lebih lanjut oleh McKinnon. Jika hasil out put yang diperoleh ADF statistik lebih kecil dari nilai kritisnya pada tingkat signifikansi tertentu, maka data tidak
stasioner.
3.8 Redundant Fixed Effect Test
Redundant Fixed Effect Test merupakan pengujian metode regresi untuk mengetahui apakah metode FEM baik digunakan dalam penelitian ini dengan
menggunakan uji Redundant Fixed Effects – Likelihood Ratio. Berdasarkan hasil uji Redundant Fixed Effect yang dilakukan, apabila diperoleh nilai chi-square
signifikan pada tingkat signifikansi 5, maka dengan demikian dapat disimpulkan model sesuai digunakan dengan metode Fixed Effect.
3.9 Test Goodness of Fit
3.9.1 Koefisien Determinasi
Koefisien determinasi merupakan suatu nilai untuk menginformasikan seberapa besar kemampuan variabel bebas secara bersama-sama mampu memberi
penjelasan terhadap variabel terikat. Besarnya koefisien determinasi adalah 0 R² 1 dimana semakin mendekati 1 maka penjelasan variabel bebas terhadap
variabel terikat semakin besar.
3.9.2 Uji F-statistik
Uji F-statistik dilakukan untuk mengetahui apakah koefisien regresi dari variabel bebas secara bersama-sama signifikan mempengaruhi variabel terikat.
UNIVERSITAS SUMATRA UTARA
Dalam pengujian F-statistik yang belum diketahui arahnya digunakan kurva dua arah. Untuk menguji F-statistik dirumuskan hipotesis sebagai berikut:
1. H : b1 = b2 = b3 = 0, artinya secara bersama-sama variabel bebas tidak
mempengaruhi variabel terikat secara signifikan. 2. H
a
: b1 ≠ b2 ≠ b3 ≠ 0, artinya secara bersama-sama variabel bebas
mempengaruhi variabel terikat secara signifikan.
Untuk mendapatkan nilai F-hitung digunakan rumus sebagai berikut:
Keterangan : R = koefisien determinan
n = jumlah observasi k = jumlah variabel
Dari pengujian hipotesis di atas dapat disimpulkan: 1. H
diterima dan Ha ditolak apabila F-hitung F-tabel, artinya Artinya variabel bebas secara bersama-sama tidak memiliki pengaruh yang signifikan
terhadap variabel terikat. 2. Ha diterima dan H
ditolak apabila nilai F-hitung F-tabel. Artinya variabel bebas secara bersama-sama memiliki pengaruh yang signifikan terhadap
variabel terikat. F-hitung =
�² �−1 1−�
2
�−�
UNIVERSITAS SUMATRA UTARA
3.9.3 Uji t-statistik
Uji t-statistik dilakukan untuk mengetahui apakah koefisien regresi dari masing-masing variabel bebas secara simultan signifikan mempengaruhi variabel
terikat, dengan menganggap variabel bebas lain adalah konstan. Dalam pengujian t-statistik yang belum diketahui arahnya digunakan kurva dua arah. Untuk
menguji t-statistik dirumuskan hipotesis sebagai berikut: 1. H
: b1 = 0, variabel bebas secara individu tidak mempengaruhi variabel terikat dengan siginfikan.
2. Ha : b1 ≠ 0, variabel bebas secara individu mempengaruhi variabel terikat
dengan signifikan. Untuk mendapatkan nilai t-hitung digunakan rumus berikut ini:
Dari pengujian hipotesis di atas dapat disimpulkan: 1. H
diterima dan Ha ditolak apabila nilai t-hitung t-tabel. Artinya variabel bebas secara simultan tidak memiliki pengaruh yang signifikan terhadap
variabel terikat. 2. Ha diterima dan H
ditolak apabila nilai t-hitung t-tabel. Artinya variabel bebas secara simultan memiliki pengaruh yang signifikan terhadap variabel
terikat. t-hitung =
��������� ������� �1 ������� ������� �1
UNIVERSITAS SUMATRA UTARA
4.0 Uji Asumsi Klasik
Di dalam melakukan penelitian sering terjadi masalah pada saat melakukan Analisis regresi. Menurut Gujarati 2003 dalam Pratomo dan Hidayat 2007, ada
beberapa asumsi klasik yang harus dipenuhi untuk suatu hasil estimasi regresi linier agar hasil tersebut dapat dikatakan baik dan efisien. Beberapa asumsi klasik
yang harus dipenuhi antara lain: 1. Model regresi adalah linier, yaitu linier didalam parameter.
2. Residual variabel pengganggu µ
�
mempunyai nilai rata—rata nol zero mean value of disturbance
µ
�
. 3. Homoskedastisitasatau varian dari
µ
�
adalah konstan. 4. Tidak ada autokorelasi antara variabel pengganggu
µ
�
. 5. Kovarian antara
µ
�
dan variabel independen Xi adalah nol. 6. Jumlah data observasi harus lebih banyak dibandingkan dengan jumlah
parameter yang akan diestimasi. 7. Tidak ada multikolinieritas.
8. Variabel pengganggu harus berdistribusi normal atau stokastik.
4.0.1 Multikolinieritas
