Pengujian Regresi Linier Berganda

43

4.5 Pengujian Parameter

Pengujian secara statistik terhadap model perlu dilakukan dengan cara:

4.5.1 Pengujian Regresi Linier Berganda

1 Uji Keandalan Uji ini dilakukan untuk mengevaluasi pelaksanaan CVM dilihat dengan nilai R-squares R 2 dari OLS Ordinary Least SquareWTP. Koefisien determinasi adalah suatu nilai statistik yang dapat mengetahui besarnya kontribusi variabel bebas terhadap variabel terikat dari suatu persamaan regresi Firdaus, 2004. Mitchell dan Carson 1989 dalam Hanley dan Spash 1993 merekomendasikan 15 persen sebagai batas mínimum dari R 2 yang realibel. Nilai R 2 yang lebih besar dari 15 persen menunjukkan tingkat realibilitas yang baik dalam penggunaan CVM. 2 Uji Statistik t Uji statistik t adalah uji untuk mengetahui masing-masing variabel bebas yang berpengaruh terhadap variabel terikatnya. Pengujian koefisien regresi secara individual dilakukan untuk membuktikan bahwa koefisien regresi suatu model regresi tersebut secara statistik signifikan atau tidak. Prosedur pengujian uji statistik t adalah Ramanathan, 1997: H 0 : β i = 0 atau variabel bebas tidak berpengaruh nyata terhadap variabel terikat H 1 : β i ≠ 0 atau varibel bebas berpengaruh nyata terhadap variabel terikat 44 Jika t hitn-k t α2 maka terima H , artinya variabel bebas X i tidak berpengaruh nyata terhadap Y. Jika t hitn-k t α2 , maka terima H 1 artinya variabel bebas X i berpengaruh nyata terhadap Y . 3 Uji Statistik F Uji statistik F dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Prosedur pengujian menurut Ramanathan 1997 adalah: H = β 1= β 2 = β 3 = … β = 0 atau tidak ada satupun variabel yang berpengaruh H 1 = β 1 = β 2 = β 3 = … β ≠ 0 atau minimal ada satu variabel yang berpengaruh dimana: JKK = jumlah kuadrat untuk nilai tengah kolom JKG = jumlah kuadrat galat n = jumlah sampel k = jumlah peubah Jika F hit F tabel maka terima H 0, artinya secara serentak variabel X i tidak berpengaruh nyata terhadap Y. Jika F hit F tabel, maka terima H 1, yang artinya variabel X i secara serentak berpengaruh nyata terhadap Y. 4 Uji Terhadap Kolinear Ganda Model dengan banyak peubah sering terjadi masalah multikolinier yaitu terjadinya korelasi yang kuat antar peubah-peubah bebas. Cara yang paling mudah untuk mengungkapkan apakah multikolinieritas menyebabkan masalah adalah dengan mengkaji simpangan baku koefisiennya. Jika beberapa koefisien mempunyai simpangan baku yang tinggi, dan kemudian mengeluarkan satu atau lebih peubah bebas dari model menyebabkan simpangan bakunya rendah, maka biasanya sumber 45 masalahnya adalah multikolinieritas. Masalah tersebut dapat dilihat langsung melalui hasil komputer, jika Varian Inflation Factor VIF 10, maka tidak ada masalah multikolinier Gujarati, 2003. 5 Uji Heteroskedastisitas Salah satu asumsi metode pendugaan kuadrat terkecil adalah homoskedastisitas, yaitu ragam galat konstan dalam setiap amatan. Pelanggaran atas asumsi ini disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2006. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual yang telah di-studentized Ghozali, 2006. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot. Dasar analisis uji heteroskedastisitas Ghozali, 2006: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedatisitas. Penelitian ini menggunakan uji white seperti yang disarankan oleh Goldfeld dan Quandt Ramanathan, 1997. Prosedur pengujiannya adalah: H = tidak ada heteroskedastisitas 46 H 1 = ada masalah heteroskedastisitas Terima H jika probability obsR square lebih besar dari α. Artinya tidak terjadi heteroskedastisitas. 6 Uji Normalitas Uji normalitas diperlukan untuk mengetahui apakah error term dari data atau observasi yang jumlahnya kurang dari 30 mendekati sebaran normal sehingga statistik t dapat dikatakan sah. Data pada penelitian ini jumlahnya lebih dari 30, oleh sebab itu diduga data telah mendekati sebaran normal sehingga statistik t dapat dikatakan sah. Penelitian ini menggunakan uji Kolmogorov-Smirnov. Penerapan uji ini adalah bahwa jika signifikasi dibawah 5 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, artinya data tersebut tidak normal Suliyanto, 2005. 7 Uji Autokorelasi Uji autokorelasi dilakukan untuk melihat apakah terdapat hubungan diantara galat dalam persamaan regresi yang diperoleh. Autokorelasi cenderung akan mengestimasi standar error lebih kecil daripada nilai sebenarnya, sehingga nilai statistic-t akan lebih besar. Uji yang digunakan untuk mendeteksi autokorelasi adalah uji DW Durbin Watson test. Nilai statistik DW berada diantara 1,55 dan 2,46 maka menunjukkan tidak ada autokorelasi Firdaus, 2004. 47

4.5.2 Pengujian Regresi Logit