Keterangan: F
= harga bilangan F untuk garis regresi S
2
TC = varian tuna cocok
S
2
e = varian kekeliruan
JKTC = varian kuadrat tuna cocok JKE
= jumlah kuadrat kekeliruan Kriteria yang digunakan yaitu jika F hitung lebih besar dari F
tabel pada taraf signifikansi 5 maka hubungan antara variabel bebas dan terikat bersifat tidak linear. Sedangkan, jika F hitung lebih kecil
dari F tabel pada taraf signifikansi 5 maka berarti hubungan antara variabel bebas dan terikat bersifat linier.
2. Uji Asumsi Klasik
a. Multikolinearitas Uji multikolinearitas adalah uji untuk mengetahui masalah yang
timbul berkaitan dengan adanya hubungan linier diantara variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel bebas, karena jika hal tersebut terjadi maka variabel- variabel tersebut tidak ortogonal atau terjadi kemiripan. Variabel
ortogonal adalah variabel bebas yang nilai korelasi antara sesama variabel bebas bernilai nol. Uji ini untuk menghindari kebiasan dalam
proses pengambilan keputusan mengenai pengaruh parsial masing- masing variabel bebas terhadap variabel terikat. Rumus yang digunakan
adalah sebagai berikut Sumodiningrat, 2004:282: Y = β
+ β
1
X
1
+ β
2
X
2
+ E
Jika tujuan pemodelan hanya untuk peramalan nilai Y peubah respon dan tidak mengkaji hubungan atau pengaruh antara X peubah
bebas dengan Y maka masalah multikolinearitas bukan masalah yang serius. Masalah multikolinearitas menjadi serius apabila digunakan
untuk mengkaji hubungan antara X dengan Y karena simpangan baku koefisiennya regresinya tidak signifikan sehingga sulit memisahkan
pengaruh dari masing-masing X. Pendeteksian adanya multikolinearitas dengan melakukan uji
koefisien korelasi sederhana antara X dalam model. Jika korelasi sangat tinggi dan nyata maka terjadi multikolinearitas. Namun, nilai koefisien
korelasi sederhana yang tinggi antar X hanya syarat cukup, bukan syarat perlu bagi multikolinearitas. Rumus yang digunakan adalah
sebagai berikut Sumodiningrat, 2004:282: VIF = 1 – R
j 2
-1
Nilai VIF ini menggambarkan kenaikan varians dari dugaan parameter antar peubah penjelas. Apabila nilai VIF 5 atau 10, maka
taksiran parameter kurang baik terjadi multikolineartitas. b. Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang
lain. Jika
varians tetap
maka disebut
homoskedastisitas dan
jika berbeda
maka terjadi
problem heteroskedastisitas. Gejala heteroskedastisitas dapat diuji dengan uji
korelasi rank spearman antara residual dan nilai probabilitas atau
signifikansi seluruh variabel bebas. Rumus yang digunakan adalah sebagai berikut Supranto, 2004:51:
rs = 1 – 6 [ ∑ d12 : n n2 – 1] Keterangan:
d1 = perbedaan setiap pasangan rank n = jumlah pasangan rank
Dikatakan bebas dari masalah heteroskedastisitas apabila nilai probabilitas 0,05, sedangkan jika probabilitas 0,05 maka terjadi
masalah heteroskedastisitas. c. Autokorelasi
Uji autokorelasi bertujuan menguji apakah model regresi linier ada korelasi antara kesalahan penggunggu pada periode t dengan
kesalahan pengganggu pada periode sebelumnya t – 1. Jika terjadi korelasi maka dinamakan ada masalah autokorelasi. Rumus yang
digunakan adalah sebagai berikut Gujarati, 2007:199: ݀ =
∑
௧ୀଶ ்
݁
௧
− ݁
௧ିଵ ଶ
∑
௧ୀଵ ்
ܥ
௧ ଶ
T merupakan jumlah observasi. Karena d kira-kira sama dengan 2 1 – r, dimana r adalah otokorelasi sampel dari residu, d = 2
menunjukkan tidak ada autokorelasi. Nilai d selalu terletak diantara 0 dan 4. Jika statistik secara substansial kurang dari 2, ada bukti korelasi
serial positif. Sebagai aturan kasar praktis, jika kurang dari 1.0, mungkin ada penyebab untuk alarm. Nilai kecil d berturut-turut
menunjukkan kesalahan istilah, rata-rata, dekat nilai satu sama lain, atau berkorelasi positif. Jika d 2 istilah kesalahan berturut-turut adalah
rata-rata, jauh berbeda nilai satu sama lain, yaitu berkorelasi negatif. Pengujian autokorelasi positif pada α signifikansi, uji statistik d
dibandingkan dengan atas dan bawah nilai kritis d
L,α
dan d
U,α
Gujarati, 2007:201:
Tabel III.9 Aturan Keputusan Uji Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif
Tolak 0 d d
L
Tidak ada autokorelasi positif
Tidak ada keputusan d
L
≤ d ≤ d
U
Tidak ada autokorelasi negatif
Tolak 4 – d
L
d 4 Tidak ada autokorelasi
negatif Tidak ada keputusan
4 – d
U
≤ d ≤ 4 – d
L
Tidak ada autokorelasi positif dan negatif
Jangan tolak D
U
d 4 – d
U
3. Uji Hipotesis
