yang cocok yang telah dipilih sebelumnya. Dari model yang telah diestimasi, selanjutnya dilakukan pengujian suatu hipotesis dan mengintrepetasikan hasilnya
dengan peramalan. Dari peramalan yang telah dilakukan dapat digunakan untuk menentukan suatu kebijakan.
2.5.1. Model Regresi Linear Berganda
Model regresi linear beganda digunakan untuk mengetahui pengaruh dua atau lebih variabel bebasnya secara bersama-sama terhadap variabel tidak
bebasnya. Hubungan antara peubah-peubah tersebut dapat dirumuskan dalam persamaan sebagai berikut:
Y
i
= α
0 +
α
1
X
1i+
α
2
X
2i
+ … + α
p
X
pi
+ ɛ
i
................................................. 2.2
Dimana : Y
i
= peubah tidak bebas α
= intersep αi sampai α
p
= koefisien kemiringan parsial ɛ
= unsur gangguan disturbance stokhastik i
= observasi ke i; i = 1, 2, 3, …, n
Kuat atau tidaknya hubugan linear antara peubah peubah bebasnya dapat diukur dari koefisien korelasi r. Sedangkan untuk melihat besarnya pengaruh
dari bebas terhadap peubah tak bebas dapat dilihat dari nilai koefisien r-square R
2
. Penelitian ini menggunakan model regresi linear berganda dan metode
kuadrat terkecil atau yang biasa disebut dengan metode Ordinary Least Square OLS untuk menduga parameternya. Metode OLS dalam menganalisis suatu
model tidak terlepas dari adanya ketidaksempurnaan, dalam arti metode ini juga memiliki kelemahan. Kelemahan model ini adalah seluruh asumsi-asumsi yang
terkait didalamnya harus dapat dipenuhi oleh suatu model. Apabila salah satu asumsi tidak dapat dipenuhi oleh suatu model, maka akan timbul masalah yaitu
masalah normalitas, heteroskedastisitas, multikolinearitas, dan autokolerasi. Oleh karena itu diperlukan suatu pengujian terhadap model tersebut.
Apabila asumsi-asumsi yang telah disebutkan di atas dapat dipenuhi maka penduga OLS akan dapat menghasilkan koefisien regresi yang memenuhi sifat-
sifat BLUE Gujarati 1997, yaitu: a
Best = Efisien yang berarti ragam atau variannya minimum dan
konsisten, dalam artian bahwa walaupun menambah jumlah sampel maka nilai estimasi yang diperoleh tidak akan berbeda jauh di parameternya.
b Linear
= Koefien regresinya linear c
Unbiased = Nilai estimasi dari sampel akan mendekati populasi, ini
mengindikasikan bahwa suatu model tidak bias. d
Estimator =
Penduga parameter
2.6. Penelitian-Penelitian Terdahulu
