e. Membandingkan t
hitung
dengan t
tabel
dengan tujuan untuk mengetahui apakah penelitian diterima atau tidak dengan uji t dua sisi, dengan
ketentuan : 1.
t
hitung
t
tabel
, maka Ho ditolak dan Ha diterima. Hal ini berarti, secara parsial terdapat pengaruh yang nyata antara variabel independen
terhadap variabel dependennya. 2.
t
hitung
t
tabel
, maka Ho diterima dan Ha ditolak. Hal ini berarti, secara parsial tidak terdapat pengaruh yang nyata antara variabel independen
terhadap variabel dependennya.
3.4.3 Uji Asumsi Klasik
Persamaan regresi tersebut di atas harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji t
tidak boleh bias, untuk memastikan bahwa modal yang diperoleh benar- benar memenuhi asumsi dasar dalam analisis regresi yang meliputi asumsi,
tidak terjadi autokorelasi, tidak terjadi multikolonearitas, dan tidak terjadi heteroskedastisitas.
Apabila salah satu dari tiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE sehingga
pengambilan keputusan melalui uji t menjadi bias. Gujarati, 1978:153
3.4.3.1 Autokorelasi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Autokorelasi merupakan korelasi yang terjadi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data
deretan waktu atau ruang seperti data cross-sectional. Adanya gejala autokorelasi menggambarkan varians populasinya dan hasil regresi tidak
dapat digunakan untuk menaksir nilai variabel dependen pada nilai variabel independen tertentu.
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara koefisien pengganggu pada periode
t dengan kesalahan pada periode t-1 sebelumnya. Identifikasi ada tidaknya gejala autokorelasi dapat dilihat dari tabel Durbin Watson Test
dengan jumlah variabel bebas k dan jumlah data n sehingga dL dan dU dapat diperoleh distribusi daerah keputusan ada atau tidaknya korelasi.
Keberadaan autokorelasi dapat dites dengan menghitung nilai Durbin Watson d tes, dengan menggunakan rumus sebagai berikut Gujarati,
1978:201-215 :
d =
Keterangan : d
= nilai Durbin Watson
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
et = residual pada waktu ke t
et-1 = residual pada waktu ke t-1 satu periode sebelumnya
N = banyaknya data
3.4.3.2 Multikolinearitas
Multikolinearitas merupakan adanya hubungan linier yang sempurna atau pasti diantara beberapa atau semua variabel independen
dalam model regresi. Adanya multikolinearitas menyebabkan standart error menjadi sangat sensitif terhadap perubahan data. Gujarati,
1978:157 Dari diagnosis atau dugaan adanya multikolinearitas tersebut, maka
perlu adanya pembuktian atau identifikasi secara statistik ada atau tidaknya gejala multikolinearitas, ada beberapa metode deteksi, yaitu :
a. Koefisien determinasi tinggi R
2
, misalnya antara 0,7 dan 1. Dan uji parsial tidak satupun yang signifikan.
b. Membandingkan tolerance yang didapat dari perhitungan regresi berganda, apabila nilai tolerance
, maka terjadi multikolinearitas. c. Dengan cara menghitung VIF Variance Inflation Factor. VIF
menyatakan tingkat “pembengkakan” varians, apabila nilai VIF 10 hal
ini berarti terdapat multikolinearitas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Untuk mendeteksi adanya multikolinear dapat dilakukan dengan menghitung VIF Variance Inflation Factor dengan menggunakan rumus
sebagai berikut :
2
3.4.3.3 Heteroskedastisitas
