R
2
= Koefisien
determinasi JK Regresi = Jumlah Kuadrat Regresi
JK Total = Jumlah Kuadrat Total Karakteristik utama R
2
adalah : a.
Nilai R
2
n negative, merupakan rasio dan jumlah kuadrat b. Nilai berkisar antara 0 dan 1 atau 0 R 1
1. Apabila R sama atau mendekati nol, maka tidak ada hubungan antara variabel X dan variabel Y.
2. Apabila R sama atau mendekati 1, maka terjadi kecocokan sempurna antara garis regres dengan kelompok data hasil observasi.
3.4.2 Uji Hipotesis.
Selanjutnya untuk mengetahui hubungan secara simultan antara variabel bebas dan variabel terikat maka digunakan hipotesis sebagai
berikut: a.
Uji F
Disebut juga
uji beda
varians yaitu pengujian yang dilakukan untuk mengetahui hubungan atau pengaruh dari variabel bebas secara simultan
atau serempak terhadap variabel terikat, dengan kriteria sebagai berikut : H
:
1
=
2
=
3
=
4
= 0 Tidak
ada pengaruh
secara simultan antara variabel independent
{X1, X2, X3, X4 terhadap variabel dependen {Y}. Hi :
1
=
2
=
3
=
4
0
terdapat pengaruh
secara simultan antara variabel independent
{X1, X2, X3, X4}, terhadap variabel dependent {Y}.
Gambar 6.
Distribusi Daerah
Penerimaan Penolakan Variabel Bebas X Secara Simultan terhadap Variabel Terikat Y
Sumber : Sudrajat,
MSW, 1998, Mengenal Ekonometrika Pemula,
Cetakan Kedua CV Armiko Bandung, hal 94 H
diterima jika F hitung F table. H
ditolak jika F hitung F table.
F
hitung
=
Galat KT
gresi KT Re
Sudrajat, 2000:94 Dimana :
KT = Kuadrat Tengah Means of Square = MS. Galat
= Error
= Residual.
Kaidah pengujiannya
: 1.
Apabila F
hitung
F
tabel
maka Ho ditolak dan Hi diterma, artinya variabel bebas berpengaruh terhadap variabel terikat.
2. Apabila F
hitung
F
tabel,
maka Ho diterima dan Hi ditolak, yang berarti secara simultan variabel bebas tidak berpangaruh terhadap variabel
terikat.
Daerah penolakan Ho
Daerah penerimaan Ho
F
tab
b. Uji t Yaitu pengujian yang dilakukan untuk mengetahui hubungan antara
pengaruh dari masing-masing variabel bebas dan secara parsial atau individu atau secara terpisah terhadap variabel terikat dan kriteria sebagai
berikut : Ho
: i = 0 tidak ada pengaruh
Hi : i 0 ada pengaruh
Gambar 7.
Distribusi Daerah
Penerimaan Penolakan Variabel Bebas X Secara Parsial terhadap Variabel Terikat Y
Sumber : Sudrajat, MSW, 2000, Mengenal Ekonometrika Pemula, Cetakan Kedua, CV Armiko Bandung, hal 94 t
hitung
=
i i
Se
Sudrajat, 2000:122
Dengan derajat kebebasan sebesar n-k-1 dimana : = koefisien Regresi
Se =
Standart Error
n =
Jumlah Sampel
k =
Jumlah Parameter
i = Variabel
bebas
Daerah Penolakan
Ho Daerah
Penolakan Ho
Daerah Penerimaan
Ho ‐t tab
t tab
Kaidah pengujian
: a.
Apabila t
hitung
t
table
maka Ho ditolak dan Hi diterima, berarti ada pengaruh antara variabel bebas dengan variabel terikat.
b. Apabila
t
hitung
t
tabel
maka Ho diterima dan Hi ditolak, berarti tidak
ada pengaruh antara variabel bebas dengan variabel terikat.
c. Uji blue.
