Teknik Analisis Dan Uji Hipotesis

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