Model Regresi Linier Berganda

20 diterjemahkan ke dalam bahasa Inggris menjadi economy dan measure. Kata economy berarti kegiatan manusia untuk mencukupi kebutuhannya melalui usaha pengorbanan sumber daya yang seefisien dan seefektif mungkin untuk mendapatkan tujuan yang seoptimal mungkin, sedangkan kata measure berarti pengukuran. Dengan demikian maka ekonometrika berarti suatu pengukuran atas kegiatan-kegiatan ekonomi. Teradapat beberapa pakar yang mendefinisikan ekonometrika sebagai berikut: 1. Ekonometrika dapat didefinisikan sebagai ilmu sosial yang menggunakan alat berupa teori ekonomi, matematika dan statistika infernesia untuk menganalisis kejadian-kejadian ekonomi. Goldberger 1964 2. Ekonometrika didefinisikan sebagai analisis kuantitatif dari fenomena ekonomi riil berdasarkan pada pengembangan teori dan observasi yang dihubungkan dengan metode inferensia. Samuelson 1954 3. Ilmu ekonometrika adalah aplikasi dari teori metode statisik dan matematika untuk menganalisis data-data ekonomi dengan satu tujuan untuk memberikan kandungan dan verifikasi pada teori ekonomi. Maddala 1992 4. Sebagai suatu ilmu yang mengkombinasikan teori ekonomi dan statistika ekonomi dengan tujuan menyelidiki dukungan empiris dari skema yang dibangun oleh teori ekonomi dengan memanfaatkan ilmu ekonomi, matematika dan statistika, ekonometrika membuat hukum-hukum ekonomi teoritis tertentu menjadi nyata. Sumodiningrat 1994

3.1.5. Teori Regresi Linier Berganda

3.1.5.1. Model Regresi Linier Berganda

Analisis regresi pertama kali diperkenalkan oleh Francis Galtom pada tahun 1886. Berdasarkan penelitiannya, Galtom menemukan adanya kecenderungan bahwa orang tua yang memiliki tubuh tinggi juga memiliki anak- anak yang tinggi. Sebaliknya, orang tua yang memiliki tubuh pendek juga memiliki anak-anak yang bertubuh pendek. Namun demikian juga terdapat kecenderungan bahwa tinggi anak bergerak menuju ke arah tinggi rata-rata populasi secara keseluruhan. Hukum regresi Galton didukung oleh Karl Pearson dan A.lee 1903, dalam Gespersz, 1991 yang menemukan bahwa tinggi rata-rata 21 anak laki-laki dari kelompok ayah yang tinggi adalah lebih pendek dari ayah mereka, dan sebaliknya tinggi rata-rata anak laki-laki dari kelompok ayah yang pendek adalah lebih tinggi dari ayah mereka. Dengan demikian, anak laki-laki yang tinggi dan pendek akan menuju tinggi rata-rata dari semua orang laki-laki. Oleh karena itu makna regresi itu sendiri berarti kemunduran atau kecenderungan ke arah sedang. Menurut Gujarati 2006, model regresi berganda merupakan model regresi dengan lebih dari satu variabel penjelas atau dapat diartikan terdapat lebih dari satu variabel penjelas independent yang mempengaruhi variabel tak bebas dependent. Model regresi penelitian ini disebut berganda karena terdapat banyak faktor variabel yang mungkin mempengaruhi variabel tak bebas. Hubungan antara peubah-peubah tersebut dapat dirumuskan dalam persamaan sebagai berikut: Y = a + b 1 X 1 + b 2 X 2 + … + b n X n + € Dimana : Y = Variabel tergantung a = Konstanta Intercept b 1 = Koefisien regresi untuk X 1 b 2 = Koefisien regresi untuk X 2 X 1 = Variabel bebas pertama X 2 = Variabel bebas kedua X n = Variabel bebas ke- n € = Nilai residu Kuat atau tidaknya hubungan linier antara peubah-peubah bebas dapat diukur dari koefisien korelasi r. Sedangkan untuk melihat besarnya pengaruh dari bebas terhadap peubah tak bebas dapat dilihat dari nilai koefisien r-square R². Pada penelitian ini menggunakan model regresi linier berganda dengan metode kuadrat terkecil atau Ordinary Least Square OLS yang berfungsi untuk menduga parameter. Namun demikian, pada metode ini terdapat kelemahan. Kelemahan tersebut yaitu seluruh asumsi-asumsi yang terkait di dalamnya harus dapat dipenuhi oleh suatu model. Apabila salah satu asumsi tidak dapat dipenuhi 22 oleh suatu model, maka akan menimbulkan masalah normalitas, heteroskeasitas, multikolinearitas dan autokorelasi. Dengan demikian, diperlukan suatu pengujian terhadap model tersebut. Jika 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 berat 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. Linier = koefisien regresinya linier c. Unbiased = Nilai estimasi dari sampel akan mendekati populasi, ini mengindikasi bahwa suatu model tidak bias d. Estimator = penduga parameter

3.1.5.2. Uji Asumsi Klasik