Kriteria pengambilan keputusan: H
: b
1
= b
2
= 0, H diterima F-hitung
≤ F-tabel artinya variabel independen secara bersama- sama tidak berpengaruh nyata terhadap variabel dependen.
H
1
: b
1
≠ b
2
≠ 0, H
1
diterima F-hitung F-tabel artinya variabel independen secara bersama sama berpengaruh nyata terhadap variabel dependen.
2.5. Uji Penyimpangan Asumsi Klasik
2.5.1. Uji Multikolinieritas
Multikolinearitas adalah alat yang digunakan untuk mengetahui apakah ada hubungan yang kuat kombinasi linier diantara variabel independen. Multikolinieritas dikenalkan oleh
Ragnar Frisch 1934. Suatu model regresi linier akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinieritas. Multikolinearitas terjadi karena
adanya hubungan yang kuat antara sesama variabel independen dari suatu model estimasi. Adanya multikolinieritas ditandai dengan:
Variansi besar Interval kepercayaan lebar standard error tidak terhingga
Tidak ada satupun t-statistik yang signifikan pada α = 1, α = 5, α = 10
Terjadi perubahan tanda atau berlawanan dengan teori estimasi R
2
sangat tinggi
Universitas Sumatera Utara
Ada banyak uji formal untuk mendeteksi keberadaan multikolinieritas yang dapat dilakukan, tetapi dalam tugas akhir ini hanya akan diberikan uji formal yang sangat
populer, dan tersedia dalam paket program SPSS yaitu:
Uji Eigenvalues dan Conditional Index
, multikolinieritas ditenggarai ada di dalam persamaan regresi bila nilai
Eigenvalues
mendekati nol. Dan jika
Conditional Index
berada antara nilai 10 sampai 30 maka model mengandung multikolinieritas.
Melihat nilai
Variance Inflation Factor
VIF dan
Tolerance
TOL.
Multikolinieritas tidak ada jika nilai
VIF
dan
TOL
mendekati angka 1.
2.5.2. Uji Heterokedastisitas
Heterokedastisitas terjadi apabila variabel pengganggu Error Term tidak mempunyai varian yang konstan sama untuk semua observasi sehingga residual variabel pengganggu tidak
bernilai nol atau
2 2
i E
. Ini merupakan pelanggaran salah satu asumsi klasik tentang
model regresi linier berdasarkan metode kuadrat terkecil biasa. Heterokedastisitas pada umumnya lebih banyak ditemui pada data
cross section
yaitu data yang menggambarkan keadaan pada suatu waktu tertentu misalnya data hasil suatu survei. Keberadaan
heterokedastisitas akan dapat menyebabkan kesalahan dalam penaksiran sehingga koefisien regresi menjadi tidak efisien dan dapat meyesatkan.
Pengujian untuk mendeteksi heteroskedastisitas melalui metode grafik adalah sebagai berikut : Sebagaimana telah dijelaskan sebelumnya bahwa heteroskedastisitas
merupakan suatu kondisi dimana Var
μ
i 2
tidak konstan. Oleh karena itu, bila nilai-nilai
μ
i 2
Universitas Sumatera Utara
diplot dengan nilai-nilai variabel bebas akan ditemui suatu pola atau bentuk yang tidak random pola yang sistematis. Seperti beberapa plot di bawah ini :
Gambar 2.3 Pola Hipotesis Residual
Gambar a menunjukkan adanya pola yang sistematik , dimana semakin besar nilai Ỷ, fluktuasi
μ
i 2
semakin besar, gambar b menunjukkan adanya trend, dan gambar c menunjukkan pola yang mengikuti fungsi logaritma. Pola-pola sistematis ini menunjukkan
Var
μ
i 2
tidak konstan untuk semua nilai Ỷ, atau variannya Heteroskedastis. Sedangkan pada
gambar d, titik-titik pada gambar tersebut tidak mencerminkan suatu pola yang sistematis atau dapat dikatakan random. Dengan kata lain, Var
μ
i 2
konstan untuk semua nilai Ỷ, atau
variannya Homoskedastis. Nachrowi Djalal Nachrowi dan Hardius Usman, 2006:114
μ
i 2
Ỷ c
μ
i 2
Ỷ d
a b
μ
i 2
μ
i 2
Ỷ Ỷ
Universitas Sumatera Utara
BAB 3
TINJAUAN UMUM TEMPAT RISET
3.1. Asuransi Sebagai Jasa
