BAB III METODE PENELITIAN 3.1 Objek Penelitianrepository.upi.edu/8047/4/s_pek_056698_chapter3.pdf · mempengaruhi pendapatan usaha produsen pakaian jadi di Cigondewah. Adapun ...

Aris Kusuma Wijaya, 2012 Pengaruh Skala Usaha dan Perilaku Kewirausahaan terhadap Pendapat Usaha Produsen Pakaian di Cigondewah Universitas Pendidikan Indonesia | repository.upi.edu

BAB III

METODE PENELITIAN

3.1 Objek Penelitian

Penelitian yang penulis lakukan adalah meneliti tentang faktor-faktor yang

mempengaruhi pendapatan usaha produsen pakaian jadi di Cigondewah. Adapun

variabel-variabel dalam penelitian ini adalah terdiri dari dua variabel bebas dan

satu variabel terikat. Yang menjadi variabel bebas diantaranya skala usaha (X1)

dan perilaku kewirausahaan (X2), sedangkan variabel terikatnya adalah

pendapatan (Y). Objek dalam penelitian ini adalah para pengusaha/produsen

pakaian jadi yang ada di Cigondewah.

3.2 Metode Penelitian

Metode merupakan cara yang dilakukan atau yang diambil oleh peneliti

untuk mengkaji masalah-masalah yang dihadapi.

”Metode penelitian pada dasarnya merupakan cara ilmiah untuk

mendapatkan data dengan tujuan tertentu”Suharsimi Arikunto (2002:136)

”Metode penelitian adalah cara yang digunakan oleh peneliti dalam

mengumpulkan data penelitiannya.”

Untuk itu peneliti harus memilih salah satu metode penelitian yang sesuai

agar masalah yang ada dapat dipecahkan dengan tepat. Adapun metode yang

digunakan dalam penelitian ini adalah metode survey eksplanatory atau

penjelasan. ”Metode survey eksplanatory yaitu suatu metode penelitian yang

mengambil sampel dari satu populasi dan menggunakan kuesioner sebagai alat


pengumpulan data yang pokok dan menjelaskan hubungan kausal antara variabel-

variabel melalui pengujian hipotesis.” (Masri Singarimbun, 1995:5)

3.3 Populasi dan Sampel

3.3.1 Populasi

Populasi merupakan keseluruhan dari subjek penelitian. Suharsimi

Arikunto (2003: 130-131) mengemukakan bahwa ”Populasi adalah keseluruhan

subjek penelitian atau totalitas kelompok subjek, baik manusia, gejala, nilai,

benda-benda atau peristiwa yang menjadi sumber data untuk suatu penelitian.”

Sedangkan menurut Sugiyono (2006: 51) ”Populasi adalah wilayah generalisasi

yang terdiri atas objek/subjek yang mempunyai kuantitas dan karakteristik tertentu

yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik

kesimpulannya.”

Berdasarkan definisi tersebut, dan berdasarkan masalah yang hendak

diteliti maka yang menjadi ukuran populasi dalam penelitian ini adalah seluruh

produsen pakaian jadi di Cigondewah yang berjumlah 125 produsen pakaian jadi

yang tersebar di daerah Cigondewah, data ini didapat dari hasil survey secara acak

yang dilakukan oleh penulis. Sebanyak 26 produsen tercatat sebagai produsen

skala besar dan 99 produsen skala kecil menengah dilihat dari besaran pendapatan

yang didapatkannya secara objektif. Penulis memilih sumber penelitian pakaian

jadi di Cigondewah karena besaran pengusaha yang mengalami penurunan

pendapatan hampir seluruh responden yang didapat dari hasil survey pra

penelitian.


3.3.2 Sampel

Menurut Suharsimi Arikunto (2003: 117) “Sampel adalah sebagian atau

wakil populasi yang diteliti.” Sedangkan menurut Sugiyono (2006: 56) “Sampel

adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi

tersebut.” Karena penelitian ini tidak mungkin dilakukan pada semua produsen,

mengingat jumlah populasinya yang cukup besar, dan juga tidak semua data dan

informasi akan diproses dan tidak semua orang atau benda akan diteliti melainkan

cukup dengan menggunakan sampel yang mewakilinya.

