Tabel 4.3 Hasil Uji Multikolinearitas
Sumber: Lampiran 5 Dari hasil uji multikolinearitas pada tabel 4.3, diperoleh hasil nilai
VIF pada variabel independen yaitu Inflasi, Kurs dan BI rate VIF 10. Maka dapat disimpulkan bahwa tidak terdapat multikolinearitas pada model
ini.
4. Uji Autokorelasi
Menurut Gujarati dan Dawn 2009: 8, istilah korelasi diartikan sebagai korelasi diantara anggota seri dari observasi-observasi yang
diurutkan berdasarkan waktu seperti pada data time series atau tempat seperti pada data cross section. Salah satu uji yang dapat digunakan untuk
mendeteksi adanya autokorelasi adalah dengan menggunakan uji Breusch- Godfrey BG
atau yang biasa dikenal dengan uji Lagrange Multiplier. Kreteria untuk mendeteksi ada tidaknya masalah autokorelasi adalah nilai
Prob. ObsR-squared lebih besar dari tingkat alpha 0,05 5 sehingga, H0 diterima yang artinya tidak terjadi autokorelasi. Sebaliknya, apabila nilai
Prob. ObsR-squared lebih kecil dari 0,05 maka dapat disimpulkan terjadi autokorelasi.
Variance Inflation Factors
Variable Uncentered VIF
Centered VIF Inflasi
16,36142 1,545502
Kurs 13646,50
2,068057 BI rate
21,5974 2,431862
Tabel 4.4 Hasil Uji Autokorelasi
Correlation LM Test
F-statistic 145,6535
ObsR-square 58,70051
Prob. F2,66 0,0000
Prob. Chi-Square2 0,0000
Sumber: Lampiran 6 Dari hasil Uji LM yang telah dilakukan, didapatkan hasil nilai Prob.
ObsR-squared sebesar 0,0000. Karena Prob. ObsR-squared lebih kecil
dari tingkat alpha 0,05, maka model terindikasi terjadi autokorelasi. Untuk menyelesaikan masalah autokorelasi ini dapat digunakan
metode Difference yaitu dengan cara men-Difference-kan seluruh variabel Di Asih, 2014: 23. Dengan menggunakan metode tersebut diperoleh hasil
sebagai berikut: Tabel 4.5 Hasil Uji Autokorelasi Difference
Correlation LM Test
F-statistic 1,322021
ObsR-square 2,775219
Prob. F2,65 0,2737
Prob. Chi-Square2 0,2497
Sumber: Lampiran 7 Dari hasil Uji LM yang telah dilakukan, didapatkan hasil nilai Prob.
ObsR-squared sebesar 0,2737. Karena Prob. ObsR-squared lebih besar
dari tingkat alpha 0,05, dengan demikian pada model tidak terdapat autokorelasi.
5. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk mengetahui apakah dalam model, residual memiliki varians yang konstan atau tidak. Model regresi
yang baik harus homokedastis varians dari residual konstan. Residual
memiliki varians yang konstan atau tidak dapat dideteksi dengan uji Heterokedasticity White
, apabila ditemukan Prob taraf sig 5 dapat
disimpulkan tidak terjadi heterokedastisitas Gujarati, 2006: 94. Dengan menggunakan metode tersebut diperoleh hasil sebagai berikut:
Tabel 4.6 Hasil Uji Heteroskedastisitas
Heteroskedastisitas Test: White
F-statistic 4,137779
ObsR-square 27,01814
Prob. F3,68 0,0003
Prob. Chi-Square3 0,0613
Sumber: Lampiran 8 Dari hasil Uji White yang telah dilakukan, didapatkan hasil nilai Prob
sebesar 0,0613. Karena nilai Prob lebih besar dari tingkat alpha
0,05, maka model tidak terjadi Heteroskedastisitas.
C. Hasil Estimasi