Uji Kesesuaian Definisi Operasional Uji Penyimpangan Asumsi Klasik

3.5. Uji Kesesuaian

a. R 2 coefficient determinant, untuk melihat kekuatan variabel bebas independent variable menjelaskan variabel terikat dependent variable. b. Partial test t-test, dimaksudkan untuk mengetahui signifikansi statistik koefisien regresi secara parsial. Jika t hit t tabel , maka H ditolak dan H 1 diterima. c. Overall test F-test, dimaksudkan untuk mengetahui signifikansi statistik koefisien regresi secara serempak. Jika F hit F tabel , maka H ditolak dan H 1 diterima.

3.6. Definisi Operasional

Untuk memudahkan pemahaman terhadap istilah dari variabel yang digunakan pada penelitian ini, maka berikut ini dijelaskan perihal batasan operasional sebagai berikut: a. Pertumbuhan ekonomi adalah PDRB Sumatera Utara per tahun atas dasar harga konstan tahun 1993, diukur dalam milyar rupiah. b. Investasi PMDN adalah besarnya penanaman modal oleh sektor swasta dalam negeri di Sumatera Utara, diukur dalam milyar rupiah. c. Investasi PMA adalah besarnya penanaman modal oleh sektor swasta asing di Sumatera Utara, diukur dalam milyar rupiah. d. Tenaga kerja adalah banyaknya jumlah tenaga kerja yang bekerja di Sumatera Utara, diukur dalam satuan orang. Novita Linda Sitompul: Analisis Pengaruh Investasi Dan Tenaga Kerja Terhadap PDRB Sumatera Utara, 2007. USU e-Repository © 2008 e. Kondisi perekonomian adalah keadaan perekonomian Indonesia sesudah krisis ekonomi pada tahun 1997.

3.7. Uji Penyimpangan Asumsi Klasik

Penelitian ini juga mungkin tidak terlepas dengan modal regresi bias yang terjadi secara statistik yang dapat mengganggu model yang telah ditentukan. Dalam penghitungan regresi mungkin akan dapat menyesatkan kesimpulan yang diambil dari persamaan yang dibentuk. Untuk itu maka perlu dilakukan uji penyimpangan asumsi klasik Gujarati 2004. Dalam penelitian asumsi klasik yang diuji terdiri dari:

a. Multikolinieritas

Multikolinieritas digunakan untuk menunjukkan adanya hubungan linear diantara variabel-variabel bebas dalam model regresi. Interpretasi dari persamaan regresi linier secara implisit bergantung pada asumsi bahwa variabel-variabel bebas dalam persamaan tidak saling berkorelasi. Bila variabel-variabel bebas berkorelasi dengan sempurna, maka disebut multikolinieritas sempurna. Multikolinieritas dapat dideteksi dengan besaran- besaran regresi yang didapat, yaitu : 1 Variasi besar dari taksiran OLS 2 Interval kepercayaan lebar karena variasi besar, maka standar error besar sehingga interval kepercayaan lebar. Novita Linda Sitompul: Analisis Pengaruh Investasi Dan Tenaga Kerja Terhadap PDRB Sumatera Utara, 2007. USU e-Repository © 2008 3 Uji-t tidak signifikan. Suatu variabel bebas secara substansi maupun secara statistik jika dibuat regresi sederhana bias tidak signifikan karena variasi besar akibat kolinieritas. Bila standar error terlalu besar, maka besar pula kemungkinan taksiran koefisien regresi tidak signifikan. 4 R 2 tinggi tetapi tidak banyak variabel yang signifikan dari t-test. 5 Terkadang nilai taksiran koefisien yang didapat akan mempunyai nilai yang tidak sesuai dengan substansi sehingga dapat menyesatkan interpretasi. b. Autokorelasi Autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu. Dalam konteks regresi, model regresi linier klasik mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam disturbance atau gangguan ui. Dengan menggunakan lambang E ui, uj = 0; i ≠j, secara sederhana dapat dikatakan model klasik mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur disturbance atau gangguan yang berhubungan dengan pengamatan lain yang manapun. Untuk mendeteksi adanya autokorelasi dalam model penelitian ini dilakukan melalui uji Lagrange Multiplier Test LM Test, yaitu dengan membandingkan nilai X² hitung dengan X² tabel, dengan kriteria penilaian sebagai berikut : Novita Linda Sitompul: Analisis Pengaruh Investasi Dan Tenaga Kerja Terhadap PDRB Sumatera Utara, 2007. USU e-Repository © 2008 1. Jika nilai X²hitung X²tabel, maka hipotesis yang menyatakan bahwa tidak ada autokorelasi dalam model empiris yang digunakan, ditolak. 2. Jika nilai X²hitung X²tabel, maka hipotesis yang menyatakan bahwa tidak ada autokorelasi dalam model empiris yang digunakan, tidak dapat ditolak. c. Heterokedastisitas Salah satu asumsi dalam model regresi linear berganda adalah varian setiap disturbance term u i yang dibatasi oleh nilai tertentu mengenai variabel-variabel bebas adalah berbentuk suatu nilai konstan yang sama dengan σ 2 . Jadi heteroskedastisitas muncul apabila kesalahan residual dari model yang diamati tidak memiliki varian yang konstan dari suatu observasi ke observasi lainnya. Untuk mendeteksi adanya heteroskedastisitas dalam model penelitian ini dilakukan dengan menggunakan ARCH Test, yaitu dengan membandingkan nilai Obs-R² atau X² hitung terhadap X² tabel, dengan kriteria penilaian sebagai berikut : 1. Jika nilai Obs-R² atau X 2 hitung X 2 tabel , maka hipotesis yang menyatakan bahwa ada masalah heteroskedastisitas dalam model empiris yang digunakan, tidak dapat ditolak. 2. Jika nilai Obs-R² atau X 2 hitung X 2 tabel , maka hipotesis yang menyatakan bahwa ada masalah heteroskedastisitas dalam model empiris yang digunakan, ditolak. Novita Linda Sitompul: Analisis Pengaruh Investasi Dan Tenaga Kerja Terhadap PDRB Sumatera Utara, 2007. USU e-Repository © 2008

BAB IV HASIL DAN PEMBAHASAN