BAB III METODOLOGI PENELITIAN
F. Metode Analisis Data
3. Uji Asumsi Klasik
Pengujian asumsi klasik dilakukan untuk memastikan bahwa autokorelasi, multikolinieritas, dan heterokedastisitas tidak terdapat dalam penelitian ini dan data yang dihasilkan berdistribusi normal. Untuk mengetahui apakah model regresi linier dalam penelitian ini dapat digunakan sebagai alat prediksi yang baik atau tidak, maka harus memenuhi semua uji asumsi klasik. Pengujian asumsi klasik terdiri dari:
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model yang baik adalah yang memiliki distribusi data yang normal. Untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak dapat diketahui dengan Uji Jarque-Bera.
Rumus Jarque-Bera adalah sebagai berikut:32 JB =
[
]
Dimana, n merupakan ukuran sampel, S menyatakan kemencengan, dan
K menyatakan peruncingan.
Uji normalitas dilakukan dengan membandingkan nilai Jarque- Bera dengan nilai Chi square tabel. Jika nilai Jarque-Bera < dari nilai Chi square tabel pada α = 5%, maka data berdistribusi normal. Hipotesis
yang digunakan adalah: H0: Residual berdistribusi tidak normal H1: Residual berdistribusi normal
b. Uji Autokorelasi
Autokorelasi dalam konsep regresi linier berarti komponen error
berkorelasi berdasarkan urutan waktu (pada data berkala). Apabila terjadi keterkaitan antara pengamatan yang satu dengan yang lain, atau
32
Damodar N.Gujarati, Dasar-Dasar Ekonometrika Edisi Ketiga, (Jakarta: PT Gelora Akasara Pratama, 2006), h. 165
dengan kata lain terjadi ketergantungan antara error ke-i dengan error
ke-j, maka autokorelasi akan terjadi.33
Tujuan dari uji ini adalah untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan dengan periode t-1 (sebelumnya). Konsekuensi dari adanya autokolerasi adalah penaksiran menjadi tidak efisien dan Uji t serta Uji F yang biasa tidak valid walaupun hasil estimasi tidak bias.
Dalam penelitian ini uji autokorelasi menggunakan uji Lagrange Multiplier (LM) atau yang biasa dikenal dengan The Breusch-Godfrey
(BG) Test. Uji BG dilakukan dengan melihat nilai probability atau p- value pada Obs*R-squared dengan tingkat signifikan α = 0,05 (5%). Apabila nilai probability > 5% maka model tidak mengandung masalah autokorelasi. Hipotesis yang digunakan adalah:
H0: Tidak terdapat masalah autokorelasi H1: Terdapat masalah autokorelasi
c. Uji Multikoliniearitas
Multikolinieritas adalah hubungan linier antar variabel bebas. Pengujian ini bertujuan untuk memastikan apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Dalam membuat regresi berganda, variabel bebas yang baik adalah variabel
33
bebas yang mempunyai hubungan dengan variabel terikat, tetapi tidak mempunyai hubungan dengan variabel bebas lainnya.
Ada atau tidaknya multikolinieritas dapat diketahui atau dilihat dari koefisien korelasi masing-masing variable bebas. Jika koefisien korelasi di antara masing-masing variable bebas lebih besar dari 0,8 maka terjadi multikolinieritas. Hipotesis yang digunakan adalah:
H0: Tidak terjadi multikolinieritas H1: Terjadi multikolinieritas
d. Uji Heteroskedastisitas
Salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model bersifat BLUE adalah semua residual atau error
mempunyai varian yang sama dan bersifat konstan atau disebut dengan
homoskedastisitas. Sedangkan bila varian error-nya (Y) tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas.
Heteroskedasitas muncul apabila nilai varian dari variabel teikat (Yi) meningkat sebagai meningkatnya varian dari variabel bebas (Xi), maka varian dari Yi adalah tidak sama.Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain.Data yang baik adalah data yang bersifat homoskedastisitas.