Masih diungkapkan oleh Suharsimi Arikunto (2002: 112), untuk sekedar

ancer-ancer maka apabila subjek kurang dari 100 maka lebih baik diambil semua,

sehingga penelitian ini merupakan penelitian populasi. Selanjutnya jika jumlah

subjeknya besar dapat diambil antara 10% - 15% atau 20%-25% atau lebih

tergantung setidak-tidaknya dari :

a. Kemampuan peneliti dilihat dari waktu, tenaga dan dana

b. Sempit luasnya wilayah pengamatan dari setiap subjek, karena hal ini

menyangkut banyak sedikitnya data

c. Besar kecilnya resiko yang ditanggung peneliti

Selain itu, kriteria pengambilan sampel harus memenuhi beberapa syarat,

yaitu sampel yang diambil harus dapat memberikan gambaran yang bisa dipercaya

mengenai populasi secara keseluruhan, dapat menentukan presisi yaitu tingkat

ketetapan yang ditentukan oleh perbedaan hasil yang diperoleh dari catatan

lengkap, dengan syarat bahwa keadaan dimana kedua metode dilakukan sama,


sederhana sehingga mudah dilaksanakan, dapat memberikan hasil yang maksimal

dengan resiko biaya minimal.

Mengacu pada pendapat para ahli di atas dan karena keterbatasan akan

waktu dan biaya yang dimiliki penulis, maka teknik pengambilan sampel yang

digunakan dalam penelitian ini adalah teknik proportional random sampling

seperti yang dikatakan Kartono (Skripsi Noria Mardiyani, 2010 : 67) yang

dimaksud proportional random sampling, yaitu sampel yang terdiri atas sub

sampel yang besarnya sesuai dengan sub populasi yang diambil secara random

atau acak dengan pengambilan sampel secara proporsional.

. Dalam penentuan jumlah sampel produsen pakaian di Cigondewah,

dilakukan melalui perhitungan dengan menggunakan rumus slovin sebagai

berikut:

𝑛 = 𝑁

1 + 𝑁𝑒2

(Riduwan, 2004: 65)

Keterangan:

n = Ukuran sampel keseluruhan

N = Ukuran populasi

e = Persen kelonggaran ketidaktelitian karena kesalahan

Dengan menggunakan rumus di atas didapat sampel pengusaha tekstil

Cigondewah sebagai berikut:

𝑛 = 𝑁

1 + 𝑁𝑒2 =

125

1 + 125 (0.05)2

= 95.238 𝑎𝑡𝑎𝑢 95


Dari perhitungan di atas, maka ukuran sampel minimal dalam penelitian ini adalah

95 produsen pakaian jadi di Cigondewah

3.4 Operasional Variabel

Operasionalisasi variabel dilakukan untuk menghindari kekeliruan dalam

penafsiran masalah sehingga harus diberi batasan secara operasional.

Operasionalisasi variabel yang akan di teliti di kelompokkan ke dalam tiga konsep

yaitu, konsep teoritis, konsep empiris dan konsep analisis. Konsep teoritis yaitu

mendefinisikan konstruk dengan konstruk lain. Kemudian konsep empiris adalah

mendefinisikan konstruk atau variabel penelitian menurut dimensi dan atau

indikator yang dapat diukur secara empiris, serta konsep analitis adalah

menguraikan dari mana data diperoleh dan bagaimana format alat pengumpulan

data akan disusun. (Kusnendi, 2005: 60). Adapun bentuk operasionalisasinya pada

tabel :

Tabel 3.1

Operasionalisasi Variabel

Variabel Konsep Teoritis Konsep Empiris Konsep Analitis Skala

Pendapatan

(Y)

Jumlah hasil

seluruh

penerimaan yang

diterima oleh

pengusaha

Jumlah

pendapatan yang

diterima oleh

produsen pakaian

jadi pada satu

bulan terakhir

dinyatakan

dengan rupiah

Data diperoleh dari

jawaban responden

yang diukur dari

total penerimaan

yang didapat

TR= P.Q

Dimana:

