k = Jumlah variabel 3.
Kriteria yang dipakai dalam uji t yaitu: Dengan menggunakan derajat kebebasan n-2
dan α = 5 serta uji dua sisi kemungkinan terdapat atau tidak terdapat perbedaan, maka hasil
perhitungan t hitung dibandingkan t tabel, dimana : a.
Hipotesis diterima apabila nilai t hit -t tab atau t hit t tab, artinya H ditolak dan H
1
b. Hipotesis ditolak apabila nilai -t tab ≤ t tab ≤ t tab, artinya H
diterima. diterima dan
H
1
ditolak.
3.5. Uji Asumsi Klasik
Menurut Gujarati 1995 bahwa dalam analisis linier berganda perlu menghindari penyimpangan asumsi klasik supaya tidak timbul masalah dalam
penggunaan analisis regresi linier berganda. Persamaan regresi tersebut harus bersifat BLUE Best Linier Unbiased Estmator,
artinya pengembalian keputusan uji F tidak boleh bias. Untuk menghasilkan keputusan yang BLUE harus memenuhi tiga asumsi yang tidak boleh dilanggar,
yaitu : 1.
Tidak boleh ada Multikolinieritas 2.
Tidak boleh ada Autokolerasi 3.
Tidak boleh ada Heterokedastisitas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
3.5.1 Multikolinieritas
Menurut Gujarati 1995 Multikolinieritas adalah suatu keadaan dimana antar variabel independen yang terdapat dalam model regresi memiliki hubungan yang
sempurna atau mendekati sempurna koefisien kolerasinya tinggi atau bahkan satu. Adanya multikolinieritas menyebabkan standart eror cenderung makin besar
dengan meningkatnya tingkat kolerasi antar variabel dan standart eror menjadi sangat sensitive terhadap perubahan data. Diperlukan pembuktian atau identifikasi
secara statistic ada tidaknya gejala multikolinieritas. Beberapa metode untuk menguji gejala multikolinieritas sebagai berikut :
a. Melihat kolerasi antar variabel bebas, jika kolerasi antar variabel
melebihi 0,50 diduga terdapat gejala multikolinieritas. b.
Melihat pada nilai variance inflation factor VIF , jika nilai VIF kurang dari 10 maka tidak terdapat multikolinieritas.
c. Koefisien determinasi r
2
tinggi, uji parsial tidak satu pun yang signifikan.
3.5.2 Autokolerasi
Menurut Gujarati 1995:201 Autokolerasi dapat di definisikan sebagai kolerasi antar data observasi yang diurutkan berdasarkan urutan waktu data time
series atau data yang diambil pada waktu tertentu data cross section, uji
autokolerasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada kolerasi antar kesalahan pengganggu pada periode t-1 sebelumnya
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Identifikasi ada tidaknya gejala autokolerasi dapat dilihat dengan nilai durbin Watson dengan rumus sebagai berikut:
d =
2 2
1
et t
e t
e Σ
− Σ
−
dimana : d = Nilai Durbin watson
e
t
=
Residual periode t e
t -1
3.5.3 Heterokedastisitas
=
Residual periode t-1
Menurut Gujarati 1995 Heterokedasitas dapat di definisikan sebagai uji untuk melihat apakah terdapat ketidak samaan varians dari residual satu
kepengamatan-kepengamatan yang lain. Model regresi yang memenuhi persyaratan adalah dimana terdapat kesamaan varians dari residual satu
pengamatan kepengamatan yang lain, tetap atau disebut homoskedastisitas. Persoalan heterokedasitas sering terjadi pada data cross section
elemenanggotapopulasi pada suatu saat tertentu dan mempunyai karakteristik yang berbeda. Cara mengidentifikasi heterokedastisitas dengan menggunakan uji
rank spearman antara residual dan seluruh variabel bebas Gujarati, 1995:188
Rumus uji rank spearman :
1 6
1
2 2
− −
=
∑
N N
di Rs
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber
Dimana : Di = Selisih ranking standar deviasi S dan ranking nilai mutlak eror
N = Banyaknya sampel Bila tingkat signifikansi Rank Spearman lebih besar daripada 0,05 maka
diasumsikan tidak ada kasus heterokedastisitas untuk variabel bebas.
3.6 Uji Normalitas