53
Rumus untuk mencari F-hitung adalah:
F =
1-R
2
n-k R
2
k-1
Keterangan:
R
2
= Koefisien determinasi 1-R
2
= Jumlah variabel independen ditambah intercept dari suatu model persamaan
n-k = Jumlah sampel
Hipotesis: H
: βi = β
2
= 0 H
a :
βi ≠ β
2
= 0
3.7.2 Uji Asumsi Klasik
“Model penelitian sebaiknya diuji terlebih dahulu asumsi klasiknya untuk memastikan tidak adanya bias atau rancu yang dapat membuat hasil penelitian
menjadi tidak akurat” Sunjoyo, 2013:54. Adapun pengujian asumsi klasik tersebut yaitu sebagai berikut:
3.7.2.1 Uji Normalitas
Erlina, 2011:101 menyatakan bahwa “Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki
distribusi normal.”
54
Pada aplikasi EViews, pengujian normalitas dilakukan dengan Jarque Bera test. Jarque Bera test mempunyai distribusi chi square dengan derajat dua bebas. Jika
hasil Jarque Bera test lebih besar dari nilai chi square pada α=5 persen, maka tolak
hipotesis nul yang berarti tidak berdistribusi normal. Jika hasil Jarque Bera test lebih kecil dari nilai chi square
pada α=5, maka terima hipotesis nul yang berarti error term berdistribusi normal.
3.7.2.2 Uji Multikolinieritas
“Uji multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam dalam suatu model regresi linear
berganda. Korelasi yang tinggi di antara variabel-variabel bebas menunjukkan hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu”
Sunjoyo, 2013:65. Pengujian multikolinieritas pada aplikasi EViews dilakukan dengan pendekatan koralasi parsial.
Beberapa alternatif cara untuk mengatasi masalah multikolinearitas menurut Erlina 2011:104 adalah sebagai berikut:
a. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi;
b. Menambah jumlah observasi atau menambah ukuran sampel;
c. Mentransformasikan data ke dalam bentuk lain. Misalnya logaritma natural, akar
kuadrat atau bentuk first difference delta; dan d.
Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.
