III KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis 1 Teori Perdagangan Internasional
3.1.5. Teori Regresi Linier Berganda 1 Model Regresi Linier Berganda
Analisis regresi pertama kali diperkenalkan oleh Francis Galtom pada tahun 1886. Berdasarkan penelitiannya, Galtom menemukan adanya kecenderungan bahwa orang tua yang memiliki tubuh tinggi juga memiliki anak- anak yang tinggi. Sebaliknya, orang tua yang memiliki tubuh pendek juga memiliki anak-anak yang bertubuh pendek. Namun demikian juga terdapat kecenderungan bahwa tinggi anak bergerak menuju ke arah tinggi rata-rata populasi secara keseluruhan. Hukum regresi Galton didukung oleh Karl Pearson dan A.lee (1903, dalam Gespersz, 1991) yang menemukan bahwa tinggi rata-rata
anak laki-laki dari kelompok ayah yang tinggi adalah lebih pendek dari ayah mereka, dan sebaliknya tinggi rata-rata anak laki-laki dari kelompok ayah yang pendek adalah lebih tinggi dari ayah mereka. Dengan demikian, anak laki-laki yang tinggi dan pendek akan menuju tinggi rata-rata dari semua orang laki-laki. Oleh karena itu makna regresi itu sendiri berarti kemunduran atau kecenderungan ke arah sedang.
Menurut Gujarati (2006), model regresi berganda merupakan model regresi dengan lebih dari satu variabel penjelas atau dapat diartikan terdapat lebih dari satu variabel penjelas (independent) yang mempengaruhi variabel tak bebas
(dependent). Model regresi penelitian ini disebut berganda karena terdapat banyak
faktor (variabel) yang mungkin mempengaruhi variabel tak bebas. Hubungan antara peubah-peubah tersebut dapat dirumuskan dalam persamaan sebagai berikut:
Y = a + b1X1 + b2X2 + … + bnXn + € Dimana :
Y = Variabel tergantung a = Konstanta (Intercept) b1 = Koefisien regresi untuk X1 b2 = Koefisien regresi untuk X2 X1 = Variabel bebas pertama X2 = Variabel bebas kedua Xn = Variabel bebas ke- n € = Nilai residu
Kuat atau tidaknya hubungan linier antara peubah-peubah bebas dapat diukur dari koefisien korelasi (r). Sedangkan untuk melihat besarnya pengaruh dari bebas terhadap peubah tak bebas dapat dilihat dari nilai koefisien r-square (R²).
Pada penelitian ini menggunakan model regresi linier berganda dengan metode kuadrat terkecil atau Ordinary Least Square (OLS) yang berfungsi untuk menduga parameter. Namun demikian, pada metode ini terdapat kelemahan. Kelemahan tersebut yaitu seluruh asumsi-asumsi yang terkait di dalamnya harus dapat dipenuhi oleh suatu model. Apabila salah satu asumsi tidak dapat dipenuhi
oleh suatu model, maka akan menimbulkan masalah normalitas, heteroskeasitas, multikolinearitas dan autokorelasi. Dengan demikian, diperlukan suatu pengujian terhadap model tersebut.
Jika asumsi-asumsi yang telah disebutkan di atas dapat dipenuhi maka penduga OLS akan dapat menghasilkan koefisien regresi yang memenuhi sifat- sifat BLUE (Gujarati 1997), yaitu:
a. Best = efisien yang berat ragam atau variannya minimum dan konsisten,
dalam artian bahwa walaupun menambah jumlah sampel maka nilai estimasi yang diperoleh tidak akan berbeda jauh di parameternya.
b. Linier = koefisien regresinya linier
c. Unbiased = Nilai estimasi dari sampel akan mendekati populasi, ini
mengindikasi bahwa suatu model tidak bias
d. Estimator = penduga parameter
3.1.5.2. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik terhadap data-data penelitian yang meliputi pengujian normalitas, heteroskedastisitas, autokorelasi dan multikolinearitas.
