Langkah-langkah pengujian : 1 Merumuskan hipotesis
H :
,
3 2
1
= =
=
β β
β artinya tidak terdapat pengaruh yang signifikan
dari variabel independen X
1
, X
2
, dan X
3
terhadap variabel dependen Y.
2 Tentukan level signifikansi
α
Tingkat signifikansi significant level yang digunakan sebesar 5. 3 Menentukan F hitung dengan rumus :
F = 1
1
2 2
k n
k
R R
− −
−
4 Kriteria pengambilan keputusan H
diterima jika : F hitung F tabel H
ditolak jika : F hitung F tabel
H. Uji Asumsi Klasik
1 Pengujian normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi
variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak. Model regresi yang sahih valid adalah distribusi data
normal atau mendekati normal Santoso, 2000:12. Pengujian ini dapat dilakukan dengan menggunakan program SPSS,
normalitas dapat dideteksi dengan alat analisis grafik berupa PP Plot dan uji Kolmorov Smirnov
dengan melihat nilai signifikan reidualnya. Jika nilai
signifikan berada diatas nilai signifikan 0,05 maka dapat disimpulkan bahwa telah terjadi normalitas.
2 Pengujian multikolinearitas Pengujian ini bertujuan untuk meneliti apakah pada model regresi
ditentukan adanya korelasi antar variabel independen. Model regresi yang sahih valid adalah model regresi yang bebas dari multikolinearitas Santoso,
2000:203. Multikolinearitas terjadi ketika variabel independen yang ada dalam metode berkorelasi satu sama lain, ketika korelasi antar variabel
independen sangat tinggi maka sulit untuk memisahkan pengaruh masing- masing variabel independen terhadap variabel dependen.
Dalam melakukan pengujian terhadap multikolinearitas dapat dideteksi dengan menggunakan tolerance value dan variance inflation faktor VIF, jika
nilai tolerance value 0.10 dan VIF 10 maka tidak terjadi multikolinearitas Ghozali, 2005 : 91.
3 Pengujian autokorelasi Dilakukan dengan uji Durbin Watson. Pengujian ini bertujuan untuk
meneliti apakah sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya.
Model regresi yang sahih valid adalah model regresi yang bebas dari autokorelasi Santoso, 2000:216.
Suatu jenis pengujian yang umumnya digunakan untuk mengetahui adanya autokorelasi yang dikembangkan oleh J. Durbin dan G. Watson yang disebut
sebagai statistik
Durbin-Watson .
Pengujian ini
dilakukan dengan
membandingkan nilai d dari hasil perhitungan dengan nilai d
1
dan d
U
dari table Durbin-Watson. Ketentuan dari pengujian autokorelasi adalah sebagai
berikut Algifari, 2000:38.
4 Uji Heteroskedatisitas
Uji heterosskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap maka disebut homoskedatisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedatisitas atau tidak terjadi heteroskedasitas. Ghozali, 2005: 105.
Dalam penelitian ini pengujian heteroskedasitas dilakukan dengan melihat Grafik Plot antara nilai prediksi variabel terikat dependen yaitu
ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedatis dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah residual Y prediksi-Y sesungguhnya yang telah di-studentized. Jika ada pola tertentu,
Keterangan Kesimpulan
Jika hipotesis nol H adalah tidak
ada serial korelasi positif, maka jika :
1.
d d
1
2.
d d
U
3.
d
L
d d
U
Jika hipotesis nol H adalah tidak
ada serial negatif, maka jika:
1.
d 4 - d
L
2.
d 4 - d
U
3.
4 - d
U
d 4 - d
L
Menolak H Tidak menolak H
Pengujian tidak meyakinkan Menolak H
tidak menolak H Pengujian tidak meyakinkan
seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang,, melebar kemudian menyempit, maka mengindikasikan telah
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN