kurang dari 1,10 Ada autokorelasi
1,10 dan 1,54 Tanpa kesimpulan
1,55 dan 2,46 Tidak ada autokorelasi
2,46 dan 2,90 Tanpa kesimpulan
Lebih dari 2,90 Ada autokorelasi
2. Heteroskedatisitas
Heteroskedastisitas adalah gejala dimana varias tidak sama atau tidak homogen. Hal ini bisa diketauhi berdasarkan pengujian korelasi Rank
Spearman. Koefisien Rank Spearman :
Rs = 1 – 6 =
1
2
N N
di
Sudrajad, 1988 : 198
Keterangan : d = selisih dalam waktu antara residual dengan variabel bebas ke 1
N = jumlah pengamatan Sudrajad, 1988 : 198 3.
Multikolineritas Multikolineritas adalah adanya hubungan yang sempurna antara semua
atau beberapa variabel eksplonatori dalam model regresi yang dikemukakan untuk mengetahui adanya multikolineritas dapat dilihat
dengan kolineriti servis ditandai dengan ciri-ciri :
a. Kolineriti sering ditandai dengan nilai R
2
yang tinggi b.
Koefisien korelasi sederhananya tinggi c.
Nilai F
hitung
tinggi signifikan
Sudrajad, 1988 : 167
BAB IV HASIL PENELITIAN DAN PEMBAHASAN