Hipotesis yang digunakan : H
o
: β
i
= 0 variabel bebas tidak berpengaruh terhadap variabel terikat. H
a
: β
i
≠0 variabel bebas berpengaruh terhadap variabel terikat. Kriteria pengujiannya adalah:
1 Jika t-hitung t-tabel maka Ho diterima dan Ha ditolak, artinya variabel bebas tidak berpengaruh terhadap variabel terikat.
2 Jika t-hitung t-tabel maka Ho ditolak dan Ha diterima, artinya variabel bebas berpengaruh terhadap variabel terikat.
2. Pengujian Secara Bersama-sama Uji-F
Menurut Gujarati 2000:257 bahwa pengujian ini akan memperlihatkan hubungan atau pengaruh antara variabel independen secara bersama-sama terhadap variabel
dependen. Cara menghitung uji F statistik adalah :
�
∝ � ,�
=
�
∝ � ,�
Dimana untuk menentukan nilai F, terlebih dahulu harus diketahui nilai v
1
dan v
2
serta nilai ∝ yaitu tingkat keyakinan sebesar 5 = 0,05.
Hipotesis yang digunakan : H
o
: β
i
= 0, artinya secara bersama-sama variabel bebas tidak berpengaruh signifikan terhadap variabel terikat.
H
a
: β
i
≠0, artinya secara bersama-samavariabel bebas berpengaruh signifikan terhadap variabel terikat.
Kriteria pengujiannya adalah:
1 Jika F hitung F tabel maka Ho diterima dan Ha diterima, artinya seluruh variabel bebas tidak berpengaruh terhadap variabel terikat.
2 Jika F hitung F tabel maka Ho ditolak dan Ha diterima, artinya seluruh variabel bebas berpengaruh terhadap variabel terikat.
Dengan df
1
= n-1, df
2
= n- k-1 Dimana : k = Jumlah variabel ; n = Jumlah observasi
F. Koefisien Determinasi R
2
Koefisien determinasi R menunjukkan seberapa besar variabel-variabel
independen dalam mempengaruhi variabel dependen. Kisaran nilai koefisien determinasi
R adalah 0 ≤ R ≤ 1. Model dikatakan semakin baik apabila nilai R mendekati 1 atau atau 100. Gujarati, 2000:438. Kisaran nilai Koefisien
Determinasi R
2
adalah 0 hingga 1. Semakin besar R
2
, maka semakin besar pengaruh variabel bebas terhadap variabel terikatnya . Formula untuk mencari nilai R
2
adalah sebagai berikut :
R
2
= atau: R
2
= 1 - Keterangan:
R
2
= Koefisien determinansi berganda. SSR
= Sum of Square Regression, atau jumlah kuadrat regresi, yaitu merupakan total variasi yang dapat dijelaskan oleh garis regresi.
SST = Sum of Square Total, atau jumlah kuadrat total, yaitu merupakan total
variasi Y. SSE
= Sum of Square Error, atau jumlah kuadrat error, yaitu merupakan total variasi yang tidak dapat dijelaskan oleh garis regresi.