P = harga / unit

Q = Kuantitas

barang yang terjual

Rasio


SkalaUsaha

(X1)

Pengaruh

peningkatan skala

input terhadap

kuantitas output

yang diproduksi

yang

mencerminkan

keresponsifan

produk total

bilamana semua

input ditingkatkan

secara

proporsional

Perbandingan

sejauh mana output

berubah akibat

perubahan tertentu

dalam kuantitas

semua input yang

dipakai dalam

produksi

Data diperoleh dari

jawaban responden

menurut Tingkat

skala usaha diukur

oleh elastisitas biaya

dengan rumus

Q

TCc

%

%

(James L Papas

(1995:391)

Keterangan:

c = elastisitas

biaya

TC = selisih

biaya produksi

Q = selisih

produksi

Q = jumlah

produksi awal

TC = jumlah biaya

produksi awal

Interval

Perilaku

Kewirausaha

an

(X2)

Proses pene-

rapan kreativitas

dan inovasi

untuk meme-

cahkan masalah

dan menggali

peluang yang

dihadapi setiap

orang dalam

setiap hasil

Perilaku

kewirausahaan

dilihat dari delapan

karakteristik yan

dikemukakan

oleh Scarborough

dan Thomas W.

Zimmerer dalam

(Suryana,

2006:24) sebagai

berikut :

Desire for

responsibility

data diperoleh dari

jawaban responden

yang diukur dari

indikator perilaku

kewirausahaan :

Memiliki

tanggung jawab

atas usaha :

- siap ganti

rugi

- jaminan

kesehatan

pekerja

Ordinal


Preference for

moderat risk

Confidence in

their ability to

success

Desire for

immediate

feedback

High level of

energy

Future

orientation

Skill at

organizing

Tidak

melakukan

spekulasi

- Menjanjikan

sesuatu di

luar batas

kemampuan

Menunjukan

kepercayaan

diri yang besar

- Memiliki

cirri khas

dari barang

produksi

Melakukan

antisipasi dari

perubahan

iklim usaha

- Differensiasi

produk

- Update motif

Memiliki

semangat tinggi

- Ada target

- Ada rancang

waktu

Mengelola

berdasarkan

perencanaan

masa depan.

- Perbesar

usaha

- buka usaha

di tempat

lain

-

Memiliki

Keahlian dalam

menangani

usaha

- Pengkoordi

nasian usaha


Value of

achievement

over money

- Penghitung

an

manajemen

usaha

Menilai uang

sebagai sumber

daya bukan

tujuan akhir

- Kegiatan

sosial

- Investasi

lanjutan

3.5 Teknik Pengumpulan Data

Teknik pengumpulan data adalah cara dan alat yang dipakai dalam

memperoleh informasi atau keterangan mengenai objek penelitian. Berdasarkan

jenisnya, data yang digunakan dalam penelitian ini adalah data primer dan data

sekunder. Adapu cara Pengumpulan data dalam penelitian ini sesuai yang

dikemukakan Suryana (2000: 20)adalah sebagai berikut :

a. Wawancara yaitu pengumpulan data dengan mengumpulkan pertanyaan

secara langsung dan menggunakan daftar pertanyaan kepada responden

tentang objek penelitian.

b. Observasi, yaitu proses pencatatan pola perilaku subyek (orang), obyek

(benda) atau kejadian yang sistematik tanpa adanya pertanyaan atau

komunikasi dengan yang diteliti.

c. Angket atau kuisioner yaitu pengumpulan data dengan mengumpulkan

pertanyaan secara langsung dan menggunakan daftar pertanyaan kepada

responden tentang objek penelitian.


Agar data yang kita perlukan sesuai dengan apa yang kita harapkan, maka

ada beberapa prosedur dalam pengambilan data diantaranya:

a. Pengurusan surat izin penelitian pada pihak-pihak yang bersangkutan.

b. Penyusunan dan penyeleksian responden.

c. Penyusunan pertanyaan berupa perilaku kewirausahaan, skala usaha,

dan pendapatan.

d. Menyebarkan angket pada setiap responden

e. Mentabulasi data angket dan menganalisis hasil angket.

f. Melaporkan hasil penelitian.

