75
c. Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu
pengamatan ke pengamatan yang lain. Metode yang digunakan untuk mendeteksi adanya heteroskedastisitas pada penelitian ini adalah uji
white. Pengujian heteroskedastisitas dilakukan dengan bantuan perangkat lunak Eviews 6.0, dan diperoleh hasil regresi seperti pada
tabel berikut :
Tabel 4.2 Hasil Uji
White Heteroskedasticity Test
Heteroskedasticity Test: White F-statistic
1.173357 Prob. F9,21 0.3604
ObsR-squared 10.37276 Prob. Chi-Square9
0.3212 Scaled explained SS
5.612719 Prob. Chi-Square9 0.7780
Sumber: Lampiran 2 Dari tabel diatas diketahui bahwa nilai probabilitas dari Chi-
Square sebesar 0.3212 yang lebih besar dari nilai α sebesar 0.05.
karena nilai probabilitas Chi Square lebih besar dari α = 5 maka Ho
diterima sehingga dapat disimpulkan bahwa dalam model tidak ada masalah heteroskedastisitas Agus Widarjono, 2005.
d. Autokorelasi
Untuk mendeteksi masalah autokorelasi digunakan uji Langrange Multiplier LM-test. Uji ini sangat berguna untuk
mengidentifikasi masalah autokorelasi tidak hanya pada derajat pertama first order tetapi juga digunakan pada tingkat derajat. Uji
autokorelasi juga bisa dilihat dari nilai probabilitas Chi Square. Jika
76 probabilitas Chi Square lebih besar dari tingkat signifikansi 5 maka
tidak terdapat autokorelasi dan sebaliknya jika probabilitas Chi Square lebih kecil dari
α 5 maka terdapat autokorelasi.
Tabel 4.3 Hasil Regresi
LM-Test
Breusch-Godfrey Serial Correlation LM Test: F-statistic
4.737313 Prob. F2,25 0.0180
ObsR-squared 8.519699 Prob. Chi-Square2
0.0141
Sumber: Lampiran 2 Dari tabel di atas diketahui bahwa koefisien nilai probabilitas
dari Chi-Square sebesar 0.0141 yang lebih kecil dari nilai α sebesar
0.05. Karena nilai probabilitas Chi-Square lebih kecil dari α = 5
maka Ho ditolak sehingga dapat disimpulkan bahwa di dalam model terdapat masalah autokorelasi, agar model yang diestimasi tetap
bersifat BLUE, maka permasalahan autokorelasi tersebut harus disembuhkan. Berikut hasil regresi penyembuhan autokorelasi:
Tabel 4.4 Hasil Penyembuhan Regresi
LM-Test
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.965270 Prob. F2,24 0.3952
ObsR-squared 2.233513 Prob. Chi-Square2
0.3273
Sumber: Lampiran 2 Dari tabel diketahui bahwa koefisien nilai probabilitas dari Chi-
Square sebesar 0.3273 yang lebih besar dari nilai α sebesar 0.05.
Karena nilai probabilitas Chi-Square lebih besar dari α = 5 maka Ho
diterima sehingga dapat disimpulkan bahwa di dalam model tidak terdapat masalah autokorelasi Agus Widarjono, 2005.
77
2. Uji Akar-Akar Unit Testing for Unit Root