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 :
H : error term terdistribusi normal
H
1
: error term tidak terdistribusi normal Jika
α = 5 maka daerah kritis penolakan H adalah Jarque-Bera
J-B χ
2 df =2
atau Probability P-Value α
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:
Jika nilai probabilitas pada ObsR-Squared taraf nyata α yang digunakan,
maka persamaan tidak mengalami autokorelasi. 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: Jika nilai probabilitas pada ObsR-Squared taraf nyata
α yang digunakan, maka persamaan tidak mengalami heteroskedastisitas.
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