83 Setelah data diolah dengan menggunakan aplikasi pengolah eviews
6.0 maka didapat hasil sebagai berikut:
Gambar 4.5 Histogram-Normalitas Test
Sumber: Data sekunder yang diolah
Dari gambar diatas dapat dilihat bahwa nilai probabilitasnya adalah 0,672925, karena nilai 0,672925
dari derajat kesalahan α 5 yaitu 0,05 maka data tersebut dinyatakan berdistribusi normal sehingga bisa
dilanjutkan kepengujian selanjutnya.
c. Hasil Uji Heteroskedasitas
Uji Heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heterokedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas Ghozali, 2006.
4 8
12 16
20
-0.2 -0.1
-0.0 0.1
0.2
Series: Residuals Sample 2006M02 2011M12
Observations 71
Mean -2.44e-18
Median -0.003906
Maximum 0.183628
Minimum -0.184012
Std. Dev. 0.078906
Skewness -0.132555
Kurtosis 2.555571
Jarque-Bera 0.792242 Probability
0.672925
84 Untuk melihat terdapat masalah heteroskedasitas atau tidak dapat
dilihat nilai probabilitas
OBSR
2
0,05, maka data tidak mengalami masalah heteroskedasitas sebaliknya jika nilai probabilitas OBSR
2
0,05, maka data mengalami heteroskedasitas.
Berikut hasil data yang diolah dengan menggunakan eviews 6.0:
Tabel 4.6 Hasil Uji Heteroskedasitas
Heteroskedasticity Test: White
F-statistic
1.542975
Prob. F9,49
0.1535
ObsR-squared
13.16603
Prob. Chi-Square9
0.1552
Scaled explained SS
9.119008
Prob. Chi-Square9
0.4264
Sumber: Data sekunder yang diolah Berdasarkan tabel diatas dapat dilihat nilai OBSR adalah
0.1552
, karena nilai
0.1552
dari derajat kesalahan α 5 yaitu 0,05, maka model tidak mengalami gejala heteroskedasitas sehingga penelitian dapat dilanjutkan
kepengujian selanjutnya.
d. Hasil Uji Multikolinearitas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2006.
Keadaan ini hanya terjadi pada regresi linear berganda karena jumlah variabel independen lebih dari satu sedangkan pada kasus regresi
sederhana, tidak mungkin adanya kasus multikolinieritas karena variabel independennya hanya terdiri dari satu variabel. Namun jika data masih
85 terdapat gejala multikolineritas data dapat diperbaiki dengan
menggunakan transformasi variabel ke dalam bentuk differensi pertama. Apabila hubungan diantara variabel bebas yang satu dengan yang
lainnya diatas
0,85 maka
dapat dipastikan
terdapat gejala
multikolinearitas. Berikut hasil setelah diolah dengan eviews 6.0:
Tabel 4.7 Hasil Korelasi Uji Multikolinearitas
LNKURS SBI
LNJUB LNKURS
1.000000 0.178845
-0.052158 SBI
0.178845 1.000000
-0.837143 LNJUB
-0.052158 -0.837143
1.000000
Sumber: Data sekunder yang diolah
Terlihat dari tabel diatas nilai korelasi variabel independen hanya mencapai 0.837143, karena nilai 0.837143 0,85 maka diputuskan tidak
terjadi gejala multikolinearitas sehingga dapat dilanjutkan ke pengujian selanjutnya.
e. Hasil Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat hubungan residual antar waktu pada model penelitian yang digunakan
sehingga estimasi menjadi bias. Uji Breusch-Godfrey dapat digunakan untuk mengidentifikasi
terjadinya masalah autokorelasi atau tidak, jika nilai probabilitas X
2
lebih besar dari nilai signifikan α=5 0,05 maka model penelitian terbebas dari masalah autokorelasi dan sebaliknya jika nilai probabilitas