a. Uji Normalitas
Pengujian ini dilakukan untuk mengetahui apakah peubah bebas dan terikat dalam model regresi memiliki distribusi normal atau tidak. Apabila terdapat penyimpangan terhadap asumsi distribusi normalitas maka masih akan tetap menghasilkan penduga koefisien regresi linear, tidak berbias dan terbaik. Penyimpangan asumsi normalitas ini akan semakin kecil pengaruhnya jika jumlah contoh diperbesar. Hal tersebut dapat dilakukan dengan cara mengubah bentuk nilai peubah yang semula nilainya absolut ditransformasikan menjadi bentuk lain seperti kuadratik, respirokal dan lain sebagainya sehingga akan menghasilkan distribusi yang normal.
Uji normalitas dilakukan dengan menggunakan uji statistik non parametrik Kolmogorov-Smirnov (K-S) dengan kriteria:
1. Jika taraf nyata > 0,05, maka data berdistribusi normal
b. Uji Heteroskedastisitas
Pengujian ini bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan ragam dari sisa satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah model yang homokedasitas (tidak terjadi heteroskedasitas). Terdapat dua cara untuk mengamati ragam dalam model regresi yaitu dengan menggunakan uji metode grafis dan statistik. Metode grafis adalah cara untuk melihat ada atau tidaknya pola tertentu yang tergambar pada
scatterplot. Sedangkan, pengujian dengan menggunakan metode statistik dapat
dilakukan dengan menggunakan metode Glejser, Park, White, Rank Spearman
dan Bresch-Pagan-Godfrey (BPG). Pada penelitian ini menggunakan metode
White dengan kriteria:
1. Jika nilai p-value > alpha (α = 5%), maka terjadi homoskedastisitas 2. Jika nilai p-value < alpha (α = 5%), maka terjadi heteroskedastisitas c. Uji Autokorelasi
Pengujian ini bertujuan untuk mengetahui ada atau tidaknya korelasi antara peubah pengganggu (et) pada periode tertentu dengan peubah penganggu periode sebelumnya (et-1). Hal tersebut dapat dilakukan dengan cara melakukan uji Durbin Watson.
d. Uji Multikolinearitas
Pengujian ini bertujuan untuk mengamati apakah dalam model regresi terdapat korelasi antar peubah bebas atau tidak. Model regresi yang baik adalah model yang tidak terjadi korelasi antar peubah bebas. Pengujian ini dapat dilakukan dengan uji Collinearity Statistic dengan kriteria:
1. Jika VIF > 10, maka terdapat multikolinearitas 2. Jika VIF < 10, maka tidak terjadi multikolinearitas
3.1.6. TrendAnalysis
Analisis trend merupakan metode analisis yang digunakan untuk melakukan estimasi atau peramalan di masa depan berdasarkan data historis di masa lalu. Analisis trend yang dilakukan pada penelitian ini adalah pada trend
dapat menunjukkan arah trend yang meningkat atau menurun kemudian dapat
trend diproyeksikan untuk 3-5 tahun ke depan. Pengolahan analisis trend
menggunakan software Minitab 14. Pemilihan model pada analisis trend (Linear,
Quadratic, Exponential Growth dan S-Curve) didasarkan pada nilai error MSD,
MAD dan MAPE terkecil. Semakin kecil nilai pada MSD, MAD dan MAPE menunjukkan tingkat error yang semakin rendah (Santoso 2009).
3.2. Kerangka pemikiran Operasional
Sebagai bagian dari Coreal Triangle, Indonesia memang begitu besar disuguhi potensi perairan dengan segenap sumberdaya dan keanekaragaman hayati yang ada. Rumput laut merupakan salah satu komoditas utama yang saat ini menjadi trend di pasar perdagangan global dan mampu tumbuh subur di perairan bumi pertiwi ini. Komoditas ini memiliki kegunaan yang sangat tinggi diantaranya sebagai penyedia bahan makanan (dodol, minuman, kembang gula, dan lain-lain), kosmetik dan juga untuk bahan obat-obatan. Saat ini, terdapat sekitar 782 jenis rumput laut yang hidup di perairan Indonesia. Jumlah tersebut terdiri dari 196
algae coklat dan 452 algae merah.