Pengujian ini dimaksudkan untuk mendeteksi ada atau tidaknya autokorelasi, mutikolinieritas, heteroskedastisitas dalam hasil estimasi,
karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut, uji t dan uji F yang dilakukan sebelumnya menjadi tidak valid dan secara
statistik dapat mengacaukan kesimpulan yang diperoleh, untuk itu dilakukan uji asumsinya.
Tujuan utama penggunaan uji asumsi klasik adalah untuk mendapatkan koefisien regresi yang terbaik, linier dan tidak bias BLUE :
Best Liniear Unbiased Estimator, sifat dari BLUE adalah: a.
Best : pentingnya sifat ini bila diterapkan dalam uji signifikan baku terhadap
α dan β b.
Linear : sifat ini dibutuhkan untuk memudahkan dalam penaksiran c.
Unbiased : nilai jumlah sampel sangat besar penafsiran parameter yang diperoleh dari sampel besar kira-kira lebih mendekati
nilai parameter sebenarnya d.
Estimasi : e diharapkan sekecil mungkin
1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan urut waktu data time series
atau data yang diambil pada waktu tertentu data cross-sectional Untuk
mengetahui ada
tidaknya korelasi dapat menggunakan metode Durbin Watson
t = n ∑ e
t
– e
t-1 2
t = 2 d =
Gujarati, 2001: 215 t = n
∑ e
t 2
t = 1 Keterangan:
d = Nilai Durbin Watson e
t
= Residual pada waktu ke-t e
t-1
= Residual pada waktu ke-t-1 satu periode sebelumnya n
= Banyaknya
Data
Gambar 8: Daerah Keputusan Uji Durbin Watson
Sumber : Gujarati, Damodar, Ekonometrika Dasar, Penerbit Erlangga,
Jakarta, hal 216. Adanya
autokorelasi ini
biasanya varians dengan nilai yang lebih kecil dari nilai sebenarnya, sehingga nilai-nilai R
2
dan F
hitung
yang dihasilkan cenderung sangat berlebih overestimated. Cara mendeteksi adanya
autokorelasi adalah dengan membandingkan nilai Durbin Watson DW dengan DW tabel keputusan adanya autokorelasi didasarkan atas:
Daerah A : DW d
1
tolak H , autokorelasi positif
Daerah B : d
1
DW d
U
, ragu-ragu Daerah C : d
U
DW d
U
, terima H , non-autokorelasi
Daerah D : 4-d
U
DW 4-d
U
, ragu-ragu Daerah E : DW 4-d
1
, tolak H , autokorelasi negatif
Gujarati, 2001:217
Menolak H
bukti autokore
lasi positif
Daerah keragu
‐ raguan
Daerah keragu
‐ raguan
Menolak H
bukti autokore
lasi negatif
Menerima H
atau H
i
atau kedua
‐duanya
A B
C D
E
d
L
d
U
4 ‐d
U
4 ‐d
L
4 2
2. Heteroskedastisitas
Heteroskedastisitas adalah gejala dimana varians tidak sama atau tidak homogen, hal ini bisa diketahui berdasarkah pengujian korelasi Rank
Spearman. Koefisien Rank Spearman:
Rs = 1 – 6 = ∑di
2
NN
2
-1 Sudradjat,
2000:198 Keterangan:
d : Selisih dalam rank antara residual dengan variable bebas k1 N : Jumlah pengamatan
3. Multikolineraitas
Multikolinieritas adalah adanya hubungan yang sempurna antara semua atau beberapa variabel eksplanatori dalam model regresi yang
dikemukakan. Untuk mengetahuui adanya multikolinieritas dapat dilihat dengan kolinierti, sering ditandai dengan nilai R
2
yang tinggi, koefisien korelasi sederhananya tinggi, nilai F
hitung
tinggi signifikan Sudradjat, 2000:199.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian 4.1.1 Kondisi Geografis di Jawa Timur