45 4. Penentuan kriteria uji
.
H ditolak apabila |t
hitung
| t α 2; n– k-1 atau P α, artinya ada pengaruh antara variabel independen terhadap variabel dependen.
4.5.3. R62 R
2
Kesesuaian model dihitung dengan nilai koefisien determinasi R2 yang bertujuan untuk mengukur keragaman variabel independen yang dapat
diterangkan oleh variabel dependen. R
2
menunjukkan besarnya pengaruh semua variabel independen terhadap variabel dependen.
S TUIVW X
LMM YMM
…………………………………………………………... 4.7 dimana :
RS = jumlah kuadrat regresi,
TSS = jumlah kuadrat total.
Selang R
2
yang digunakan adalah 0 ≤ R
2
≤ 1. R
2
= 1 berarti 100 persen variasi dalam variabel dependen dapat dijelaskan oleh variabel-variabel
independennya. Sedangkan R
2
= 0 berarti tidak satupun variabel dependen tidak dapat dijelaskan oleh variabel-variabel independennya.
4.6. Pengujian Asumsi Model
Dalam permasalahan analisis regresi termasuk panel data sering ditemukan masalah yang perlu dilakukan pengujian klasik, antara lain pengujian normalitas,
multikolinearitas, autokorelasi, dan heteroskedastisitas.
8
Uji normalitas ditujukan untuk mengetahui apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah model yang
memiliki nilai residual yang terdistribusi normal. Sehingga uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Dalam
penerapan OLS untuk regresi linier klasik, diasumsikan bahwa distribusi residual memiliki nilai rata-rata yang diharapkan sama dengan nol, tidak berkorelasi dan
mempunyai varian yang konstan. Dengan asumsi ini OLS estimator atau penaksir
46 akan memenuhi sifat-sifat statistik yang diinginkan seperti unbiased dan memiliki
varian yang minimum. Ada beberapa uji untuk mengetahui normal atau tidaknya nilai residual
antara lain dengan menggunakan Jargue-Bera test atau J-B test. Uji ini menggunakan hasil estiminasi residual dan chisquare probability distribution
yang terdapat pada Lampiran 6. Statistik uji J-B test dapat dilihat dibawah ini Gujarati 2006.
Z[ J \
M
B
]
\
_`a
B
bc
4.8 dimana :
n = jumlah observasi
S = skewness kemencengan
K = kurtosis keruncingan
Statistik J-B mengikuti distribusi Chi-square dengan d.k.2 secara asimtotis asy atau dalam sampel besar yang secara simbolis daituliskan sebagai berikut.
Z[
dNe
f g
b b
Bila nilai J-B hitung nilai χ
2
tabel atau Prob 0.05, maka hipotesis yang menyatakan bahwa residual berdistribusi normal dapat ditolak. Bila nilai J-B
hitung nilai χ
2
tabel, atau Prob 0,05 maka yang menyatakan bahwa residual berditribusi normal tidak dapat ditolak.
+
Multikolinearitas adalah hubungan linear yang kuat antara variabel- variabel independen dalam persamaan regresi berganda. Adanya multikolinearitas
menyebabkan pendugaan koefisien regresi tidak nyata walaupun nilai R
2
-nya besar. Hal tersebut dapat dideteksi dari nilai R
2
yang tinggi 0,7-1, tetapi tidak terdapat atau hanya sedikit sekali koefisien dugaan yang berpengaruh nyata
Gujarati 2006. Multikolinearitas dapat diketahui dengan meregresikan variabel independen dengan variabel independen lainnya, dengan uji Fuji signifikansi
9
. Jika F
hitung
F
tabel
, artinya tolak H yang berarti terdapat multikolinearitas
pada model dugaan jika F
hitung
F
tabel
, artinya terima H yang berarti tidak
9
Syofyan S. 2008. Pengujian Asumsi Klasik. Modul Ekometrika2:3-10
47 terdapat multikolinearitas pada model dugaan atau dapat dilihat pula dari nilai R
2
- nya. Jika nilai R
2
pada variabel yang diregresikan lebih tinggi daripada nilai R
2
pada model awal regresi dugaan, maka variabel tersebut menyebabkan terjadinya multikolineritas pada model regresi dugaan Gujarati 2006.
