75 3 Uji F-Statistik
Uji F-statistik ini dilakukan untuk melihat seberapa besar pengaruh variabel independen secara bersama-sama terhadap variabel
independen. Untuk pengujian ini digunakan hipotesa sebagai berikut :
Ho : β
1
, β
2
, β
3
, β
4
= 0 Ho diterima Prob F-statistic signifikan pada α = 5, artinya variabel independen secara bersama-sama
tidak berpengaruh nyata terhadap variabel dependen.
Ha : β
1
, β
2
, β
3
, β
4
≠ 0 Ha diterima Prob F-statistic tidak signifikan pada α = 5, artinya variabel independen secara
bersama-sama berpengaruh nyata terhadap variabel dependen.
d. Uji Asumsi Klasik
Menurut Gujarati 2006: 183, untuk memperoleh model yang baik, regresi harus memenuhi asumsi regresi klasik, dimana model harus
terbebas dari masalah-masalah dalam regresi yaitu multikolinearitas,
heterokedastisitas, dan autokorelasi.
1 Normalitas Uji ini adalah uji yang dilakukan dengan tujuan untuk mengetahui
apakah suatu variabel mmpunyai distribusi data yang normal maupun medekati normal atau tidak. Pengujian didasari dari data dengan mean
dan standar deviasi yang sama. Uji normalitas digunakan jika sampel kurang dari 30, karena jika
sampel lebih dari 30 maka error term akan terdistribusi secara normal.
76 menurut Gujarati dalam winarno, 2009: 5.37, penelitian dengan
sampel lebih besar atau sama dengan 30 n ≥30 akan berkemungkinan
besar untuk berdistribusi normal. Untuk menguji normalitas data dalam penelitian menggunakan
Jarque Bera Test. Uji Jarque Bera didistribusi dengan χ
2
dengan derajat kebebasan degree of freedom sebesar 2, dimana χ
2
-hitung χ
2
-tabel menunjukkan data berdistribusi normal. 2 Multikolinearitas
Uji ini berguna untuk mengetahui ada tidaknya hubungan korelasi yang sempurna atau hampir sempurna di antara beberapa
atau semua variabel bebas. Analisis regresi yang baik bilamana tidak terdapat korelasi antar variabel bebas.
Gujarati 2006: 68, mengatakan bahwa multikolinearitas dapat dideteksi dengan beberapa indikator sebagai berikut :
a. R
2
relatif tinggi 0,70 – 1,00 tetapi hanya sebagian kecil atau bahkan tidak ada variabel bebas yang signifikan menurut t-test,
maka diduga terdapat multikolinearitas. b. Koefisien korelasi parsial r
2
relatif tinggi lebih tinggi dari R
2
, maka cenderung terdapat multikolinearitas.
Salah satu cara lain dalam mendeteksi gejala multikolinearitas adalah dengan menghitung koefisien korelasi sederhana simple
correlation antara sesama variabel bebas, jika terdapat koefisien
77 korelasi sederhana yang mencapai atau melebihi 0,8 maka hal tersebut
menunjukkan terjadinya masalah multikolinearitas dalam regresi. 3 Heteroskedastis
Dalam regresi linear ganda, salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model tersebut BLUE adalah
Var ui = σ
2
konstan, semua varian mempunyai variasi yang sama. Pada umumnya, heteroskedastisitas diperolah pada data cross section.
Jika pada model dijumpai heteroskedastisitas, maka model menjadi tidak efisien meskipun tidak bias dan konsisten.
Heteroskedasitas dapat dideteksi dengan metode grafik Gujarati, 2006 : 89-91 , yakni:
a. Jika terdapat pola tertentu pada penyebaran titik-titik variabel gangguan, maka telah terjadi heteroskedasitas.
b. Sebaliknya, jika tidak terdapat pola yang jelas, titik-titik variabel gangguan menyebar di atas dan di bawah 0 nol, maka tidak terjadi
heterokedasitas. Dalam pengolahan data panel dalam Eviews 6, menggunakan
metode General Least Square Cross Section Weights, untuk mendeteksi adanya heteroskedastisitas adalah dengan membandingkan
Sum Square Resid pada Weighted Statistics dengan Sum Squared Resid Unweighted Statistics. Jika Sum Square Resid pada Weighted
Statistics Sum Squared Resid Unweighted Statistics, maka terjadi