xxxix
3.5. Test of goodness of fit Uji Kesesuaian
3.5.1 Koefisien Determinasi R-Square
Koefisien determinasi R-Square dilakukan untuk melihat seberapa besar kemampuan variabel independen secara bersama mampu memberi
penjelasan terhadap variabel dependen. Koefisien determinasi R-Square yaitu angka yang menunjukkan besarnya kemampuan varians atau penyebaran dari
variabel-variabel independen yang menerangkan variabel dependen atau angka yang menunjukkan seberapa besar variabel dependen dipengaruhi oleh variabel-
variabel independennya. Besarnya nilai koefisien determinasi adalah antara 0 hingga 1 0R²1,
dimana nilai koefisien mendekati 1, maka model tersebut dikatakan baik karena semakin dekat hubungan antara variabel independen dengan variabel
dependennya.
3.6 Uji Penyimpangan Asumsi Klasik
3.6.1 Multikolinearity
Multikolinearity adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang kuat kombinasi diantara independen variabel. Untuk mendeteksi
ada tidaknya multikolinearity dapat dilihat dari nilai R-square, F-hitung, t-hitung serta standart error. Kemungkinan adanya multikolinearity jika nilai R-square dan
F-hitung tinggi, sedangkan nilai t-hitung banyak yang tidak signifikan uji tanda yang berubah tidak sesuai dengan yang ditetapkan.
Universitas Sumatera Utara
xl
3.6.2 Autocorrelation Serial korelasi
Autokorelasi terjadi bila error term µ dari periode waktu yang
berbeda observasi data cross section berkorelasi atau dapat juga dikatakan adanya hubungan atau korelasi antara residual yang sekarang dengan masa lalu.
Dikatakan bahwa error term berkorelasi atau mengalami korelasi serial apabila : Variabel
; ,
≠ j
i
ε ε
untuk i ≠ j, dalam hal ini dikatakan memiliki masalah
autokorelasi. Ada beberapa cara yang digunakan untuk mengetahui keberadaan
autokorelasi, yaitu : a.
Dengan memplot grafik b.
Dengan Durbin-Watson Uji D-W test
D-hitung =
2 2
] 1
[ et
et et
∑ −
− ∑
c. Dengan LM-Test
Autokorelasi untuk model dinamis seperti ECM, uji D-W tidak bisa digunakan untuk menguji ada tidaknya autokorelasi, karena DW statistik secara
asimtotik akan biasa mendekati nilai 2 Sritua Arief, 1993 : 15. Oleh karena alasan tersebut maka digunakan langrange Multiplier Test, yakni berupa regresi
atas semua variabel bebas dalam persamaan regresi ECM tersebut dan variabel lag t dari nilai residual regresi ECM. Adapun hasil persamaan regresi ECM dapat
dituliskan sebagai berikut :
Resid
t
= bo + b1 ΔX1t + b2 ΔX2 t + b3 ΔX3 + b4 X1
t-1
+ b5 X2
t-1
+ b6 X3
t-1
+ b7 ECT + b8 Resid
t-1
.
Universitas Sumatera Utara
xli
Dari model tersebut akan didapat nilai R
2
, kemudian nilai ini dimasukkan dalarn rumus sebagai berikut : n- 1R
2
, dimana n adalah jumlah observasi, kemudian dilakukan pengujian dengan hipotesa sebagai berikut :
Ho : ρ=0 berarti tidak ada masalah autokorelasi
Ho : ρ≠0 berarti ada masalah autokorelasi
Selanjutnya nilai n-1R
2
diperbandingkan dengan χ
2
0,05. Dimana χ
2
0,05 adalah nilai kritis Chi Square yang ada dalam tabel statistik Chi Square. Jika n-1
R
2
lebih besar dari χ
2
, maka terdapat masalah autokorelasi, dan jika sebaliknya maka tidak terjadi masalah autokorelasi.
3.7 Defenisi Variabel Operasional
Kategori