Tindakan perbaikan model dugaan akibat adanya multikolinearitas dapat dilakukan dengan menambah observasi atau menghilangkan satu atau lebih
variabel independen yang memiliki kolinearitas yang tinggi dengan uji wald. Adapun kriteria uji wald adalah sebagai berikut
10
. 1 . Jika F statistik signifikan Prob 0,05, maka penghilangan variabel
independen yang mengandung multikolinearitas akan mengubah interpretasi dari persamaan regresinya sehingga penghilangan variabel tersebut tidak
diperbolehkan. Dengan kata lain sekalipun variabel tersebut mengandung multikolinearitas namun memiliki pengaruh terhadap variabel dependennya.
2 . Jika F statistik tidak signifikan atau Prob 0,05, maka penghilangan variabel independen yang mengandung multikolinearitas tidak akan
mengubah interpretasi dari persamaan regresinya sehingga penghilangan variabel tersebut diperbolehkan.
:
Jika seluruh residual pada model tidak memiliki varian yang konstan maka diduga model mengalami masalah heteroskedastisitas. Pengujian terhadap adanya
heteroskedastisitas dapat dilakukan dengan uji park, uji goldfeld-quant dan uji white. Dalam penelitian ini digunakan uji park karena uji ini tersedia pada
program eviews 6.0. Uji park pada mengasumsikan bahwa σ
2
adalah fungsi dari variabel independen pada model seperti tersaji di bawah ini Gujarati 2006.
h
b
h
b i j
kJh
b
kJh
b
-kJ l
…………………………………………………….. 4.9 dimana
9
1
= gangguan stokastik
10
Loc.cit
48 Karena σ
2
tidak diketahui, maka uji park mengasumsikan agar m
1 b
digunakan sebagai proxy, dan dilakukan regresi seperti berikut :
kJn
b
kJh
b
-kJ l
………………………………………………….. 4.10 , -kJ
l Jika β signifikan, maka ada heteroskedasitas dalam data sebab hipotesis pengujian
heteroskedasitas adalah : H
= tidak ada heteroskedastisitas H
1
= ada heteroskedastisitas
4
Autokorelasi sering terjadi pada pengamatan yang dilakukan pada data runtun waktu time series. Autokorelasi adalah keadaan di mana terdapat trend di
dalam variabel yang diteliti, sehingga akibatnya ε juga mengandung trend. Autokorelasi terjadi jika antara ε
t
dan ε
t-1
terdapat korelasi yang tinggi, jika terdapat autokorelasi, maka parameter b yang diperoleh tetap linier dan tidak bias,
tetapi Sb bias akibatnya uji signifikansi variabel yang dilakukan dengan uji-t tidak bisa dilakukan. Pendeteksian terhadap adanya autokorelasi dilakukan degan
menggunakan uji Durbin Watson DW sebagai berikut Gujarati 2006. X o \
p ε
q
ε
qA
p ε
q B
…………………………………………………………. 4.11
dimana : d
= nilai Durbin Watson .
2
= nilai error pada tahun ke-t .
2`R
= nilai error pada tahun sebelumnya Statistik d akan dibandingkan atau dilihat hasilnya dari daerah keputusan
Durbin-Watson untuk memperoleh kesimpulan apakah menolak atau menerima H
. Kaidah keputusan dari uji Durbin-Watson dapat dilhat pada Gambar 9 berikut ini.
49
Gambar 9. Daerah Keputusan pada Uji Durbin Watson
Sumber : Gujarati, 2006
dimana : d
U
= batas atas dari nilai kritis d
L
= batas bawah dari nilai kritis Adapun kriteria uji Durbin-Watson berdasarkan daerah keputusan diatas
adalah sebagai berikut. d d
L
= tolak H autokorelasi positif
d 4 – d
L
= tolak H autokorelasi negatif
d
U
d 4 – d
U
= terima H tidak ada autokorelasi
d
L
≤ d ≤ d
U
atau = tidak ada keputusan
4 - d
U
≤ d ≤ 4 – d
L
4.7. Pengukuran Potensi Perdagangan