Indonesia memiliki potensi budidaya laut yang luar biasa. Luas potensi budidaya rumput laut diperkirakan mencapai 26 juta ha dan kurang lebih 2 juta diantaranya sangat potensial untuk pengembangan rumput laut dengan potensi produksi rumput laut kering rata-rata 16 ton per ha. Potensi rumput laut Indonesia dapat menjadi salah satu sumber pemasukan bagi devisa negara yang sekaligus mampu menjadikan Indonesia sebagai negara pengekspor rumput laut terbesar dunia.
Dari aspek pasar, rumput laut mengalami peningkatan dalam perkembangan perdagangan global yang cukup tinggi seiring dengan kebutuhan bahan baku industri baik untuk food grade, pharmaeutical, maupun industrial
grade. Pertumbuhan penduduk dunia yang semakin pesat dan kompleksitas nilai
guna rumput laut yang begitu besar sebagai penunjang kebutuhan hidup masyarakat dunia, maka tidak heran memang jika saat ini rumput laut menjadi salah satu kebutuhan yang prospektif dan telah menjadi bagian dari kebutuhan global.
Pada penelitian akan dilakukan analisis mengenai ekspor rumput laut kering Indonesia jenis Eucheuma cottonii. Rumput laut jenis ini merupakan komoditas ekspor unggulan sektor perikanan. Indonesia adalah pemasok utama rumput laut kering jenis Eucheuma cottonii hampir sekitar 80 persen produksinya untuk di ekspor ke berbagai negara. Terlihat bahwa rumput laut telah menjadi kebutuhan dunia dan negara China adalah negara pengimpor terbesar rumput laut Indonesia. China mampu menyerap rumput laut kering Indonesia sebesar 58
persen. Peningkatan permintaan terhadap penawaran rumput laut Indonesia merupakan peluang yang harus dimanfaatkan secara optimal oleh negara produsen, khususnya negara Indonesia. Oleh sebab itu, peneliti perlu melihat faktor-faktor apa saja yang mempengaruhi ekspor rumput laut Indonesia yang meliputi harga ekspor rumput laut Indonesia ke China, nilai tukar, jumlah produksi domestik, revitalisasi, volume ekspor rumput lndonesia dan GDP China. Faktor-faktor tersebut akan dianalisis menggunakan alat analisis Ordinary Least
Square (OLS) dengan Principal Component Analysis (Regresi Komponen
Utama). Disamping itu, pada penelitian ini juga akan dideskripsikan keadaan atau perkembangan dan mengidentifikasi proyeksi tend volume ekspor rumput laut Indonesia dalam lima tahun mendatang. Alat analisis yang digunakan untuk mengetahui kecenderungan naik atau turunnya proyeksi trend adalah analisis
trend.
Jenis dan sumber data yang digunakan berasal dari data sekunder tahunan atau time series periode tahun 1999-2011. Sumber data dan informasi diperoleh dari Kementrian Kelautan dan Perikanan, Buku Statistika Hasil Ekspor Perikanan, UN Comtrade, literatur-literatur pendukung dan lainnya. Data yang digunakan merupakan data dengan produksi kode HS 121220100 yang mengindikasikan rumput laut yang diekspor adalah rumput laut kering, tidak termasuk olahan seperti agar-agar, karaginan dan alginat. Hasil pengolahan data diinterpretasikan secara kuantitatf serta deskriptif untuk menggambarkan perkembangan ekspor rumput laut Indonesia. Berikut adalah kerangka pemikiran operasional.
