Uji Statistika dan Ekonometrika

Output riil pada tahun t – Output riil pada tahun t-1 Growth t = x100 4.6 Output riil pada tahun t-1 Nilai tambah industri XEff t = x 100 4.7 Nilai input industri Nilai output Prod t = x100 4.8 Nilai input tenaga kerja

3.3.5. Uji Statistika dan Ekonometrika

Setelah mendapatkan parameter estimasi, langkah selanjutnya adalah melakukan pengujian terhadap parameter estimasi tersebut agar suatu model dikatakan baik. Pengujian-pengujian tersebut yaitu uji statistik terhadap model penduga melalui uji F dan pengujian untuk parameter-parameter regresi melalui uji t serta melihat berapa persen variabel bebas dapat dijelaskan oleh variabel- variabel terikatnya melalui koefisien determinasi R-Squared. Uji ekonometrika yang dilakukan antara lain uji autokorelasi, uji multikolinearitas, dan uji heteroskedastisitas. a. Uji R-Squared R 2 Mengukur tingkat keberhasilan model regresi yang digunakan dalam memprediksi nilai variabel terikat. Nilai R 2 memiliki dua sifat yaitu memiliki besaran positif dan besarannya adalah 0 ≤ R 2 ≤ 1. Jika R 2 sebesar nol maka hal ini menunjukkan bahwa tidak ada hubungan antar variabel terikat dengan variabel bebas sedangkan jika R 2 sebesar satu maka terdapat kecocokan yang sempurna antar variabel terikat dengan variabel bebas. Nilai R 2 ini juga merupakan fraksi dari variasi yang mampu dijelaskan oleh model. Selain nilai R 2 terdapat pula nilai Adjusted-R 2 . Nilai ini akan memberikan penalty atau hukuman terhadap setiap penambahan variabel yang tidak memberikan pengaruh. Nilai adj R 2 tidak akan pernah melebihi nilai R 2 bahkan dapat turun jika anda menambahkan variabel bebas yang tidak perlu. Dan bahkan untuk model yang memiliki kecocokan yang rendah goodness of fit adj R 2 dapat memiliki nilai yang negatif. b. Uji F Pengujian ini bertujuan untuk menjelaskan kemampuan variabel secara bersamaan dalam menjelaskan keragaman dari variabel terikat. Untuk menjelaskan uji signifikansi masing-masing variabel bebas, maka dihipotesiskan bahwa variabel bebas tidak berpengaruh nyata terhadap variabel terikat. Hipotesis ini disebut hipotesis nol. Hipotesis : H : Semua β i =0, tidak ada variabel bebas yang mempengaruhi PCM H 1 : β i ≠ 0, setidaknya ada satu variabel bebas yang mempengaruhi PCM Kriteria Uji : Probabilitas F-stat taraf nyata tolak H Probabilitas F-stat taraf nyata terima H Jika probabilitas F-stat taraf nyata maka tolak H berarti ada minimal satu parameter dugaan yang tidak nol dan berpengaruh nyata terhadap keragaman variabel terikat. Probabilitas F-stat taraf nyata maka terima H berarti secara bersama variabel bebas yang digunakan tidak bisa menjelaskan secara nyata keragaman dari variabel terikat. c. Uji t Pengujian ini bertujuan untuk menguji secara statistik apakah koefisien regresi dari masing-masing variabel bebas yang dipakai secara terpisah berpengaruh nyata atau tidak terhadap variabel terikat. Hipotesis : H : β i = 0 H 1 : β i ≠ 0 ; i = 1,2,…., k Kriteria Uji : Probabilitas t-stat taraf nyata tolak H Probabilitas t-stat taraf nyata terima H Jika H ditolak berarti variabel bebas berpengaruh nyata terhadap variabel terikat dalam model dan sebaliknya, jika H diterima maka variabel bebas tidak berpengaruh terhadap variabel terikat. d. Uji Normalitas Uji ini dilakukan jika sampel yang digunakan kurang dari 30, karena jika sampel lebih dari 30 maka error term akan terdistribusi secara normal. Uji ini disebut Jarque-Bera Test. Langkah-langkah untuk melakukan uji normalitas error term adalah : ƒ H : error term terdistribusi normal H 1 : error term tidak terdistribusi normal ƒ Jika α = 5 maka daerah kritis penolakan H adalah Jarque-Bera J-B χ 2 df =2 atau Probability P-Value α ƒ Jika P-Value α maka terima H e. Uji Autokorelasi Autokorelasi merupakan gejala adanya korelasi antara serangkaian observasi yang diurutkan menurut deret waktu time series Gujarati, 1978. Suatu model dikatakan baik apabila telah memenuhi asumsi tidak terdapat gejala autokorelasi. Uji autokorelasi bertujuan untuk menguji apakah hasil estimasi model tidak mengandung korelasi diantara disturbance term. Pada program E- Views, uji autokolerasi dilakukan dengan melihat probability ObsR-squared pada uji Breusch-Godfrey Serial Correlation LM. Kriteria uji yang digunakan: ƒ Jika nilai probabilitas pada ObsR-Squared taraf nyata α yang digunakan, maka persamaan tidak mengalami autokorelasi. ƒ Jika nilai probabilitas pada ObsR-Squared taraf nyata α yang digunakan, maka persamaan terdapat autokorelasi. f. Uji Heteroskedastisitas Suatu fungsi dikatakan baik apabila memenuhi asumsi homoskedastisitas tidak terjadi heteroskedastisitas atau memiliki ragam error yang sama. Heteroskedastisitas tidak merusak sifat ketakbiasan dan konsistensi dari penaksir OLS, tetapi penaksir tadi tidak lagi efisien baik dalam sampel kecil maupun besar yaitu asimtotik Gujarati, 1978. Gejala adanya heteroskedastisitas dapat ditunjukkan oleh probability ObsR-squared pada uji White Heteroskedasicity. Kriteria uji yang digunakan: ƒ Jika nilai probabilitas pada ObsR-Squared taraf nyata α yang digunakan, maka persamaan tidak mengalami heteroskedastisitas. ƒ Jika nilai probabilitas pada ObsR-Squared taraf nyata α yang digunakan, maka terdapat heteroskedastisitas dalam persamaan tersebut. g. Uji Multikolinearitas Multikolinearitas adalah adanya hubungan linear yang sempurna di antara beberapa atau semua variabel penjelas dalam model regresi Frisch dalam Gujarati, 1978. Dalam penetapan suatu model seringkali terdapat kesulitan untuk memisahkan pengaruh antara dua atau lebih variabel bebas dengan variabel terikat. Uji multikolinearitas dilakukan dengan melihat koefisien korelasi antar variabel bebas yang terdapat pada matriks korelasi. Jika terdapat koefisien korelasi yang lebih besar dari |0.8| maka terdapat gejala multikolinearitas.

IV. GAMBARAN UMUM INDUSTRI PAKAIAN JADI DI INDONESIA