52
Pengujian ini digunakan untuk menghitung koefisien regresi masing-masing variabel independen sehingga dapat diketahui pengaruh variabel independen tersebut
terhadap variabel dependennya Gujarati, 2002. Hipotesis yang digunakan dalam pengujian ini adalah:
H : β
i
= 0 H : β
i
atau β
i
Uji statistik yang digunakan:
t =
β
Keterangan: β
i
= Koefisien regresi suatu variabel bebas Se
= Standar eror Kaidah pengujian:
Jika t
hit
t
tabel
maka tolak H
Jika t
hit
t
tabel
maka terima H
Jika hasil pengujian menolak H maka variabel yang diuji secara nyata
berpengaruh terhadap variabel dependen atau signifikan secara statistik. Namun, sebaliknya jika hasil pengujian menerima
H maka variabel yang diuji tidak memiliki pengaruh nyata terhadap variabel dependen Gujarati, 2002.
4.5.3. Kriteria Ekonometrika
Pengujian ekonometrika yang diperlukan dalam penelitian ini terdiri dari tiga jenis pengujian. Pengujian ini meliputi uji normalitas, uji autokorelasi, uji
multikolinearitas, dan uji heteroskedastisitas.
4.5.3.1. Uji Normalitas
Uji normalitas atau uji kenormalan sisaan Kolmogorov-Smirnov dilakukan untuk memeriksa apakah sisaan mendekati distribusi normal. Uji ini bertujuan untuk
53
membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke
dalam bentuk Z-Score dan diasumsikan normal. Hipotesis pada uji Kolmogorov- Smirnov adalah sebagai berikut Lanis, 2006:
H : Sisaan menyebar normal
H
1
: Sisaan tidak menyebar normal Uji statistik yang digunakan:
ZX = Keterangan:
ZX = Angka baku
X = Angka pada data
S = Simpangan baku
Kaidah pengujian: Jika Z
hit
Z
tabel
maka tolak H Jika Z
hit
Z
tabel
maka terima H Jika keputusan yang diperoleh menolak H
, artinya error term atau sisaan yang diperoleh tidak menyebar normal. Sebaliknya, jika keputusan yang diperoleh
menerima H artinya sisaan yang diperoleh telah menyebar normal.
4.5.3.2. Uji Autokorelasi
Uji autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu. Adanya autokorelasi dalam
persamaan regresi dapat mengakibatkan bahwa penduga yang diperoleh dengan menggunakan OLS tidak lagi bersifat BLUE. Untuk mendeteksi adanya autokorelasi
dapat dilakukan dengan uji Durbin-Watson. Rumus statistik Durbin-Watson adalah Yuwono, 2005:
d =
∑ ²
∑
54
Keterangan: d
= Statistik Durbin-Watson e
t
dan e
t-1
= Gangguan estimasi
Pengambilan keputusannya: -
Jika nilai DW terletak antara batas atau upper bound du dan 4-du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi positif.
- Jika nilai DW lebih rendah dari pada batas bawah atau lower bound dl, maka
koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
- Jika nilai DW lebih besar dari pada 4-dl, maka koefisien autokorelasi lebih
kecil dari pada nol, berarti ada autokorelasi negatif. -
Jika nilai DW terletak diantara batas atas du dan batas bawah dl atau DW terletak anatara 4-du dan 4-dl, maka hasilnya tidak dapat disimpulkan.
Gambar 2. Klasifikasi Keputusan Statistik d 4.5.3.3. Uji Multikolinieritas
Uji multikolinearitas didefinisikan sebagai adanya korelasi yang kuat antara variabel independen pada model persamaan. Adanya multikolinearitas dalam
persamaan regresi akan berdampak pada varian koefisien regresi menjadi besar yang akan menyebabkan standar error terlalu tinggi sehingga kemungkinan penduga
koefisien regresi menjadi tidak signifikan secara statistik.
55
Dengan mengetahui
dampak yang
ditimbulkan akibat
adanya multikolinearitas dalam persamaan regresi maka dibutuhkan uji untuk mendeteksi
multikolinearitas tersebut. Pengujian atas kemungkinan terjadinya multikolinearitas dapat dilihat dengan menggunakan metode pengujian Variance Inflation Factor
VIF. Pedoman regresi yang bebas dari multikolinearitas adalah mempunyai nilai VIF di bawah 10. Nilai VIF yang lebih besar dari 10 mengindikasikan terjadinya
multikolinearitas Juanda, 2009. Jika terdapat multikolinearitas dapat diatasi dengan metode Best Subsets.
Metode ini dilakukan dengan memilih best k subset berdasarkan nilai C
p
yaitu dengan menentukan k model yang mempunyai nilai C
p
Mallows terkecil dan membandingkan derajat bebas serta nilai dari uji rasio likelihood dengan model penuh atau model yang
mengandung semua variabel yang mungkin. Dengan nilai k yang digunakan adalah 5 Draper, 1992.
Dalam penelitian ini terdapat multikolinearitas secara teroritis yaitu variabel laju pertumbuhan penduduk dengan laju pertumbuhan luas lahan pemukiman serta
variabel harga GKP dengan Nilai Tukar Petani.
4.5.3.4. Uji Heteroskedastisitas