3.6 Teknik Analisis Data

3.6.1 Menghitung Koefisien Regresi

Model analisis yang digunakan untuk melihat pengaruh antara variabel-

variabel bebas terhadap variabel terikat yaitu hubungan antara skala usaha (X1),

dan perilaku kewirausahaan (X2) terhadap pendapatan (Y) serta untuk menguji

kebenaran dari hipotesis akan digunakan model persamaan regresi linear berganda

sebagai berikut:

a. Hubungan antara variabel X dengan Y:

Y = β0 + β1X1 + β2X2 + ε

Keterangan: Y = Pendapatan

X1 = Skala Usaha

X2 = Perilaku Kewirausahaan

β0 = Konstanta

βi = Koefisien regresi

ε = disturbance term (variabel pengganggu)

β1, β2 = koefisien masing-masing variabel


Persamaan regresi diatas harus bersifat BLUE (Best Linear Unbiased

Estimated), artinya pengambilan keputusan melalui uji F dan t tidak boleh bias.

b. Menentukan nilai koefisien regresi β0, β1, dan β2 dengan metode kuadrat

terkecil (Ordinary Least Squere).

c. Melakukan pengujian regresi linear berganda, meliputi uji koefisien regresi,

serta uji asumsi.

3.6.2 Menghitung Koefisien Determinasi

Koefisien determinasi (R2) merupakan cara untuk mengukur ketepatan

suatu garis regresi. Menurut Damodar Gujarati (1998: 98) dijelaskan bahwa

Koefisien determinasi (R2) yaitu angka yang menunjukkan besarnya derajat

kemampuan menerangkan pengaruh variabel bebas terhadap variabel terikat dari

fungsi tersebut. Untuk mencari rumus R2 digunakan rumus:

2

1

2

2

2 32,132,3,2,1ˆ

ii

i

y

iyixbiyxb

y

y

TSS

ESSR

knFk

FkR

1

12 Damodar Gujarati (1998)

Nilai R2 berkisar antara 0 dan 1 (0<

2<1). Dengan ketentuan sebagai berikut :

1) Jika R2 semakin mendekati 1, maka hubungan antara variabel bebas

dengan variabel terikat semakin erat/dekat, atau dengan kata lain model

tersebut dapat dinilai baik.

2) Jika R2 semakin menjauhi angka 1, maka hubungan antara variabel bebas

dengan variabel terikat jauh atau tidak erat, dengan kata lain model

tersebut dapat dinilai kurang baik.


3.6.3 Pengujian Hipotesis

Sesuai dengan rumusan masalah bahwa pengujian hipotesis terbagi

menjadi uji statistik secara simultan dan uji statistik secara parsial.

3.6.3.1 Uji Statistik F (Uji Signifikansi Simultan)

Uji F hitung bertujuan untuk menghitung pengaruh bersama variabel bebas

secara keseluruhan terhadap variabel terikat. Rumus yang digunakan adalah

(Damodar Gujarati, 1998: 116)

Keterangan: R = nilai koefisien korelasi ganda

k = jumlah variabel bebas

n = jumlah sampel

Untuk melakukan uji signifikansi simultan dapat dilakukan dengan dua

cara yaitu dengan melihat tingkat signifikansi dan dengan membandingkan F hitung

dengan F tabel.

Hipotesis :

H0 : Tidak terdapat pengaruh secara simultan X1,2,3 terhadap Y.

Ha : Terdapat pengaruh secara simultan X1,2,3 terhadap Y.

Jika probabilitasnya < 0,05 maka H0 ditolak.

Jika probabilitasnya > 0,05 maka H0 diterima.

Sedangkan uji signifikansi simultan dengan membandingkan Fhitung dengan Ftabel,:

Hipotesis :

H0 : Tidak terdapat pengaruh secara simultan X1,2,3 terhadap Y.

Ha : Terdapat pengaruh secara simultan X1,2,3 terhadap Y.

Jika Fhitung > Ftabel 0,05 maka H0 ditolak.