OLS dan PCA Analisis Trend
Gambar 2. Kerangka Pemikiran Operasional Perairan Indonesia
yang luas
Eksistensi sektor perikanan komoditas rumput laut Indonesia
Sub Sektor Produksi
Volume ekspor rumput laut Indonesia ke China
Faktor penduga: - Harga ekspor ke China - Nilai tukar (Exchange rate)
- Jumlah produksi rumput laut Indonesia -Dummy Revitalisasi
-Volume ekspor rumput laut Indonesia -GDP China
Produksi kode HS 121220100
Trend dan Forecasting
Peningkatan Kinerja Ekspor Rumput Laut Indonesia
3.3. Hipotesis
Berdasarkan pemaparan-pemaparan sebelumnya, dapat dibentuk beberapa hipotesis dari berbagai penjelasan terkait, diantaranya:
1. Harga ekspor ke China berpengaruh negatif terhadap permintaan eskpor rumput laut Indonesia. Apabila harga ekspor meningkat maka permintaan rumput laut dari negara pengimpor akan menurun sehingga jumlah barang yang diminta akan semakin sedikit.
2. Nilai tukar (Exchange rate) rupiah terhadap dolar berpengaruh negatif terhadap volume ekspor rumput laut Indonesia. Jika nilai tukar mata uang asing terhadap rupiah menguat (depresiasi) maka volume ekspor rumput laut cenderung meningkat dan sebaliknya.
3. Jumlah produksi rumput laut Indonesia berpengaruh positif terhadap ekspor rumput laut Indonesia. Kenaikan produksi rumput laut domestik memungkinkan terjadinya peningkatan terhadap penawaran volume ekspor rumput laut Indonesia.
4. Dummy Revitalisasi berpengaruh positif terhadap produksi nasional rumput laut Indonesia sehingga volume ekspor rumput laut Indonesia juga dapat meningkat.
5. Volume ekspor rumput laut Indonesia berpengaruh positif terhadap volume ekspor rumput laut Indonesia ke China. Penawaran ekspor dipengaruhi oleh permintaan ekspor dan sebaliknya.
6. GDP China berpengaruh positif terhadap permintaan volume ekspor rumput laut Indonesia. Apabila GDP riil suatu negara meningkat maka daya beli masyarakat terhadap suatu barang dan jasa juga akan meningkat dan sebaliknya.
IV METODOLOGI PENELITIAN
4.1. Lokasi dan Waktu Penelitian
Kegiatan yang dilakukan dalam penelitian ini meliputi perumusan masalah, perancangan tujuan penelitian, pengumpulan data dari berbagai instansi terkait, pengolahan data, interpretasi serta penarikan kesimpulan untuk menjawab rumusan masalah penelitian. Penelitian ini dilakukan kurang lebih selama lima bulan yang dimulai dari awal bulan Januari 2012 sampai dengan pertengahan bulan Mei 2012. Sedangkan pengumpulan data dilakukan selama bulan Februari sampai dengan Maret 2012.
4.2. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa time series data tahunan merupakan data yang dikumpulkan pada suatu waktu tertentu yang dapat menggambarkan keadaan atau kegiatan pada waktu tersebut. Data sekunder yang digunakan telah didokumentasikan oleh pihak terkait yang relevan dan dapat dipercaya. Pada penelitian ini menggunakan dua macam data yakni data nasional dan internasional. Data-data sekunder yang digunakan meliputi produksi rumput laut Indonesia, harga ekspor rumput laut Indonesia, nilai tukar uang terhadap dolar (US$), volume ekspor rumput laut Indonesia dan volume ekspor rumput laut Indonesia ke negara China serta GDP negara tujuan ekspor yakni negara China. Adapun jenis rumput laut yang menjadi bahan penelitian adalah rumput laut jenis Eucheuma cottoni dengan produksi kode HS 12120100 (tidak termasuk hasil olahan seperti agar-agar, karagenan dan alginat). Selain itu, informasi terkait juga diperoleh berdasarkan wawancara dengan para stakeholders dinas kelautan dan perikanan mengenai pengolahan budidaya serta produksi rumput laut kering Indonesia.
