Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ µ Keterangan :
Y = Nilai ekspor kopi arabika Sumatera Utara
a = Koefisien intersep
b
1
-b
3
= Koefisien variabel regresi X
1
= Harga ekspor kopi arabika RpKg X
2
= GDP perkapita riil Amerika Serikat Rp X
3
= Nilai tukar nominal rupiah terhadap dollar Rp µ
= Random error
Kriteria pengambilan keputusan : Secara serempak :
Jika Fhitung ≤ Ftabel, terima H
1
; tolak H
O
pada taraf kepercayaan 95. Jika Fhitung Ftabel, terima H
O
; tolak H
1
pada taraf kepercayaan 95. Secara Parsial :
Jika Thitung ≤ Ttabel, terima H
1
; tolak H
O
pada taraf kepercayaan 95. Jika Thitung Ttabel, terima H
O
; tolak H
1
pada taraf kepercayaan 95.
3.4.1 Uji Asumsi Klasik
Normalitas
Normalitas data merupakan syarat pokok yang harus dipenuhi dalam analisis parametrik. Untuk yang menggunakan analisis parametrik seperti analisis
perbandingan 2 rata-rata, korelasi, regresi dan sebagainya, maka perlu dilakukan uji normalitas data dahulu. Hal ini bertujuan untuk mengetahui apakah data
Universitas Sumatera Utara
tersebut terdistribusi normal atau tidak. Jika asumsi dilanggar, maka uji statistik menjadi tidak valid untuk sampel kecil Priyatno,2012.
3.4.2 Uji Linearitas
Uji asumsi linearitas garis regresi berkaitan dengan suatu pembuktian apakah model garis linear yang ditetapkan benar-benar sesuai dengan keadaannya ataukah
tidak. Pengujian ini perlu dilakukan sehingga hasil analisis yang diperoleh dapat dipertanggungjawabkan dalam pengambilan beberapa kesimpulan penelitian yang
diperlukan Sudarmanto, 2005.
Dalam regrei linier berganda dijumpai beberapa permasalahan. Permasalahan- permasalahan dalam regresi linier berganda berkaitan dengan digunakannya
sejumlah variabel di dalam model adalah
3.4.3 Multikolinieritas
Menurut Supriana 2012, koefisien regresi biasanya diinterpretasikan sebagai ukuran perubahan variabel terikat jika salah satu variabel bebasnya naik sebesar
satu unit dan seluruh variabel bebas lainnya dianggap tetap. Namun, interpretasi ini menjadi tidak benar apabila terdapat hubungan linier antara variabel bebas.
Maksudnya, jika ada dua buah variabel, X
1
dan X
2
lalu X
1
dinyatakan sebagai fungsi linier dari X
2
atau sebaliknya, maka dinyatakan terdapat kolinieritas.
Universitas Sumatera Utara
Menurut Gujarati 1995 dalam Aulia 2012, multikolinearitas dapat dideteksi dengan beberapa metode, antara lain :
a. Jika nilai Toleransi atau VIF Variance Inflation Factor kurang dari 0,1 atau
nilai VIF melebihi 10. b.
Terdapat koefisien korelasi sederhana yang mencapai atau melebihi 0,8. c.
Jika nilai F-hitung melebihi F-tabel dari regresi antar variabel bebas.
3.4.4 Autokorelasi
Menurut Supriana 2012, autokorelasi adalah adanya korelasi antara variabel itu sendiri, pada pengamatan yang berbeda waktu dan individu. Umumnya kasus
autokorelasi banyak terjadi pada data time series. Cara mendeteksi dengan melihat pola hubungan antara residual dan variabel bebas. Untuk mempermudah dalam
melihat pola hubungan yang dimaksud, dapat dengan membuat plot antara kedua variabel tersebut.
Menurut Nachrowi 2005, mendeteksi autokorelasi melalui uji Durbin-Watson merupakan cara yang paling populer. Aturan main menggunakan uji Durbin-
Watson. Perumusan model :
H = Tidak ada autokorelasi positif dan negatif
H
1
= Ada auto korelasi positif atau negatif Bandingkan nilai d yang dihitung dengan d
L
dan d
U
dari tabel dengan aturan berikut:
1. Bila d d
L
, tolak H
0.
Berarti, ada korelasi yang positif 2.
Bila dL ≤ d ≤ d
U
, kita tidak dapat mengambil kesimpulan apa-apa.
Universitas Sumatera Utara
3. Bila d
U
d 4-d
U
, jangan tolak H maupun H
1.
Artinya tidak ada korelasi positif maupun negatif
4. Bila 4 – d
U
≤ d ≤ 4- d
L
, kita tidak dapat mengambil kesimpulan apa-apa. 5.
Bila d 4-d
L
, tolak H
1.
Berarti ada korelasi negatif.
Aturan main menggunakan uji Durbin-Watson dapat digambarkan sebagai berikut.
Tidak Tahu Tidak tahu
Korelasi positif Tidak ada korelasi Korelasi Negatif
0 d
L
d
U
4 –d
U
4-d
L
4
Gambar 4. Aturan Membandingkan Uji Durbin-Watson Dengan Tabel Durbin-Watson
3.4.5 Pengujian Hipotesis
