Uji Normalitas Pengujian Asumsi Klasik

92 Gambar 4.3 Scatterplot Sumber: Data diolah Berdasarkan tampilan Scatterplot pada gambar 4.3 di atas maka dapat disimpulkan bahwa plot menyebar secara acak diatas maupun dibawah angka nol pada sumbu Regression Studentized Residual. Oleh karena itu pada model regresi yang dibentuk dinyatakan tidak terjadi gejala heteroskedastisitas. 2. Metode Bresch Pagan Godfrey Berikut adalah hasil dari pengujian heteroskedastisitas dengan metode Bresch Pagan Godfrey pada tabel 4.4 dibawah ini: Tabel 4.4 Hasil Uji Heteroskedastisitas Metode Bresch Pagan Godfrey Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .356 a .127 .064 1.35315E14 a. Predictors: Constant, INF, SBIS, BHN, SB ANOVAb Model Sum of Squares df Mean Square F Sig. Regression 1.465E29 4 3.663E28 2.001 .107 a Residual 1.007E30 55 1.831E28 Total 1.154E30 59 a. Predictors: Constant, INF, SBIS, BHN, SB b. Dependent Variable: pi 93 Berdasarkan tabel Model Summary dapat diperoleh nilai R Square yaitu 0,127. sedangkan nilai dari tabel ANOVA b diperoleh nilai TSS Total Sum of Square, yaitu 1,54. Dengan demikian dapat dihitung besarnya nilai ESS Explained Sum of Square yaitu : ESS= x TSS ESS=0,127 x 1,154 = 0,147 Dengan diketahuinya nilai ESS maka dapat dihitung hitung yaitu : = = = 0,0735 Berdasarkan nilai tabel dengan df=0,05, 4-1 =7,815 karena nilai hitung 0,0735 tabel 7,815 maka pada model regresi yang terbentuk dinyatakan tidak terjadi gejala heteroskedastisitas

d. Uji Autokorelasi

Uji Autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu time-series atau ruang cross section. Salah satu penyebab munculnya masalah Autokorelasi adalah adanya kelembaman inertia artinya kemungkinan besar akan mengandung saling ketergantungan interdependence pada data observasi periode sebelumnya dan periode sekarang. 94 Salah satu ukuran dalam menentukan ada tidaknya masalah otokorelasi adalah dengan uji Durbin-Watson DW. Berikut adalah hasil uji otokorelasi dengan metode Durbin Watson DW pada tabel 4.5 di bawah ini: Tabel 4.5 Uji Durbin Watson DW Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .842 a .709 .688 3044969.8013788 .733 a. Predictors: Constant, INF, SBIS, BHN, SB b. Dependent Variable: DM Sumber: Data diolah Berdasarkan pada tabel 4.5 diatas nilai Durbin-Watson DW sebesar 0,733. Maka dapat disimpulkan pada model regresi ini tidak terdapat gejala otokorelasi karena nilai DW diantara -2 dan +2.

3. Koefisien Determinasi R

Square Koefisien determinasi atau R square merupakan besarnya kontribusi variabel bebas terhadap variabel terikatnya. Semakin tinggi koefisien determinasi, semakin tinggi kemampuan variabel bebas dalam menjelaskan variasi perubahan pada variabel terikatnya. Koefisien determinasi memiliki kelemahan, yaitu bias terhadap jumlah variabel bebas yang dimasukkan dalam model regresi di mana setiap penambahan satu variabel bebas dan jumlah pengamatan dalam model akan meningkatkan nilai R Square meskipun variabel yang dimasukkan tersebut tidak memiliki pengaruh yang signifikan terhadap variabel terikatnya. Untuk mengurangi kelemahan