Jika F hitung < F tabel 0,05 maka H0 diterima

2

2

/

(1 ) / 1

R kF

R n k


3.6.3.2 Uji Statistik t (Uji Signifikansi Parsial)

Uji parsial atau uji t digunakan untuk mengetahui apakah masing-masing

variable X secara individu mampu menjelaskan variable Y. Uji t statistic ini

menggunakan rumus :

𝑡 =𝛽 1 − 𝛽1

𝑠𝑒(𝛽 1)

(Damodar Gujarati, 1998: 116)

Hipotesis dalam penelitian ini secara statistic dapat dirumuskan sebagai

berikut :

- Ho : β ≤ 0 artinya tidak ada pengaruh antara variable X terhadap

variable Y

- Ha : β > 0 artinya tidak ada pengaruh positif antara variable X terhadap

variable Y Kaidah keputusan :

Kriteria untuk menerima atau menolak hipotesis adalah menerima Ho jika

t hitung < t table dan menolak Ho jika t hitung > t table. dalam pengujian hipotesis

melalui uji t tingkat kesalahan yang digunakan peneliti adalah 5 % atau 0,05 pada

taraf signifikasi 95 %.

3.6.4 Uji Normalitas

Dengan diadakannya uji normalitas, maka dapat diketahui sifat distribusi

dari data penelitian. Dengan demikian dapat diketahui normal tidaknya sebaran

data yang bersangkutan. Uji normalitas adalah pengujian yang ditujukan untuk

mengetahui sifat distribusi data penelitian. Untuk mendeteksi normal tidaknya

faktor pengganggu dapat dipergunakan metode Jarque-Bera Test (JB-Test).

Menghitung nilai Jarque Bera statistik dengan menggunakan rumus:


22 34

1

6KS

kNJB

Di mana : S = Skweness, K = Kurtosis, N = jumlah data, dan k = jumlah

parameter dalam model (jumlah variabel independen ditambah konstanta).

Program Eviews, secara langsung menghitung nilai koefisien Jarque Bera.

Selanjutnya nilai JBhitung = χ2

hitung dibandingkan dengan χ2

tabel. Jika JBhitung > χ2

tabel

maka H0 yang menyatakan residual berdistribusi normal ditolak, begitupun

sebaliknya, Jika JBhitung < χ2

tabel maka H1 diterima berarti residual berdistribusi

normal diterima.

3.6.5 Uji Asumsi Klasik

3.6.5.1 Multikolinieritas

Multikolinearitas merupakan kejadian yang menginformasikan terjadinya

hubungan antara variabel- variabel bebas Xi dan hubungan yang terjadi cukup

besar. Hal ini senada dengan pendapat yang dikemukakan oleh Mudrajad Kuncoro

(2004: 98) bahwa uji multikolinearitas adalah adanya suatu hubungan liner yang

sempurna (mendekati sempurna) antara beberapa atau semua variabel bebas. Ini

suatu masalah yang sering muncul dalam ekonomi karena in economics,

everything depends on everything else.

Terdapat beberapa metode yang bisa dilakukan untuk mengetahui

Multikolinearitas diantaranya adalah :

Dalam menguji multikolinearitas di dalam model lebih tepat dilakukan

dengan Uji Klien melalui regresi masing-masing variabel independen terhadap

seluruh variabel independen lainnya, untuk mendapatkan nilai R2 masing-masing


regresi parsial. Regresi ini disebut auxiliary regression. Maka model yang

digunakan yaitu: X1= f(X2, X3,X4); X2 = f(X1, X3,X4). Kemudian nilai R2

masing-masing regresi parsial dibandingkan dengan nilai R2 model estimasi awal,

apabila R2

regresi parsial > R2

estimasi terjadi multikolinearitas.

