Statistik Hausman dirumuskan sebagai berikut: m =
’M -M
1
-1 ~
2
K keterangan:
= vektor untuk statistik variabel fixed effect B
= vektor untuk statistik variabel random effect M
= matriks kovarians untuk dugaan fixed effect model M
1
= matriks kovarians untuk dugaan random effect model Statistik Hausman menyebar Chi-Squared, jika nilai hasil pengujian lebih
besar dari
2 tabel
, maka cukup bukti untuk melakukan penolakan terhadap hipotesis nol, sehingga pendekatan yang digunakan adalah fixed effect, demikian
pula sebaliknya.
3.6 Pengujian Statistik
Pengujian statistik berfungsi untuk mengetahui apakah model yang digunakan dalam penelitian sudah cukup baik ataupun belum dalam menjelaskan
keragaman yang terdapat pada suatu permasalahan. Terdapat beberapa kriteria yang digunakan yaitu uji F, uji t, dan koefisien determinasi yang disesuaikan R-
squared adjusted Juanda, 2009.
3.6.1 Uji F
Dalam menganalisis model, sebaiknya yang pertama kali dilakukan pengujian model secara keseluruhan dengan menggunakan statistik uji F. Uji F
dilakukan untuk mengetahui apakah variabel independen di dalam model secara bersama-sama berpengaruh terhadap variabel dependen yang digunakan.
Adapun langkah-langkah dalam pengujian ini adalah sebagai berikut: 1. Perumusan Hipotesis
H :
1
=
2
=
3
=
4
=
k
= 0 H
1
: paling sedikit ada
i
2. Penentuan nilai kritis atau taraf nyata , misalnya dengan taraf nyata = 5.
Pada uji ini digunakan uji F. 3. Nilai F
hitung
dari hasil perhitungan komputer dalam ANOVA atau dengan menggunakan rumus :
F
hitung
=
keterangan: e
2
: Jumlah kuadrat regresi 1-e
2
: Jumlah kuadrat sisa n
: Jumlah sampel k : Jumlah parameter
4. Penentuan kriteria uji: - Terima H
, jika F
hitung
F
tabel
, artinya secara statistik belum dapat dibuktikan
bahwa model tersebut bisa menjelaskan atau memprediksi keragaman volume impor bawang merah dan kentang Indonesia. Hal ini juga berarti secara
bersama-sama variabel bebas dalam model tidak berpengaruh terhadap variabel tak bebas.
- Terima H
1
tolak H , Jika F
hitung
F
tabel
, artinya secara statistik telah dibuktikan bahwa model tersebut dapat menjelaskan atau memprediksi
keragaman volume impor bawang merah dan kentang Indonesia. Hal ini juga berarti secara bersama-sama variabel bebas dalam model berpengaruh terhadap
variabel tak bebas. Kriteria keputusan dapat dilakukan dengan menggunakan angka
probabilitas P
value
atau sign yang diperoleh dengan perhitungan komputer kemudian diperbandingkan dengan taraf nyata pengujian yang digunakan. Jika
probabilitas lebih kecil dari taraf nyata, maka keputusannya adalah menolak H atau menerima hipotesis alternatif H
1
.
3.6.2 Uji t
Uji t pada dasarnya merupakan suatu pengujian yang bertujuan untuk mengetahui apakah koefisien regresi signifikan atau tidak pada taraf tertentu taraf
yang digunakan peneliti. Uji t digunakan untuk melihat apakah koefisien regresi masing-masing variabel independen secara individu memiliki pengaruh nyata
signifikan atau tidak berpengaruh nyata tidak signifikan terhadap variabel tak bebas yang terdapat pada suatu model.
Adapun langkah-langkah dalam pengujian ini adalah sebagai berikut: 1. Perumusan Hipotesis:
H :
i
= 0, artinya faktor ke – i tidak berpengaruh nyata
H
1
:
i
0, artinya faktor ke – i berpengaruh nyata
2. Penentuan nilai kritis atau taraf nyata yang digunakan sebesar =
1,5,10. 3. Menentukan nilai
t
hitung
masing-masing
i
koefisien regresi yang dapar dirumuskan sebagai:
t
hitung
= t
tabel
= t n-k keterangan:
Sd
i
= Standard deviasi paremeter untuk b
i
= Koefisien ke-i yang diduga n = Jumlah pengamatan
k = Jumlah parameter 4. Penentuan kriteria uji:
- Terima H , jika |t
hitung
| t
tabel
, artinya secara statistik belum dapat dibuktikan
bahwa faktor ke – i tidak berpengaruh nyata.
- Terima H
1
tolak H , jika |t
hitung
| t
tabel
, artinya secara statistik telah
dibuktikan bahwa faktor ke – i tersebut berpengaruh nyata.
Kriteria keputusan dapat dilakukan dengan menggunakan angka probabilitas P
value
atau sign yang diperoleh dari perhitungan komputer kemudian diperbandingkan dengan taraf nyata pengujian yang digunakan. Jika probabilitas
sign lebih kecil dari taraf nyata maka keputusannya adalah menolak H
0.
5. Mengambil kesimpulan.
3.6.3 Koefisien Determinasi R-squared
