Data yang diperlukan sebagai berikut : 1.
Nilai ekspor ikan tuna di Jawa Timur 2.
GDP Jepang 3.
Kurs Rupiah terhadap Dollar Amerika 4.
Inflasi 5.
Produksi
3.4. Teknik Analisis Dan Uji Hipotesis
Dalam analisis ini digunakan dua macam metode, yaitu : a.
Analisis Kualitatif Merupakan analisa dengan menggunakan atau berdasarkan teori yang ada
maka alternative pemecahan terhadap permasalahan yang ada dapat diperoleh secara rasional dan logis.
b. Analisis Kuantitatif
Merupakan analisa yang menggunakan beberapa alat perhitungan, table statistic juga ekonometrika. Dalam hal ini untuk menganalisa data kongkrit
digunakan analisa regresi berganda yang berbentuk modal dasarnya adalah : Y = f X
1
,X
2
,X
3
,X
4
……………………….Sudrajat, 1998:79
terangan una
Modal tersebut akan diterapkan pada model regresi linier berganda seperti rumus berikut ini :
Y = ß + ß
1
X
1
+ ß
2
X
2
+ ß
3
X
3
+ ε ………………………… Sudrajat,
1998:112 Ke
Y : nilai ekspor ikan t
X1 : kurs valuta asing
X2 : inflasi
X3 : GDP
Jepang
ngganggu
ß
1
+
aka perlu diketahui nilai R
2
koefisien determinasi dengan
X4 : produksi
ε : faktor pe
ß
1
: intersep ß
2
+ß
3
: koefisien regresi untuk variabel X
1
,X
2
,X
3
Untuk mengetahui apakah model analisa tersebut cukup layak digunakan untuk pembuktian selanjutnya dan untuk mengetahui seberapa bebas variabel
bebas mampu menjelaskan varibel terikat, m menggunakan rumus :
Tot JK
R
al Regresi
JK
2
………………………………………. Sudrajat, 1988:120
ß
1
ΣX
1
Y
1
+ ß
2
ΣX
2
Y
2
+ ß ΣX
3
Y
3
: Keterangan :
R2 : koefisien
determinasi JK :
jumlah kuadrat
JK Regresi :
3
JK total n
Y Y
atau Y
2 1
2 1
Jadi :
2 1
Y
3 3
3 2
2 2
1 1
1 2
Y X
β Y
X β
Y X
β R
………………Sudrajat, 1998:120 Karakteristik utama dari R
2
adalah : 1.
Tidak mempunyai nilai negative
2. tara variabel bebas dengan
variabe ia :
H1 : paling tidak ter Nilai berkisar antara 0 sampai 1 atau 0
≤ R
2
≤ 1 Untuk mengetahui pengaruh secara simultan an
l terikat maka digunakan uji F dengan kriter H
: ß
1
+ ß
2
+ ß
3
= 0 tidak ada pengaruh dapat sepasang nilai ß
≠ 0 ada pengaruh
Galat KT
F
hitung
………………………………Sudrajat, 1998:123
Regresi KT
k, n – k – 1 si
n = jum
Gambar 6 : Daerah H melalui Kurva Distribusi F
Sumber : Supranto, J, 1995, Ekonometrika, Edisi Kesatu, Penerbit LPFE I, Jakarta, hal 365
secara
ya secara sim
Dengan derajat bebas = k = parameter regre
lah sample
Daerah Penerimaan Ho
F α
Daerah Tolak Ho
U Kaidah pengujian:
1. Uji F ini digunakan untuk mengetahui apakah H
diterima atau ditolak. Apakah F hitung F tabel, maka H
ditolak H
i
diterima artinya simultan variabel bebas mempunyai pengaruh terhadap variabel terikat.
2. Apabila F hitung F table, maka H
diterima Hi ditolak, artin ultan varibel bebas tidak berpengaruh terhadap variabel terikat.
Untuk tidak melihat apakah akan terjadi hubungan secara simultan, maka au individu melalui uji t, criteria :
H : ß
1
= 0 tidak Hi : ß
1
≠ 0 ada pengaruh akan dilihat pengaruhnya secara parsial at
ada pengaruh
Se hitung
t i
i
……………………… Sudrajat, 1998:122 asan sebesar n – k – 1
i
n : juml k : pa
drajat, 1998, Mengenal Ekonometrika Pemuda, Bandung, Dengan derajat kebeb
Keterangan : ß
1
: koefisien regres Se : standart error
ah sample ram
Gambar 7 : Distributor Penerimaan Hipotesis Secara Parsial
eter regresi
Sumber : Su halaman 22
Kaidah pengujian : 1.
Apakah t hitung t tabel maka Ho ditolak dan Hi diterima, yang berarti ada pengaruh antara variabel bebas dan variabel terikat.
2. Apakah t hitung t tabel maka Ho diterima Hi ditolak, yang berarti tidak ada
pengaruh antara variabel bebas dan variabel terikat.
