Sekilas Gambaran Umum Objek Penelitian

73 Gambar 4.1 Hasil Uji Normalitas 2 4 6 8 10 12 14 -30 -20 -10 10 20 30 40 50 Series: Standardized Residuals Sample 2009 2014 Observations 60 Mean 7.34e-15 Median -1.706991 Maximum 47.98199 Minimum -25.94132 Std. Dev. 14.07977 Skewness 0.816972 Kurtosis 4.613589 Jarque-Bera 13.18361 Probability 0.001372 Sumber: Data sekunder yang diolah Dari histogram diatas, menunjukkan nilai Jarque Bera sebesar 13.18361, sementara nilai Chi Square dengan melihat jumlah variabel independen yang digunakan adalah variabel 4 dan nilai signifikansi yang digunakan adalah 0,05 atau 5, didapat nilai Chi Square tabel sebesar 9.48773, yang berarti nilai Jarque Bera hitung Chi Square tabel, maka Ho ditolak dan Ha diterima, yang berarti data dalam penelitian ini tidak terdisitribusi normal. Karena dari hasil uji normalitas diatas menunjukkan bahwa data penelitian tidak terdistribusi dengan normal, maka semua data variabel pada penelitian ini dilakukan LOG untuk mendapatkan hasil yang lebih baik. Berikut ini merupakan model regresi data panel yang akan digunakan pada penelitian ini setelah semua data di LOG: LOG DPR it = α + β1 LOGROA it + β2 LOGDER it + β3 LOGAG it + β4LOGDPRt-1 it + � it 74 Berikut ini merupakan histogram hasil uji normalitas setelah semua data variabel pada penelitian ini dilakukan LOG: Gambar 4.2 Hasil Uji Normalitas Setelah di LOG 2 4 6 8 10 -0.6 -0.4 -0.2 0.0 0.2 0.4 Series: Standardized Residuals Sample 2009 2014 Observations 60 Mean 6.37e-16 Median -0.009942 Maximum 0.466753 Minimum -0.644112 Std. Dev. 0.231522 Skewness -0.601087 Kurtosis 3.419204 Jarque-Bera 4.052379 Probability 0.131837 Sumber: Data sekunder yang diolah Dari histogram diatas, menunjukkan nilai Jarque Bera sebesar 4.052379, sementara nilai Chi Square dengan melihat jumlah variabel independen yang digunakan adalah 4 dan nilai signifikansi yang digunakan adalah 0,05 atau 5, didapat nilai Chi Square tabel sebesar 9.48773, yang berarti nilai Jarque Bera hitung Chi Square tabel, maka Ho diterima dan Ha ditolak, yang berarti data dalam penelitian ini terdistribusi normal. b. Uji Autokorelasi Uji autokolerasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t 75 dengan kesalahan pengganggu pada periode t-1. 70 Uji autokorelasi dapat dilihat dari nilai Durbin-Watson DW. Hasil output menunjukkan nilai DW dari persamaan regresi adalah sebesar 1.985809. Berdasarkan tabel Durbin Watson dengan n= 60 dan k= 4, maka diperoleh nilai dL= 1.4443 dan dU= 1.7274. Tabel 4.1 Tabel Autokorelasi dL dU 4-dU 4-dL 1.4443 1.7274 2.2726 2.5557 DW= 1.985809 Dari tabel diatas, dapat dilihat bahwa nilai DW dari model regresi yang terdapat dalam penelitian ini berada pada daerah yang tidak ada autokorelasi. Sehingga dapat disimpulkan bahwa data dalam penelitian ini tidak berada dalam masalah autokorelasi. 70 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 19, Semarang: Badan Penerbit Universitas Diponegoro, 2011, h.110. Ada autokorelasi positif Tidak dapat diputuskan Tidak ada autokorelasi Tidak dapat diputuskan Ada autokorelasi negatif