Pengujian heteroskedastisitas dalam penelitian ini menggunakan Uji White (White’s General Heteroscedasticity Test). Uji ini mengasumsikan bahwa varian error merupakan fungsi yang mempunyai
hubungan dengan variabel bebas, dan interaksi antar variabel bebas.34 Apabila nilai probabilitas Chi-Square pada Obs*R-squared lebih besar dari α= 0,05 (5%) dapat diputuskan bahwa tidak terdapat heteroskedastisitas. Hipotesis yang digunakan adalah:
H0: Tidak ada heteroskedastisitas H1: Ada heteroskedastisitas
4. Koefisien Determinasi (R2)
Koefisien determinasi (Goodness of Fit), yang dinotasikan dengan R2 ataupun Adjusted R2 adalah uji kecocokan model regresi yang dibentuk. Koefisien determinasi bertujuan untuk mengetahui berapa besar peran atau kontribusi dari beberapa variabel bebas (independen) yang terdapat dalam persamaan regresi tersebut dalam menjelaskan nilai variabel terikat (dependen).
Semakin besar nilai R2, semakin bagus atau semakin tepat atau cocok suatu garis regresi. Sebaliknya, semakin kecil maka semakin tidak tepat garis regresi tersebut untuk mewakili data hasil observasi. Nilai R2 terletak antara 0 dan 1 (0 ≤ R2 ≤ 1).35
5. Uji Hipotesis
Uji hipotesis berguna untuk memeriksa atau menguji apakah koefisien regresi yang didapat signifikan (berbeda nyata). Maksud dari signifikan ini adalah suatu nilai koefisien regresi yang secara statistik tidak sama dengan
34
Nachrowi dan Hardius, Pendekatan Populer dan Praktis Ekonometrika Untuk Analisis Ekonomi dan Keuangan, (Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, 2006), h. 118
35
nol. Jika koefisien slope sama dengan nol, berarti dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikat. Ada beberapa jenis uji hipotesis yang digunakan dalam penelitian ini, yaitu:
a. Uji F-Statistik
Uji F digunakan untuk menguji hubungan semua variabel independen terhadap variabel dependen secara simultan (bersama-sama). Pengujian ini dilakukan untuk mengetahui secara simultan apakah variabel independen berpengaruh secara signifikan atau tidak terhadap variabel dependen.
Uji F dilakukan dengan membandingkan nilai Fhitung dengan Ftabel dengan tingkat signifikan 0,05.
Untuk menilai Ftabel digunakan rumus:
Keterangan:
n = Jumlah observasi
k = Variabel independen ditambah variabel dependen
Jika Fhitung > Ftabel, menunjukkan variabel independen berpengaruh signifikan terhadap variabel dependen secara simultan.
Jika Fhitun < Ftabel, menunjukan tidak berpengaruh signifikan variabel independen terhadap variabel dependen secara simultan.
H0 : Variabel independen secara simultan tidak berpengaruh signifikan terhadap variabel dependen.
H1 : Variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen.
b. Uji t-statistik
Pengujian ini dilakukan untuk mengetahui ada tidaknya pengaruh dari masing-masing variabel independen terhadap variabel dependen secara parsial (individual).
Uji t juga dapat dilakukan dengan membandingkan thitung dengan ttabel. Pengujian dilakukan dengan taraf signifikasi 0,05 atau tingkat kepercayaan 95% menggunakan pengujian dua sisi (2-tailed).
Adapun hipotesis dalam uji model ini adalah:
H0 : Variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen.
H1 : Variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.
Untuk menghitung ttabel digunakan rumus:
Keterangan :
n : Jumlah observasi
k : Variabel independen ditambah variabel dependen Kriteria pengujian yang digunakan sebagai berikut:
1. H0 diterima dan H1 ditolak apabila tstatistik < ttabel. Berarti variabel independen tidak berpengaruh secara signifikan terhadap variabel dependen.
2. H0 ditolak dan H1 diterima apabila tstatistik > ttabel. Berarti variabel independen berpengaruh secara signifikan terhadap variabel dependen.