Sumber data yang diperoleh berasal dari berbagai instansi terkait diantaranya Kementrian Kelautan dan Perikanan (KKP), Badan Pusat Statistik (BPS), Bank Indonesia (BI), Kementrian Perdagangan, UN Comtrade, penelitian terdahulu, jurnal pedukung, literatur lainnya. Jenis dan sumber data yang digunakan dalam penelitian ini dapat ditunjukkan pada tabel 6.
Tabel 6. Jenis dan Sumber Data Penelitian
No Variabel Satuan Simbol Sumber
1 Harga ekspor rumput laut Indonesia ke Cina
US$/Ton X1 Kementrian Kelautan
dan Perikanan, Buku Statistika Hasil Ekspor Perikanan
2 Produksi rumput laut Indonesia Ton X2 Kementrian Kelautan
dan Perikanan 3 Nilai tukar rupiah terhadap
dolar (USD)
Rp/US$ X3 UN Comtrade
4 Dummy Revitalisasi X4 Buku Revitalisasi
Perikanan Budidaya 2006-2009, literatur pendukung
5 Volume ekspor rumput laut Indonesia
Ton X5 Kementrian Kelautan
dan Perikanan, Buku Statistika Hasil Ekspor Peerikanan
6 GDP US$ X6 Indexmundi
4.3. Metode Analisis
Data dan informasi yang diperoleh akan dianalisis secara kualitatif melalui metode deskriptif dan model kuantitatif. Analisis kualitatif berupa metode deskriptif yang digunakan untuk menginterpretasikan data-data hasil penelitian untuk menguji hipotesis. Pada penelitian ini, peneliti menggunakan metode kuantitatif analisis ekonometrika dengan alat analisis berupa metode kuadrat terkecil atau Ordinary Least Square (OLS) dengan regresi komponen utama yang bertujuan untuk menghilangkan faktor multikolineritas. Metode tersebut digunakan untuk mengetahui variabel-variabel yang mempengaruhi ekspor rumput laut Indonesia ke negara China. Di samping itu, interpretasi data dilakukan secara deskriptif. Selain itu, peneliti juga menggunakan metode deskriptif dengan alat analisis trend untuk mengidentifikasi dan mengkaji perkembangan dan proyeksi trend ekspor rumput laut Indonesia, produksi rumput laut Indonesia serta ekspor rumput laut Indonesia ke China. Proses pengolahan data dilakukan dengan menggunakan program komputer Ms. Excel 2010 dan Minitabs 14.
Dalam penggunaan metode OLS diperlukan asumsi tertentu untuk menjaga sifat kestabilan penduga OLS. Adapun asumsi-asumsi tersebut diantaranya:
1. Normalitas, nilai rata-rata kesalahan pengganggu sama dengan nol. E(ei) = 0, untuk i = 1, 2, 3,…, n
2. Homoskedastisitas, varian ei = E (ex) = d², sama untuk semua kesalahan penganggu.
3. Tidak adanya autokorelasi antara kesalahan pengguna, berarti kovarian (ei, ex) = 0, dimana i=j.
4. Variabel bebas konstan dalam sampling yang terulang dan bebas terhadap kesalahan pengganggu, E (Xi, ei) = 0
5. Tidak adanya kolinearitas ganda antara variabel bebas X.
6. ei ~ N (0 ; d²), artinya kesalahan pengganggu mengikuti distribusi normal dengan rata-rata nol dan varian d².
4.4. Perumusan Model
Rumput laut merupakan salah satu komoditas perdagangan internasional. Komoditas ini telah diekspor lebih dari 30 negara. Di Indonesia rumput laut merupakan salah satu komoditas budidaya laut yang diunggulkan karena nilai ekonomis dan prospeknya yang cerah. Dalam perdagangan internasional juga tetap menjadi komoditas unggulan, khususnya untuk jenis Eucheuma cottonii. Indonesia merupakan pemasok utama komoditas unggulan jenis Eucheuma
cottonii karena 80 persen produksinya untuk diekspor. Peneliti memfokuskan
penelitian pada rumput laut kering jenis Eucheuma cottonii yang diekspor ke negara China dalam bentuk bahan baku.