Daerah penolakan H Daerah penolakan H
-t α2 :
t α2 : n – k - 1
n - k
Di dalam model analisis regresi linier berganda ini harus memenuhi syarat BLUE Best Linier Unbiased Estimate yang artinya bahwa pengambilan keputusan yang
dengan uji F dan uji t tidak boleh bias. Adapaun pentingnya sifa BLUE ada
a. a sifat ini kelihatan bila ditetapkan dalam uji signifikansi baku
rt terhadap α dan ß, serta membuat interval keyakinan taksiran-
c. adalah bila jumlah sample sangat besar, penaksiran
diperoleh dari sample besar kira-kira lebih mendekati nilai
d.
lkan keputusan yang memenuhi syarat BLUE Best Linier si-asumsi klasik dalam model regresi linier
berganda y
1.
esi berkaitan
lah sebagai berikut : Best
Pentingny standa
taksiran. b.
Linier Sifat ini dibutuhkan untuk memudahkan perhitungan dalam penaksiran.
Unbiasedness Jaminan dari sifat ini
parameter parameter sebenarnya.
Estimate Merupakan penaksiran linier kuadara terkecil artinya diharapkan sekecil
mungkin. Untuk menghasi
Unbiased Estimate dibutuhkan asum
aitu :
Autokorelasi Autocorrelation
Satu dari asumsi penting dari penting dari model regresi linier klasik adalah bahwa kesalahan atau gangguan
μi yang masuk ke dalam fungsi regr
popula
n kesalahn pengganggu periode lain. Pengujia
dilakukan dengan menggunakan uji statistic Durin Watson sebagai berikut : si adalah random atau tak berkorelasi. Jika ini dilanggar, kita
mempunyai problem serial korelasi atau autokorelasi Gujarati, 1995:223. Sedangkan yang dimaksud autokorelasi adalah keadaan dimana
kesalahn pengganggu dalam suatu periode tertentu berkorelasi denga n terhadap gejala autokorelasi
2 t
2
e mlah
e e
Jumlah
1 t
t
Ju D
………………………. Gujarati, 1995:223
l tak bebas yang sebenarnya waktu.
Sedangkan e
t-1
residual dari waktu sebelumnya
Gam :
si Da tu
oko
umber : Gujarati, Damodar, 1995, Ekonometrika Dasar, Terjemahan Sumarno Zain, Erlangga, Jakarta, halaman 216
Dimana : e
t
adalah residual perbedaan variabe dengan variabel tak bebas yang ditaksir dari setiap periode
bar 8 Distribu erah Kepu san Aut
relasi
S
Dari hasil dihitung kemudian dibandingkan dengan tabel Hipotesa :
Ho : ada autokorelasi positif atau autokorelasi negative Hi : tidak ada autokorelasi positif atau autokorelasi negative
Terima Ho
Tolak H
O
Daerah
d
Kritis Tidak ada
Autokorelasi Daerah
Ketidak- pastian
Daerah Ketidak-
pastian Kritis
Tolak H
O
d
L
=
d
Daerah
L
= d
u
=
4 4d
U
Uji autokorelasi ini untuk mengetahui ada tidaknya hubungan antara residu
2. Heteroskedastisita Heteroscedasticity
Pengujian heteroskedastisitas dilakukan untuk melihat apakah ada kesalahn pengganggu mempunyai varian yang smaa atu tidak. Hal tersebut
dilambangkan sebagai :
Dimana : σ2 = varian
i = 1,2,3, ….. n Apabila didapat varian yang smaa makan asumsi heteroskedastisitas
penyebaran yang sama diterima Kebanyakan data cross section mengandung situasi heteroskedastisitas
karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang dan besar. Cara mendeteksinya dengan white test. Secara manual uji
ini dilakukan dengan residual kuadrat Ui
2
dengan variabel bebas kuadrat dan perkalian variabel bebas. Dapatkan nilai R
2
untuk menghitung x
2
, dimana x
2
= n x R
2
. pengujiannya adalah jika x x
tabel
. Dimana x
tabel
: α,n-k-l maka
heteroskedastisitas dlam model ditolak.
3. Multikolinieritas Multicolinierity
Multikolinieritas merupakan suatu keadaan dimana satu atau lebih variabel independen terdapat korelasi atau hubungan dengan variabel
sisa regresi pada kasus ke – n dengan residu kasus ke –n-1
2 2
i
σ Eu
2 2
2
independen terdapat korelasi atau hubungan dengan variabel independen lainnya, dengan kata lain satu atau lebih variabelnya merupakan suatu fungsi
linier dari variabel independen yang lain. Untuk mempermudah dalam melakukan maka terlebih dahulu dilakukan uji korelasi. Uji korelasi ini
dilakukan untuk melihat hubungan masing-masing variabel independen. Kemudian dari pengujian tersebut dapat diperoleh nilai R2, uji korelasi ini
dapat menggunakan arch test.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN