3.3.6. Evaluasi Model
Terdapat beberapa kriteria yang digunakan sebagai dasar untuk mengevaluasi apakah model yang digunakan sudah baik atau belum, yakni F-
statistic test , t-statistic test, R-squared, dan uji asumsi klasik multikolinieritas,
autokorelasi, dan heteroskedastisitas.
3.3.6.1. F-Statistic Test
F-statistic test ditujukan untuk mengetahui apakah variabel-variabel independen secara bersama-sama memberikan pengaruh yang signifikan terhadap
variabel dependennya atau tidak. Langkah-langkah yang harus dilakukan dalam F-statistic test adalah
sebagai berikut. 1. Perumusan hipotesis
H :
...
2 1
= =
= =
k
β β
β H
1
: minimal ada satu nilai β yang tidak sama dengan nol
2. Penentuan taraf nyata α .
3. Bandingkan F-statistic dengan F-tabel pada α atau bandingkan
probabilitas F-
statistic prob F-statistic dengan
α. 4. Jika F-statistic F-tabel pada
α atau prob F-statistic α , maka terima
H
1
. Artinya, variabel-variabel independen secara serentak berpengaruh signifikan terhadap variabel dependennya.
3.3.6.2. t-Statistic Test
Tujuan t-statistic test adalah untuk mengetahui apakah masing-masing
variabel-variabel independen memberikan pengaruh yang signifikan terhadap variabel dependennya atau tidak.
Langkah-langkah yang harus dilakukan dalam t-statistic test adalah sebagai berikut.
1. Perumusan hipotesis H
: =
i
β H
1
: ≠
i
β 2. Penentuan taraf nyata
α . 3. Bandingkan t-statistic dengan t-tabel pada
α atau bandingkan probabilitas
t-statistic prob t-statistic dengan α.
4. Jika t-statistic t-tabel pada
α atau prob t-statistic α , maka terima
H
1
. Artinya, variabel independen berpengaruh signifikan terhadap variabel dependennya.
3.3.6.3. R-Squared
R-squared adalah proporsi variasi dalam variabel dependen yang dapat dijelaskan oleh variabel-variabel independennya. R-squared memiliki range
1 ≤
− ≤
squared R
. Jika R-squared bernilai 1 maka 100 persen variasi dalam variabel dependen dapat dijelaskan oleh variabel-variabel independennya.
Sedangkan jika R-squared bernilai 0 maka variasi dalam variabel dependen tidak dapat dijelaskan oleh variabel-variabel independennya. R-squared dirumuskan
sebagai berikut.
TSS RSS
squared R
= −
3.11 di mana:
RSS = jumlah kuadrat regresi,
TSS = jumlah kuadrat total.
3.3.6.4. Multikolinieritas
Multikolinieritas dapat diartikan sebagai hubungan linier yang kuat antara variabel-variabel independen dalam model persamaan regresi linier berganda. Hal
ini dapat dideteksi dengan adanya nilai R-squared yang tinggi antara 0.7 dan 1 tetapi banyak variabel independen yang tidak berpengaruh signifikan terhadap
variabel dependennya dan tanda koefisien variabel independen yang tidak sesuai dengan teori atau hipotesis. Salah satu cara untuk mengatasi multikolinieritas
adalah dengan panel data.
3.3.6.5. Autokorelasi
Kategori