a. Hipotesis diterima apabila nilai t hit -t tab atau t hit t tab, artinya H
ditolak dan H
1
diterima. b.
Hipotesis ditolak apabila nilai -t tab ≤ t tab ≤ t tab, artinya H
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.
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
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
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 Identifikasi ada tidaknya gejala autokolerasi dapat dilihat dengan nilai
durbin Watson dengan rumus sebagai berikut:
d =
2 2
1
et t
e t
e
dimana : d
= Nilai Durbin watson e
t
= Residual periode t
e
t -1
= Residual periode t-1
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.5.3 Heterokedastisitas
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
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.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.6 Uji Normalitas
