BAB III METODE PENELITIAN
C. Metode Analisis Data
2. Uji Asumsi Klasik
Model estimasi regresi linear yang ideal dan optimal harus menghasilkan estimator yang memenuhi kriteria Best Linear Unbiased Estimator (BLUE). Terdapat beberapa permasalahan yang dapat menyebabkan sebuah estimator tidak dapat memenuhi kriteria BLUE, antara lain:
a. Uji Normalitas
Normalitas adalah uji yang dilakukan untuk melihat apakah nilai residual yang telah distandarisasi pada model regresi, berdistribusi normal atau tidak. Apabila nilai residual terstandarisasi tersebut mendekati nilai rata-ratanya, dengan demikian maka nilai residual tersebut dapat dikatakan berdistribusi normal (Suliyanto, 2011:69). Salah satu persyaratan yang diperlukan dalam penggunaan statistik parametrik adalah uji normalitas (Sudarmanto, 2013:104). Uji normalitas dapat dilihat melalui diagram yang ada pada output SPSS:
1) Histogram
Jika pada diagram histogram, bentuk gambar yang keluar berbentuk lonceng, maka berarti data tersebut berdistribusi normal.
50 Diagram 3.1
Contoh Diagram Histogram
Sumber : www.datakampus.com 2) PP Plot
Jika pada Diagram PP Plot, titik-titik pada gambar berada di sekitar garis regresi dan mengikuti arah diagonal, maka itu berarti data berdistribusi normal. Sedangkan apabila data menyebar jauh dan tidak mengikuti arah garis diagonal, maka dapat disimpulkan tidak berdistribusi normal (Priyatno, 2010:61)
Diagram 3.2
Contoh Diagram Normal Probability P-P Plot
Sumber : www.datakampus.com 3) 1-Sample K-S (Kolmogorov-Smirnov)
Untuk menguji apakah data sampel berasal dari populasi yang terdistribusi secara normal atau tidak, perlu diajukan hipotesis sebagai berikut:
H0 = data tidak terdistribusi secara normal H1 = data terdistribusi secara normal
51 Berdasarkan output hasil analisis berupa One-Sample Kolmogorov-Smirnov Test, dengan menggunakan nilai Asymp. Sig (2-tailed). H0 diterima jika nilai Asymp Sig.(2-tailed) lebih besar dari tingkat alpha yang ditentukan, dengan kata lain dapat dikatakan bahwa data berasal dari populasi yang berdistribusi normal (Sudarmanto, 2013:130).
b. Uji Heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Jika varian tidak konstan, maka dapat dikatakan mengalami heteroskedastisitas (Sudarmanto, 2013:240). Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas. Terdapat sejumlah metode yang bisa digunakan untuk uji heteroskedastisitas. Antara lain metode diagram, maupun uji statistik seperti uji korelasi spearman, uji white, uji goldfield-quandt, uji park, uji godfrey, dan uji glejser.
Uji yang digunakan dalam penelitian ini adalah Uji Glejser. Uji Glejser pada intinya dilakukan dengan meregresikan variabel-variabel bebas terhadap nilai absolut residualnya. Nilai absolut residual, didapatkan dengan cara menghitung nilai residual, melalui penghitungan regresi antara variabel independen dengan variabel dependen (Sudarmanto, 2013:256).
Kaidah pengambilan keputusan yang diambil yaitu apabila nilai residual dan nilai signifikansi korelasi antara variabel independen lebih besar daripada nilai alpha, maka dapat disimpulkan bahwa tidak terdapat gejala heteroskedastisitas. Namun sebaliknya, apabila nilai residual dan nilai signifikansi korelasi antara variabel independen lebih kecil daripada nilai alpha, maka dapat disimpulkan bahwa terdapat gejala heteroskedastisitas (Suliyanto, 2011:116).
52 c. Uji Multikolinearitas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi (keterkaitan) yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu (Sudarmanto, 2013:227).
Hipotesis yang akan diuji dalam membuktikan ada tidaknya multikolinearitas antarvariabel bebas dinyatakan sebagai berikut:
H0 = Tidak terdapat hubungan antarvariabel independen H1 = Terdapat hubungan antarvariabel independen
Alat statistik yang dipergunakan untuk menguji gangguan multikolinearitas, antara lain adalah Variance Inflation Factor (VIF), Korelasi Produk Momen dari Pearson, Condition Index (CI), ataupun menggunakan Eigenvalues.
