d. Nilai tukar kurs Rupiah terhadap Dollar Amerika X
4
Merupakan nilai tukar rupiah terhadap Dollar AS yang berarti nilai yang mencerminkan harga mata uang Dollar AS dalam satuan Rupiah pertahun. Data
diperoleh dari Bank Indonesia dalam berbagai edisi.
3.3. Metode Analisis Data 3.3.1. Metode Mackinnon, white dan Davidson uji MWD.
Dalam penelitian ini, peneliti menggunakan metode deskriptif dan kuantitatif, yaitu mendiskripsikan suatu permasalahan dan menganalisis data dan hal-hal yang
berhubungan dengan angka-angka atau rumus-rumus perhitungan yang digunakan untuk menganalisis masalah yang sedang diteliti.
Penelitian ini menggunakan analisis regresi berganda dengan data runtut waktu time series. Dalam analisis ini, sebelum menentukan akan menggunakan
persamaan linier atau log linier maka harus mengetahui apakah prilaku data menunjukkan hubungan linier atau log linier dengan metode Mackinnon, white dan
Davidson uji MWD. Secara umum model persamaan linear dan log linier ditulis sebagai berikut :
Linier ÎY = β
+ β
1
X
1
+ β
2
X
2
- β
3
X
3
+ β
4
X
4
Log Linier
ÎlnY = β +
β
1
lnX
1
+ β
2
lnX
2
- β
3
lnX
3
+ β
4
lnX
4
Adapun prosedur metode MWD adalah sebagai berikut :
1. Estimasi model linier dan dapatkan nilai prediksinya fitted value dan
selanjutnya dinamai F
1
. 2.
Estimasi model log linier dan dapatkan nilai prediksinya, dan selanjutnya dinamai
F
2
. 3.
Dapatkan nilai Z
1
= ln F
1
-F
2
dan Z
2
= antilog F
2
-F
1
4. Estimasi persamaan berikut ini :
Y = β
+ β
1
X
1
+ β
2
X
2
- β
3
X
3
+ β
4
X
4
Jika Z
1
signifikan secara statistik melalui uji t maka kita menolak hipotesis nol bahwa model yang benar adalah model linier dan sebaliknya jika tidak signifikan
maka kita menerima hipotesis nol bahwa model yang benar adalah model linier 5.
Estimasi persamaan berikut : lnY
= β
+ β
1
lnX
1
+ β
2
lnX
2
- β
3
lnX
3
+ β
4
lnX
4
Jika Z
2
signifikan secara statistik melalui uji t maka kita menolak hipotesis alternatif dan model yang benar adalah model log linier dan sebaliknya jika tidak
signifikan maka kita menerima hipotesis alternatif dan model yang benar adalah model log linier.
3.3.2 Pengujian Hipotesa.
Untuk menguji bisa atau tidak model regresi tersebut di gunakan dan untuk menguji kebenaran hipotesis yang dilakukan, maka diperlukan pengujian statistik,
antara lain.
3.3.2.1 Uji t
Hal ini dilakukan dengan cara pengujian variabel-variabel independent secara parsial individu, digunakan untuk mengetahui signifikasi dan pengaruh variabel
independent secara individu terhadap variasi terhadap variabel independent lainnya. Disini peneliti menggunakan uji t melalui probabilitas, penjelasannya sebagai berikut:
t-hitung = βi
SE βi
dimana: bi = nilai koefisien regresi
SE = nilai standar error dari bi
Gambar 3.1 Daerah Kritis Pengujian t-test Satu Sisi Positif
Dengan menggunakan tingkat keyakinan level of signifikan atau α tertentu,
df=n-k df=degree of freedom. Apabila nilai t hitung t tabel, maka Ho ditolak, Ho ditolak
t -kritis Ho diterima
t -hitung
artinya variabel independen mempengaruhi variabel dependen secara signifikan Ari Sudarman, 1984 : 124.
Hipotesis yang digunakan : Ho : Bi 0 ; berarti variabel independent tidak mempengaruhi variabel
dependent. HI ; Bi 0 ; berarti variabel independent mempengaruhi variabel dependent.
◊ Apabila probabilitas dari 0.05, maka dapat dikatakan signifikan.
3.3.2.2 Uji F
Hal ini dilakukan dengan cara pengujian terhadap variabel - variabel independent secara bersama-sama yang dilakukan untuk melihat pengaruh variabel
independent secara individu terhadap variabel dependent. Disini peneliti melakukan uji F dengan menggunakan probabilitas, perhitungannya adalah sebagai berikut :
F-hitung = R
2
K – 1 1 – R
2
n – K dimana :
R
2
= Adalah koefisien determinasi. n = Adalah jumlah sampel observasi.
K = Adalah banyaknya parameterkoefisien regresi plus constant.
GAMBAR 3.2 Daerah Kritis Pengujian F-Test
Dengan tingkat keyakinan α tertentu df n-k, k-1, jika F hitung F tabel, maka
Ho ditolak, yang berarti bahwa uji secara serempak semua variabel independen yang digunakan dapat menunjukkan adanya pengaruh yang signifikan terhadap variabel
dependen. Hipotesis yang digunakan :
Ho : β1 = β2 = β3 = 0 , maka variabel independent secara bersama-sama tidak
mempengaruhi variabel dependent. Ha :
β1 ≠ β2 ≠ β3 ≠ 0 , maka variabel independent secara bersama-sama mempengaruhi variabel dependent.
