Jenis dan Sumber Data

32 menjelaskan kemampuan variabel bebas secara bersamaan dalam menjelaskan variasi dari peubah tak bebas. Nilai R-squared memiliki besaran yang positif yaitu 0 R-squared 1. Jika nilai R-squared bernilai nol maka artinya keragaman variabel dependen tidak dapat dijelaskan oleh variabel independennya. Sebaliknya, jika nilai R-squared bernilai satu maka keragaman dari variabel dependen secara keseluruhan dapat diterangkan oleh variabel independennya secara sempurna Gujarati, 2002. Rumus R-squared dapat dilihat sebagai berikut. 2 = ................................................................................................4.4 Dimana : ESS = Explained of Sum Squared TSS = Total Sum of Squared 2. Uji t Uji t dilakukan untuk menghitung koefisien regresi masing-masing variabel independen sehingga dapat diketahui pengaruh variabel independen terhadap variabel dependennya. Prosedur dalam pengujian Uji t oleh Gujarati 2002 : H : β 1 = 0 H : β 1 ≠ 0 = �− .................................................................................................4.5 Dimana : b = Parameter dugaan β 1 = Parameter hipotesis S eβ = Standar error parameter β Jika t hitung n-k t tabel α2 , maka H diterima, artinya variabel X i tidak berpengaruh nyata terhadap Y. Namun, jika t hitung n-k t tabel α2, maka H ditolak, artinya variabel X i berpengaruh nyata terhadap Y. 3. Uji F Uji F dilakukan untuk mengetahui pengaruh variabel independen atau bebas X i secara bersama-sama terhadap variabel dependen atau tidak bebas Y. Adapun prosedur yang digunakan dalam uji F Gujarati 2002: H = β 1 = β 2 = β 3 = ..... = β i = H 1 = minimal ada satu β i ≠ 0 33 ℎ = −1 �− ......................................................................................4.6 Dimana : JKR = Jumlah Kuadrat Regresi JKG = Jumlah Kuadrat Galat k = Jumlah variabel terhadap intersep n = Jumlah pengamatansampel Apabila F hitung F tabel maka H diterima dan H 1 ditolak yang berarti bahwa variabel bebas X i tidak berpengaruh nyata terhadap variabel tidak bebas Y. Apabila F hitung F tabel maka H diterima dan H 1 diterima yang berarti bahwa variabel bebas X i berpengaruh nyata terhadap variabel tidak bebas Y. Model yang dihasilkan dari regresi linear berganda haruslah baik, sehingga harus memenuhi kriteria BLUE Best Linear Unbiased Estimator. BLUE dapat dicapai bila memenuhi asumsi klasik. Uji asumsi klasik merupakan pengujian pada model yang telah berbentuk linear untuk mendapatkan model yang baik. Setelah model diregresikan kemudian dilakukan uji penyimpangan asumsi. a. Uji Normalitas Uji normalitas bertujuan untuk melihat model tersebut baik atau tidak. Model yang baik jika mempunyai distribusi normal atau hampir normal. Uji yang dapat digunakan adalah Uji Kolmogorov-Smirnov. Hipotesis pada uji Kolmogorov-Smirnov adalah sebagai berikut : H : Error term terdistribusi normal H 1 : Error term tidak terdistribusi normal Dengan kriteria uji : Jika P-value α maka tolak H Jika P-value α maka terima H Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat lain. Penerapan pada uji Kolmogrov-Smirnov adalah jika signifikansi di atas 5 persen berarti tidak terdapat perbedaan yang signifikan antara data yang di uji dengan data baku. b. Uji Autokorelasi Autokerelasi adalah adanya korelasi antara variabel itu sendiri, pada pengamatan berbeda waktu dan individu yang terjadi dapat data time series.