Perumusan model merupakan langkah awal yang dilakukan untuk mengetahui keterkaitan antar variabel yang menjadi unsur penyusun model. Model disusun berdasarkan hubungan variabel-variabel yang memenuhi perhitungan logika, dimana perhitungan ekonomi juga terpenuhi. Adapun perumusan model yang dilakukan oleh peneliti adalah sebagai berikut:
………...(4.1) Keterangan:
Ex = Volume ekspor rumput laut Indonesia ke Cina (kg) Pec = Harga ekspor rumput laut Indonesia ke Cina (US$/kg)
Er = Nilai tukar terhadap dolar (Rp/US$) P = Produksi rumput laut Indonesia (ton) DR = Dummy Revitalisasi
Eyi = Volume ekspor rumput laut Indonesia ke China (ton) GDP = Nilai GDP per kapita negara Cina (US$)
Model terbaik akan didapatkan apabila model tersebut ditransformasikan dengan cara mengalogaritma natural kan Ln variabel-variabel yang diestimasikan. Dengan demikian, model yang diestimasi yaitu sebagai berikut:
LnEx = α + α1 LnPect + α2 LnErt + α3 LnPt + α4 Dk + α5 Eyit+ α6 Ln GDPt+ et….(4.2) Keterangan:
α = Intersep
α1, α2, α3, α4, α5, α6 = Parameter yang akan diestimasi
LnYt = Ekspor rumput laut ke China selama periode t (kg) LnX1t = Harga ekspor rumput laut Indonesia ke China periode t
(US$/kg)
LnX2t = Nilai tukar terhadap dolar periode t (Rp/US$)
LnX3t = Produksi rumput laut domestic selama periode t (ton)
X4 = Dummy revitalisasi
LnX5t = Volume ekspor rumput laut Indonesia periode t (ton) LnX6t = GDP t (US$)
4.5. Definisi Operasional
Untuk memahami secara jelas variabel-variabel dalam perumusan model ekspor rumput laut Indonesia ke negara China maka akan dijelaskan pengertian- pengertian dari variabel yang digunakan. Definisi variabel tersebut adalah:
1. Volume penawaran ekspor rumput laut Indonesia ke China yaitu volume ekspor rumput laut Indonesia ke China pada tahun 1999-2011. Variabel ini dinyatakan sebagai variabel respon (tak bebas) dalam satuan kg.
2. Harga ekspor rumput laut Indonesia ke China yaitu harga ekspor rumput laut yang diperoleh dari pembagian antara nilai ekspor rumput laut Indonesia ke China dengan volume ekspor rumput laut Indonesia ke China setiap tahunnya. Hal tersebut merupakan kegiatan transaksi perdagangan yang dilakukan diantara dua negara. Rumput laut yang diekspor ke China adalah rumput laut kering jenis Eucheuma cottonii dalam bentuk bahan baku. Periode waktu yang digunakan adalah data tahun 1999-2011 dan dinyatakan dalam satuan (US$/kg).
3. Nilai tukar rupiah terhadap dolar yaitu rata-rata nilai tukar nominal rupiah terhadap dolar Amerika Serikat setiap tahunnya yang dideflasikan dengan indeks umum Indonesia dan Amerika Serikat. Perolehan nilai tukar rupiah terhadap dollar dapat dihitung dengan cara:
Kurs riil = Kurs Nominal x (IHK Cina/ IHK Indonesia)………...…….(4.3) 4. Produksi rumput laut Indonesia yaitu jumlah produksi rumput laut kering jenis
Eucheuma cottonii pada tahun 1999-2011 yang diekspor dalam bentuk bahan
baku. Variabel ini dinyatakan sebagai variabel bebas dengan menggunakan satuan ton.