◊ Apabila probabilitas F-Statistik dari 0.05 , maka bisa dikatakan signifikan.
Dalam penelitian ini, peneliti mengambil keputusan dengan menggunakan probabilitas.
Ho diterima Ho ditolak
F-tabel
3.3.2.3 R-Square R
2
Nilai R
2
menunjukan besarnya variabel-variabel independent dalam mempengaruhi variabel dependent. Nilai R
2
berkisar antara 0 dan 1 0 ≤ R
2
≤ 1 . Semakin besar nila R
2
, maka semakin besar variasi variabel dependent yang dapat dijelaskan oleh variasi variabel-variabel independent. Sebaliknya, makin kecil nilai
R
2
, maka semakin kecil variasi variabel dependent yang dapat di jelaskan oleh variasi variabel independent.
Sifat dari koefisien determinasi adalah : ◊ R
2
merupakan besaran yang non negatif. ◊ Batasnya adalah 0 ≤ R
2
≤ 1 . Damodar Gujarati Apabila R
2
bernilai 0 berarti tidak ada hubungan antara variabel-variabel independent dengan variabel dependent. Semakin besar nilai R
2
maka semakin tepat garis regresi dalam menggambarkan nilai-nilai observasi.
3.3.3 Uji Asumsi Klasik
Pada prakteknya, beberapa masalah sering muncul pada saat analisis regresi digunakan untuk mengestimasi suatu model dengan sejumlah data. Masalah tersebut
dalam buku ekonometrika termasuk dalam pengujian asumsi klasik yaitu ada tidaknya masalah heterokedastisitas, autokorelasi, dan multikolinearitas. Terjadinya
penyimpangan terhadap asumsi klasik tersebut diatas akan menyebabkan uji statistik
uji t-stat dan f-stat yang dilakukan menjadi tidak valid dan secara statistik akan mengacaukan kesimpulan yang diperoleh.
3.3.3.1 Uji Multikolinearitas
Multikolineritas adalah tidak adanya hubungan hubungan linear antar variabel independent dalam suatu model regresi. Suatu model regresi dikatakan terkena
multikolinearitas bila terjadi hubungan linear yang sempurna atau pasti di antara beberapa atau semua varibel bebas dari suatu model regresi. Akibatnya akan kesulitan
untuk dapat melihat pengaruh variabel independent terhadap variabel dependentnya. Untuk mendeteksi adanya multikolinearitas dapat dengan membandingkan
nilai koefisien determinasi parsial r
2
dengan nilai koefisien determinasi majemuk R
2
, jika r
2
lebih kecil dari nilai R
2
maka tidak terdapat multikolinearitas. Cara lain untuk mengetahui ada tidaknya multikolinearitas yaitu dengan menggunakan korelasi
antar variabel dimana apabila kurang dari 0.85 maka tidak terdapat multikolinearitas dan sebaliknya apabila hubungan variabel di atas 0.85 maka terdapat
multikolinieritas.
3.3.3.2 Uji Autokorelasi
Autokorelasi adalah adanya korelasi antar anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam data runtut waktu atau time series atau
ruang seperti dalam data lintas sektoral atau cross section. Pengujian terhadap gejala autokorelasi dapat dilakukan dengan uji Durbin-
Watson atau dengan uji LM Test yang dikembangkan oleh Bruesch-godfrey,dimana
uji LM Test bisa dikatakan sebagai uji autokorelasi yang paling akurat, apalagi jika sampel yang digunakan dalam jumlah yang besar misalnya diatas 100. Uji ini
dilakukan dengan memasukkan lagnya, dari hasil uji autokorelasi Serial Correlation LM Test Lag.
Dalam penelitian ini pengujian autokorelasi dilakukan dengan uji hipotesis nol Ho yang mengatakan bahwa tidak ada autokorelasi, dengan pedoman :
◊ Apabila X
2
hitung obs R-Squared X
2
tabel, maka menolak hipotesis nol Ho yang mengatakan adanya autokorelasi.
◊ Apabila X
2
hitung obs R-Squared X
2
tabel, maka menerima hipotesis nol Ho yang mengatakan bahwa tidak ada
autokorelasi.
3.3.3.3 Uji Heteroskedasitisitas
Heteroskedastisitas adalah keadaan dimana faktor gangguan tidak memiliki varian yang sama. Pengujian terhadap gejala heteroskedastisitas dapat dilakukan
dengan melakukan White Test, yaitu dengan cara meregresi residual kuadrat Ui
2
dengan variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas. Pedoman dalam penggunaan model white test adalah jika nilai Chi-Square
hitung n. R
2
lebih besar dari nilai X
2
kritis dengan derajat kepercayaan tertentu α
maka ada heteroskedasitisitas dan sebaliknya jika Chi-Square hitung lebih kecil dari nilai X
2
menunjukan tidak adanya heterokedasitisitas.
BAB IV ANALISIS DAN PEMBAHASAN