Setiap koefisien determinasi (R²) dari regresi auxiliary ini kita gunakan

untuk menghitung distribusi F dan kemudian digunakan untuk mengevalusi

apakah model tersebut mengandung multikolinearitas atau tidak. Adapun formula

untuk menghitung nilai F hitung sebagai berikut :

𝐹𝑖 = 𝑅2𝑥1𝑥2…𝑥𝑘/ 𝑘 − 2

1 − 𝑅2𝑥1𝑥2. . 𝑥𝑘/ 𝑛 − 𝑘 + 1

Sedangkan nilai F kritis dari distribusi F didasarkan pada derajat

kebebasan n-k+1. Keputusan ada tidaknya unsure multikolinearitas adalah jika

𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑘𝑟𝑖𝑡𝑖𝑠 maka disimpulkan model mengandung multikolinearitas. Dan

sebaliknya, jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹𝑘𝑟𝑖𝑡𝑖𝑠 maka disimpulkan model tidak mengandung

multikonlinearitas.

3.6.5.2 Heteroskedastisitas

Salah satu asumsi regresi linier adalah adanya homoskedastis, yakni

seragam tidaknya variansi sampel-sampel yang diambil dari populasi yang sama.

Pada penelitian ini penulis akan mendeteksi heteroskedastis dengan menggunakan

metode grafik Scatterplot dengan kriteria sebagai berikut:

- Jika grafik mengikuti pola tertentu berarti pada model tersebut terjadi

heteroskedastis


- Jika pada grafik plot tidak mengikuti aturan atau pola tertentu maka pada

model tersebut tidak terjadi heteroskedastis.

Konsekuensi dari adanya heteroskedatisitas antara lain adalah menjadi

tidak efisiennya estimator OLS. Hal ini mengakibatkan varian tidak lagi

minimum, sehingga dapat menyesatkan kesimpulan terutama bila digunakan

untuk meramalkan.

Heteroskedastisitas muncul apabila kesalahan atau residual dari model

yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi

lainnya artinya setiap observasi mempunyai reliabilitas yang berbeda akibat

perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam

spesifikasi model.

Heteroskedastisitas dapat diuji dengan menggunakan Uji White (White

Test). Pengujian terhadap gejala heteroskedastisitas dapat dilakukan dengan

melakukan White Test, yaitu : 𝑟𝑠 = 1 − 6 2𝑑𝑖

𝑁(𝑁2−1

Dengan cara meregresi residual kuadrat dengan variabel bebas, variabel

bebas kuadrat dan perkalian variabel bebas. Ini dilakukan dengan membandingkan

χ2

hitung dan χ2tabel, apabila χ

2hitung > χ

2tabel maka hipotesis yang mengatakan bahwa

terjadi heterokedasitas diterima, dan sebaliknya apabila χ2

hitung < χ2

tabel maka

hipotesis yang mengatakan bahwa terjadi heterokedasitas ditolak. Dalam metode

White selain menggunakan nilai χ2

hitung, untuk memutuskan apakah data terkena

heteroskedasitas, dapat digunakan nilai probabilitas Chi Squares yang merupakan

nilai probabilitas uji White. Jika probabilitas Chi Squares < α, berarti Ho ditolak

jika probabilitas Chi Squares > α, berarti Ho diterima.


Dalam penelitian ini, penulis menggunakan Uji White dengan bantuan

Software Eviews. Dilakukan pengujian dengan menggunakan White

Heteroscedasticity Test yaitu dengan cara meregresi residual kuadrat dengan

variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas.

3.6.5.3 Autokorelasi

Dalam suatu analisa regresi dimungkinkan terjadinya hubungan antara

variabel- variabel bebas atau berkorelasi sendiri, gejala ini disebut autokorelasi.

Istilah autokorelasi dapat didefinisikan sebagai korelasi antara anggota

serangkaian observasi yang diurutkan menurut waktu atau ruang.

Autokorelasi merupakan suatu keadaan dimana tidak adanya korelasi

antara variabel penganggu (disturbance term) dalam multiple regression. Faktor-

faktor penyebab autokorelasi antara lain terdapat kesalahan dalam menentukan

model, penggunaan lag dalam model dan tidak dimasukkannya variabel penting.

Konsekuensi adanya autokorelasi menyebabkan hal-hal berikut:

- Parameter yang diestimasi dalam model regresi OLS menjadi bias dan varian

tidak minim lagi sehingga koefisien estimasi yang diperoleh kurang akurat dan

tidak efisien.

- Varians sampel tidak menggambarkan varians populasi, karena diestimasi

terlalu rendah (underestimated) oleh varians residual taksiran.