5. Volume ekspor rumput laut Indonesia adalah volume total ekspor rumput laut Indonesia pada tahun 1999-2011. Variabel ini dinyatakan sebagai variabel bebas dengan menggunakan satuan ton
6. Nilai GDP yang digunakan adalah GDP riil negara tujuan ekspor yaitu China. GDP riil adalah nilai barang dan jasa yang diukur dengan menggunakan harga konstan (Mankiw 2000). Setelah diperoleh GDP riil, untuk melihat seberapa besar pendapatan per orang di suatu negara maka dibutuhkan nilai GDP per
kapita. Nilai GDP per kapita suatu negara diperoleh dari pembagian antara GDP riil dengan jumlah populasi di negara tersebut yang dinyatakan dalam satuan US$.
7. Dummy revitalisasi yang digunakan adalah angka 0 dan 1. Untuk tahun 1999- 2004 diberi nilai 0 dan 2005-2011 diberi angka 1.
4.6. Uji Statistik
Uji statistik yang digunakan untuk menginterpretasikan variabel-variabel terhadap model penduga adalah sebagai berikut:
4.6.1. Uji Statistik Model Penduga (Uji-F)
Pengujian ini dilakukan bertujuan untuk mengetahui apakah seluruh variabel bebas (independent variable) berpengaruh nyata atau tidak terhadap variabel tak bebas.
- Hipotesis
H0 : β1 = β2 = β3 = β4 = βk = 0
H1 : minimal ada satu slope yang tidak sama dengan nol - Uji Statistik
F hitung = e2 / (k-1) : (1- e2) / (n-k) Dimana :
e2 : jumlah kuadrat regresi (1- e2) : jumlah kuadrat sisa n : jumlah sampel k : jumlah parameter - Kriteria Uji
Apabila : F hitung > Ftabel, maka tolak H0 F hitung < Ftabel, maka terima H0 - Kesimpulan
Apabila hipotesis H0 ditolak, maka sudah cukup bukti untuk menolak H0 selain itu, berarti secara bersama-sama variabel-variabel bebas dalam model berpengaruh terhadap variabel tak bebas, demikian sebaliknya apabila menerima H0.
4.6.2. Uji t Statistik
Uji t digunakan untuk melihat apakah koefisien regresi masing-masing variabel independen secara individu memiliki pengaruh nyata atau tidak terhadap variabel dependen.
- Hipotesis H0 : β0 = 0 H1 : β0 ≠ 0 - Uji Statistik
T hitung = t-hitung > t-tabel maka tolak H0 t-hitung < t-tabel maka terima H0
4.6.3. Uji r-squared
Uji ini digunakan untuk melihat sejauh mana variabel bebas mampu menjelaskan variabel respon. Nilai R² dapat dihitung dengan cara:
R² = JKR ⁄ JKT
Dimana : R² = Koefisien Determinasi JKR = Jumlah Kuadrat Regresi JKT = Jumlah Kuadrat Total 4.7. Uji Ekonometrika
Pada metode regersi berganda sederhana, maka variabel-variabel yang diestimasi harus memenuhi regresi klasik agar hasil estimasi bersifat BLUE (Best
Linier Unbiased Estimation). Dengan demikian diperlukan uji asumsi yang
memenuhi diantaranya: 4.7.1. Uji Normalitas
Digunakan untuk melihat apakah model distribusi dari error term-nya (residual) menyebar normal atau tidak. Uji normalitas dapat menggunakan uji
Kolmogrov-Smirnov. Hipotesis uji normalitas yaitu:
H0 : Residual menyebar normal H1 : Residual tidak menyebar normal
Jika nilai p-value lebih besar dari alpha maka terima Ho, sehingga residual menyebar normal. Artinya dalam regresi tersebut asumsi kenormalan terpenuhi. 4.7.2. Uji Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti pada data deretan waktu atau ruang seperti pada data cross sectional. Masalah autokorelasi umumnya terjadi pada data time series. Untuk mendeteksi adanya autokorelasi adalah dengan melihat nilai dari Durbin
Watson (DW) statistiknya yang dibandingkan dengan nilai dari tabel DW. Tabel
berikut merupakan kerangka identifikasi dalam menentuan ada tidaknya autokorelasi.
Tabel 7. Kerangka Identifikasi Autokorelasi
Nilai DW Hasil