Gambar 3.2 kurva uji F-statistik
Untuk uji F-statistik ini digunakan hipotesis sebagai berikut: H
: b
1
= b
2
= bn………..bn=0tidak ada pengaruh Ha : b
1
≠ 0………………bi=1ada pengaruh Kriteria pengambilan keputusan:
Ho: b
1
= b
2
= 0 H diterima F-hitung F-tabel artinya variabel independen
secara parsial tidak berpengaruh nyata terhadap variabel dependen. Ha : b
1
≠ b
2
≠0 Ha diterima F-hitung F-tabel artinya variabel independen
secara parsial berpengaruh nyata terhadap variabel dependen.
3.8.3. Uji Penyimpangan Asumsi Klasik
Agar pengujian hipotesis berdasarkan model analisis tidak bias atau bahkan menyesatkan, maka perlu digunakan uji penyimpangan asumsi klasik.
3.8.3.1. Uji Multikolinieritas
Multikolinearitas adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang kuat kombinasi linier diantara independen variabel. Multikolinieritas
dikenalkan oleh Ragnar Frisch 1934. Suatu model regresi linier akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinieritas.
Multikolinearitas terjadi karena adanya hubungan yang kuat antara sesama variabel independen dari suatu model estimasi. Adanya multikolinieritas ditandai dengan:
• Standart error tidak terhingga
• Tidak ada satupun t-
statistik yang signifikan pada α= 1, α= 5, α= 10
F-tabel
Universitas Sumatera Utara
• Terjadi perubahan tanda atau berlawanan dengan teori
• R
2
sangat tinggi
3.8.3.2. Uji Heterokedastisitas
Heterokedastisitas terjadi apabila variabel pengganggu Error Term tidak mempunyai varian yang konstan sama untuk semua observasi sehingga
residual variabel pengganggu tidak bernilai nol atau
2 2
σ µ
≠ i
E
. Ini merupakan pelanggaran salah satu asumsi klasik tentang model regresi
linier berdasarkan metode kuadrat terkecil biasa. Heterokedastisitas pada umumnya lebih banyak ditemui pada data cross section yaitu data yang menggambarkan
keadaan pada suatu waktu tertentu misalnya data hasil suatu survei. Keberadaan heterokedastisitas akan dapat menyebabkan kesalahan dalam penaksiran sehingga
koefisien regresi menjadi tidak efisien dan dapat meyesatkan. Nachrowi Djalal Nachrowi dan Hardius Usman, 2006:109
Menguji Heteroskedastisitas .
Untuk menguji heteroskedastisitas dilakukan dengan cara yaitu:
Uji White
Uji White memulai pengujiannya dengan membentuk model: Y
i
= β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ μ
i
Kemudian persamaan di atas, dimodifikasi dengan membentuk regresi bantuan auxiliary regression sehingga model menjadi:
μ
i 2
= +
+ +
+
3 3
2 2
1 1
X X
X α
α α
α
2 4
8 2
3 7
2 2
6 2
1 5
4 4
X X
X X
X
α α
α α
α
+ +
+ +
+
Universitas Sumatera Utara
i
X X
X X
ν α
+
4 3
2 1
9
Pedoman dari penggunaan uji white ini adalah tidak terdapat masalah heterokedastisitas dalam hasil estimasi, jika nilai R
2
hasil regresi dikalikan dengan jumlah data atau n.R
2
=
2
χ hitung lebih kecil dibandingkan
2
χ tabel. Sementara, akan terdapat masalah heterokedastisitas apabila hasil estimasi menunjukkan bahwa
2
χ hitung lebih besar dibandingkan
2
χ tabel. Apabila nilai probability lebih rendah dari 0.05 berarti terdapat heterokedastisitas pada hasil estimasi. Sebaliknya, apabila
nilai probability-nya lebih tinggi dari 0.05, maka hasil estimasi tidak terkena heterokedastisitas. Wahyu Ario Pratomo dan Paidi Hidayat, 2007:98
Cara Mengobati Masalah Heterokedastisitas
Heterokedastisitas tidak merusak sifat ketidakbiasaan dan sifat konsistensi dari hasil estimasi. Namun hasil estimasi tidak lagi efisien. Oleh karena tidak efisien lagi,
maka pengujian hipotesa menjadi diragukan hasilnya. Dengan demikian, sangat perlu dilakukan perbaikan atau pengobatan pada masalah heterokedastisitas tersebut. Untuk
mengatasi masalah heterokedastisitas adalah dengan menggunakan metode kuadrat terkecil tertimbang Weighted Least SquareWLS.
Model estimasi regresi penelitian adalah: Y
i
= β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ μ
i
Kemudian sisi kiri dan sisi kanan dari persamaan di atas dibagikan dengan varians
2
σ , sehingga model estimasi menjadi: +
=
i i
i
Y σ
β σ
1
β
1 1
σ X
+
2
β
2 2
σ X
+
3
β
3 3
σ X
+
4
β
4 4
σ X
+
i i
σ µ
Universitas Sumatera Utara
Nilai
i
σ dalam ekonometrika disebut sum of squares residual = RSS dibagi dengan jumlah variabel penjelas k.
k RSS
i
=
σ
Nilai
i
σ kemudian ditransformasikan kedalam masing-masing variabel. Langkah-langkah untuk membuat regresi weighted least square adalah:
1. Klik Quick, Generate Series, kemudian ketik: vari=RSSk 2. Klik lagi Quick, Generate Series, dan ketik wx1=x1vari
3. Klik lagi Quick, Generate Series, dan ketik wx2=x2vari 4. Klik lagi Quick, Generate Series, dan ketik wx3=x3vari
5. Klik lagi Quick, Generate Series, dan ketik wx3=x3vari 6. Klik lagi Quick, Generate Series, dan ketik wy=yvari
7. Lakukan estimasi dengan perintah Quick, Estimation Equation, ketik: Wy c wx1 wx2 wx3 wx4
Sebagai rujukan untuk melihat apakah hasil estimasi regresi telah lolos dari masalah heterokedastisitas, maka perhatikan nilai sum of squared resid. Bila angka
sum of squared resid cenderung menurun, maka dapat dikatakan bahwa model yang diestimasi lolos dari masalah heterokedastisitas. Wahyu Ario Pratomo dan Paidi
Hidayat, 2007: 100
3.8.3.3. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah faktor pengganggu
i
µ berdistribusi normal atau tidak. Untuk melakukan uji normalitas digunakan Jarcue-
Bera Test JB- Test.
Universitas Sumatera Utara
Untuk melihat apakah data telah berdistribusi normal dengan cara JB-Test ini adalah dengan membandingkan Jarcue Bera normality test statistics dengan
2
χ tabel, jika Jarcue Bera normality test statistics lebih kecil dari
2
χ tabel maka
t
µ adalah berdistribusi normal. Sebaliknya jika Jarcue Bera normality test statistics lebih besar
dari
2
χ tabel maka
t
µ adalah tidak berdistribusi normal. Cara lain untuk melihat apakah data berdistribusi normal dengan
menggunakan JB-Test adalah dengan melihat angka probability. Apabila angka probability 0,05 maka data berdistribusi normal, sebaliknya apabila angka
probability 0,05 maka data tidak berdistribusi normal. Wahyu Ario Pratomo dan Paidi Hidayat, 2007:92
3.9 Defenisi Operasional