- Model regresi yang dihasilkan tidak dapat digunakan untuk menduga nilai

variabel terikat dari variabel bebas tertentu.

- Uji t tidak akan berlaku, jika uji t tetap disertakan maka kesimpulan yang

diperoleh pasti salah.


Adapun cara untuk mendeteksi ada atau tidaknya autokorelasi pada model

regresi, pada penelitian ini pengujian asumsi autokorelasi dapat diuji melalui

beberapa cara di bawah ini:

1. Metode Uji Langrange Multilier (LM) atau Uji Breusch Godfrey

Yaitu dengan membandingkan nilai χ2

tabel dengan χ2

hitung. Rumus untuk

mencari χ2

hitung sebagai berikut :

χ2

= (n-1)R2

Dengan pedoman : bila nilai χ2hitung lebih kecil dibandingkan nilai χ

2tabel

maka tidak ada autokorelasi. Sebaliknya bila nilai χ2

hitung lebih besar

dibandingkan dengan nilai χ2

tabel maka ditemukan adanya autokorelasi.

2. Uji Durbin Watson (DW) untuk mendeteksi autokorelasi, yaitu dengan Uji

DW menurunkan nilai kritis batas bawah (𝑑𝐿) dan batas atas (𝑑𝑈) sehingga

jika nilai d hitung terletak di luar nilai kritis ini maka ada tidaknya

autokorelasi baik positif atau negatif dapat diketahui. Penentuan ada

tidaknya autokorelasi dapat dilihat dengan jelas dalam tabel 3.2 di bawah

ini :

Tabel 3.2 Uji Statistik Durbin-Watson d

Nilai Statistik d Hasil

0 < d < 𝑑𝐿

𝑑𝑈 ≤ d ≤ 𝑑𝑈

𝑑𝑈≤ d ≤ 4 - 𝑑𝑈

4 - 𝑑𝑈 ≤ d ≤ 4 - 𝑑𝐿

4 - 𝑑𝐿 ≤ d ≤ 4

Menolak hipotesis nul ; ada autokorelasi positif

Daerah keragu-raguan ; tidak ada keputusan

Menerima hipotesis nul ; tidak ada autokorelasi ( + / - )

Daerah keragu-raguan ; tidak ada keputusan

Menolak hipotesis nul ; ada autokorelasi positif


Dibawah ini daerah-daerah penerimaan uji statistik Durbin Watson :

Gambar 3.1 : Grafik Statistik Durbin-Watson

Salah satu keuntungan dari uji DW yang didasarkan pada residual adalah

bahwa setiap program computer untuk regresi selalu member informasi statistic d,

adapun prosedur dari uji DW sebagai berikut :

1. Melakukan regresi metode OLS dan kemudian mendapatkan nilai

residualnya.

2. Menghitung nilai d dari persamaan regresi

3. Dengan jumlah observasi (n) dan jumlah variable independen tertentu

tidak termasuk konstanta (k), kita cari nilai 𝑑𝐿 dan 𝑑𝑈 di statistic Durbin

Watson

4. Keputusan ada tidaknya autokorelasi didasarkan pada tabel 3.3 diatas.

Untuk lebih memudahkan menentukan autokorelasi dapat juga digunakan

gambar 3.1

Dengan pedoman : bila nilai 𝑥 ℎ𝑖𝑡𝑢𝑛𝑔2 < 𝑥 𝑡𝑎𝑏𝑒𝑙

2 maka tidak autokorelasi.

Sebaliknya jika 𝑥 ℎ𝑖𝑡𝑢𝑛𝑔2 > 𝑥 𝑡𝑎𝑏𝑒𝑙

2 maka ditemukan autokorelasi

Autokorelasi

(+) Ragu-ragu

Tdk ada

Autokorelasi

Ragu-ragu

Autokorelasi

(-)

0 dU 4-dU 4-dL 4 dL 2

BAB III METODE PENELITIAN 3.1 Objek Penelitianrepository.upi.edu/8047/4/s_pek_056698_chapter3.pdf · mempengaruhi pendapatan usaha produsen pakaian jadi di Cigondewah. Adapun ...

Documents