Pada penelitian ini, yang digunakan adalah dengan melihat VIF pada tabel koefisien regresi. Apabila nilai VIF kurang dari 10, maka tidak terjadi multikolinieritas atau terima H0. Sebaliknya, apabila nilai VIF lebih dari 10 maka terjadi multikolinieritas atau tolak H0 (Priyatno, 2010:67).
d. Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya, baik itu dalam bentuk observasi deret waktu (time series) atau observasi cross section (Sudarmanto, 2013:263).
Beberapa uji statistik yang sering dipergunakan adalah uji Statistik Q: Box-Pierce dan Ljung Box, uji Breusch-Godfrey, uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier (Priyatno, 201075).
53 Menurut Sudarmanto 2013:271, aturan pengujian autokorelasi dengan Durbin-Watson adalah sebagai berikut:
Tabel 3.2
Pengambilan Keputusan Autokorelasi
Jika Keputusan
d<dl Terjadi masalah autokorelasi yang positif dan perlu perbaikan
d>dl Tidak terjadi masalah autokorelasi yang positif
dl<d<du Pengujian tidak meyakinkan, atau ada masalah autokorelasi positif tetapi lemah, dimana perbaikan akan lebih baik d>4-dl Terjadi masalah autokorelasi yang negatif dan perlu
perbaikan
d<4-du Tidak terjadi masalah autokorelasi yang negatif
4- du<d<4-dl
Pengujian tidak meyakinkan, atau terdapat masalah autokorelasi baik negatif ataupun positif tetapi lemah, dimana dengan perbaikan akan lebih baik
d<dl atau
d>4-dl Terjadi masalah autokorelasi baik positif maupun negatif
du<d<4-du
Tidak terjadi masalah autokorelasi baik positif maupun negatif
4-dl<d Masalah autokorelasi serius Sumber: Gujarati, 2006 (diolah)
Sedangkan untuk mendeteksi ada atau tidaknya autokorelasi dengan menggunakan uji Breusch-Godfrey (BG Test) seperti yang dilakukan pada penelitian ini, maka harus melakukan tiga tahapan. Yaitu: (1) meregresikan antara variabel independen terhadap variabel dependen untuk memunculkan variabel Unstandardized Residuals, (2) memunculkan variabel Lag dengan membuat Lag atas variabel Unstandardized Residuals, dan (3) meregresikan semua variabel independen dan variabel Lag terhadap variabel Unstandardized Residuals (Sudarmanto, 2013:272).
Apabila koefisien signifikansi (nilai probabilitas) lebih besar dari alpha yang ditetapkan (Sig.>alpha) maka dengan demikian dapat dinyatakan tidak terjadi autokorelasi di antara data pengamatan.
54 e. Uji Linearitas
Uji linearitas merupakan suatu analisis dalam menguji apakah hubungan antar satu variabel dengan variabel lainnya mengikuti garis lurus atau tidak (Sudarmanto, 2013:193). Uji linieritas dapat dilakukan pada program SPSS dengan metode compare means. Output dari uji tersebut merupakan Tabel ANOVA yang berisi signifikansi dan koefisien F-statistic Deviation from liniearity dan linearity dari tiap variabel independen terhadap variabel dependen. Adapun hipotesis yang digunakan adalah :
1) H0 : Tidak ada hubungan linier antara variabel harga terhadap variabel ekspor Industri Pulp dan Kertas
H1 : Ada hubungan linier antara variabel harga terhadap variabel ekspor Industri Pulp dan Kertas
2) H0 : Tidak ada hubungan linier antara variabel kurs terhadap variabel ekspor Industri Pulp dan Kertas
H1 : Ada hubungan linier antara variabel kurs terhadap variabel ekspor Industri Pulp dan Kertas
3) H0 : Tidak ada hubungan linier antara variabel inflasi terhadap variabel ekspor Industri Pulp dan Kertas
H1 : Ada hubungan linier antara variabel inflasi terhadap variabel ekspor Industri Pulp dan Kertas
4) H0 : Tidak ada hubungan linier antara variabel GDP terhadap variabel ekspor Industri Pulp dan Kertas
H1 : Ada hubungan linier antara variabel GDP terhadap variabel ekspor Industri Pulp dan Kertas
Kesimpulan yang dapat diambil berdasarkan pada ketentuan berikut : Jika nilai signifikansi Liniearity < 0,05, maka H0 ditolak (terdapat hubungan linier).
Jika nilai signifikansi Liniearity > 0,05, maka H0 diterima (tidak terdapat hubungan linier).