2. Pengujian Hipotesis Parameter Regresi
Pengujian ini dilakukan untuk melihat apakah masing-masing variabel bebas berpengaruh pada variabel terikatnya.
Hipotesis: H
: α
i
= 0 i = 1, 2, 3
H
1
: α
i
≠ 0 Uji statistik yang digunakan adalah uji t Gujarati, 1993:
α - α
t-hitung = S
b
Keterangan: α
: Koefisien regresi parsial sampel
α
: Koefisien regresi parsial populasi S
b
: Simpangan baku koefisien dugaan
Dimana hasil dari t hitung dibandingkan dengan t-tabel t-tabel = t
α
2 n-k
. Kriteria Uji:
t-hitung t
α
2 n-k
, maka tolak H t-hitung t
α
2 n-k
, maka terima H Hasil yang didapatkan dari perbandingan tersebut jika t-hitung t-tabel
maka tolak H berarti variabel signifikan berpengaruh nyata pada taraf
α. Hasil yang didapat jika t-hitung t-tabel maka terima H
yang berarti variabel yang digunakan tidak berpengaruh nyata terhadap variabel terikat.
3. Keterandalan Model
Digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikatnya menurut Gujarati 1993, terdapat
dua sifat R² yaitu: 1.
Merupakan besaran non-negatif. 2.
Batasnya adalah 0 ≤ R² ≤ 1. Jika R² bernilai 1 berarti suatu kecocokan
sempurna, sedangkan jika R² bernilai 0 berarti tidak ada hubungan antara variabel terikat dengan bebas.
Nilai koefisisen determinasi dapat dihitung sebagai berikut Gujarati, 1993: ESS
R² = TSS
∑ e²
i
= 1- ∑y²
i
Dimana ESS adalah jumlah kuadrat yang dijelaskan explained sum of squares dan TSS adalah jumlah kuadrat total total sum of squares.
Salah satu masalah jika menggunakan ukuran R² untuk menilai baik buruknya suatu model adalah akan selalu mendapatkan nilai yang terus naik
seiring dengan penambahan variabel bebas ke dalam model sehingga Adjusted R- squared bisa juga digunakan untuk melihat sejauh mana variabel bebas mampu
menerangkan keragaman variabel terikatnya. Adjusted R-squared secara umum memberikan penalti atau hukuman terhadap penambahan variabel bebas yang tak
mampu menambah daya prediksi suatu model. Nilai Adjusted R-squared tidak akan pernah lebih besar dari nilai R² bahkan dapat turun jika ditambahkan variabel
bebas yang tidak perlu. Bahkan untuk model yang memiliki kecocokan yang rendah Adjusted R-squared dapat memiliki nilai yang negatif. Nilai Adjusted R-
squared dapat dihitung sebagai berikut Gujarati, 1993: ∑ e²
i
N-K Ř² = 1-
∑y²
i
N-1 dimana k adalah banyaknya parameter dalam model termasuk faktor intersep.
Persamaan di atas dapat disederhanakan seperti di bawah ini: σ²
Ř² = 1- S²
y
dimana σ² adalah varians residual dan S²
y
adalah varians sampel dari Y.
4. Diagnostik Model Regresi
Kategori