commit to user
117
H = β1 ≥ 0 , pendapatan perkapita China tidak berpengaruh secara
signifikan terhadap ekspor Indonesia H
1
= β1 0, pendapatan perkapita China berpengaruh secara signifikan terhadap ekspor Indonesia.
b. Menentukan derajat signifikan β = 0,05
c. Perhitungan uji t Nilai t
hitung
= 7,720030
Nilai t
tabel
= t 0,052 ; df : 6 = 2,447 d. Kesimpulan = t
hitung
t
tabel
atau 7,7200302,447
Berdasarkan perhitungan diatas diperoleh nilai t
hitung
7,720030 lebih besar dari t
tabel
2,447 dan probabilitasnya sebesar 0.8243 dengan tingkat signifikasi 0,05 maka H
ditolak dan H
1
diterima. Kesimpulannya pendapatan perkapita China mempunyai pengaruh
signifikan terhadap ekspor Indonesia.
2. Uji F
Uji F digunakan untuk melihat secara keseluruhan apakah seluruh variabel independen berpengaruh terhadap variabel dependen. Nilai F
hitung
yang diperoleh dari regresi linear sebesar 33.76325 dengan nilai probabilitasnya 0.001248. Menggunakan derajat signifikan 5 maka
commit to user
118
diperoleh F
tabel
sebesar 5,14 maka F
hitung
lebih besar dari F
tabel
, yaitu 33.76325 5,14, serta nilai probabilitasnya lebih kecil dari 0,05.
Hal ini berarti secara bersama-sama variabel pendapatan perkapita Indonesia, pendapatan perkapita China berpengaruh terhadap besar kecilnya
ekspor Indonesia.
3. Uji R
2
Koefisien determinasi R
2
digunakan untuk melihat seberapa besar variasi perubahan variabel dependen yang dapat dijelaskan oleh variabel
independen serta dapat digunakan untuk menunjukkan seberapa tepat garis regresi yangdiperoleh. Besarnya nilai Adjusted R Squared yang diperoleh
dari regresi linear sebesar 0,903484. Artinya sekitar 90,3484 variasi
variabel dependen ekspor Indonesia dapat dijelaskan oleh variabel independen variabel pendapatan perkapita Indonesia dan variabel
pendapatan perkapita China. Sisanya sebanyak 9,6516 dijelaskan oleh variabel lain yang tidak dimasukkan dalam model.
4. Koefisien Korelasi
Uji ini digunakan untuk mengetahui keeratan hubungan kuat lemahnya antara variabel dependen dengan variabel independen. Dari hasil regresi
linear diperoleh Adjusted R Squared sebesar 0,903484, hal ini menunjukkan koefisien korelasi r adalah 0,903484. Sehingga dapat disimpulkan bahwa
hubungan antara variabel dependen dengan variabel independen sangat kuat.
commit to user
119
2. Uji Asumsi Klasik
1. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk melihat adanya hubungan di antara variabel-variabel independen dalam model regresi Gujarati dan Porter, 2009.
Uji multikoliniearitas digunakan untuk mengetahui terjadi tidaknya korelasi diantara variabel independen dalam proses regresi. Jika dalam model terdapat
multikoliniearitas maka model tersebut memiliki kesalahan standart yang besar sehingga koefisien tidak dapat ditaksir dengan ketepatan tinggi.
Untuk menguji masalah multikoliniearitas, dilakukan pengujian dengan metode korelasi parsial, yaitu membandingkan antara nilai R
2
regresi awal dengan R
2
pada regresi antar variabel bebas. Jika nilai R
2
regresi awal lebih tinggi dari R
2
pada regresi antar variabel bebas, maka dalam model empirik tidak terdapat multikolinearitas, dan sebaliknya.
Tabel 4.13 Hasil Uji Korelasi Parsial
Persamaan Regresi Nilai R
2
Ekspor f Y
i
Y
j
0,931060 Y
i
f Y
j
0,099700 Y
j
f Yi 0,099700
Sumber: Print Out eviews 3.0, 2011
commit to user
120
Dari tabel diatas terlihat bahwa semua regresi antar variabel independen menghasilkan nilai R
2
lebih kecil dari nilai R
2
persamaan awal, sehingga
dapat disimpulkan model terbebas dari masalah multikolinearitas. 2.
Uji Heterokedastisitas
Heteroskedastisitas adalah kondisi dimana sebaran atau varian faktor penganggu tidak konstan sepanjang observasi. Heteroskedastisitas terjadi jika
muncul gangguan dalam fungsi regresi yang tidak sama sehingga penaksir OLS tidak efisien baik dalam sampel kecil ataupun besar tetapi masih tetap
tidak bisa dan konsisten. Salah satu cara untuk mendeteksi heteroskedastisitas adalah dengan Uji
LM ARCH. Jika regresi tersebut menghasilkan probabilitas di atas 0,05 maka variabel bebas tersebut tidak signifikan pada tingkat = 5. Dari hasil
tersebut dapat dikatakan bahwa pada tingkat = 5 semua koefisien regresi tidak signifikan yang berarti tidak terdapat masalah heteroskedastisitas.
Tabel 4.14 Hasil Uji LM-ARCH
ARCH Test: F-statistic
0.159050 Probability 0.706495
ObsR-squared 0.215806 Probability
0.642255 Sumber: Print Out eviews 3.0, 2011
Dari tabel 4.11 terlihat nilai ObsR-squared sebesar 0,215806, sedangkan nilai X
2
tabel dengan df 1 dan α=5 adalah 3,84. Karena nilai ObsR-squared
commit to user
121
X
2
tabel maka dapat disimpulkan model terbebas dari masalah heteroskedastisitas.
3. Uji Autokorelasi
