3.2.4 Uji Multikolinearitas
Multikolinearitas adalah kondisi adanya hubungan linear antara variabel bebas. Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antara variabel bebas. Cara yang digunakan untuk menguji gejala multikolinearitas dalam penelitan ini adalah dengan melihat Correlation Matrix.
Data dikatakan teridentifikasi multikolinearitas apabila koefisien korelasi antar variabel bebas lebih dari atau sama dengan 0,8 Gujarati, 2003. Tabel 3.10
berikut menunjukkan hasil koefisien korelasi antar variabel bebas.
Tabel 3.10 Correlation Matrix Antar Variabel Bebas
Variabel SB
LP PR
JKB HB
1 2
3 4
5 6
SB 1,000000
0,671376 0,441759
0,560566 -0,070700
LP 0,671376
1,000000 0,357551
0,479505 -0,205480
PR 0,441759
0,357551 1,000000
0,292000 0,029024
JKB 0,560566
0,479505 0,292000
1,000000 0,632035
HB -0,070700
-0,205480 0,029024
0,632035 1,000000
Keterangan: SB
= stok beras LP
= luas areal panen padi PR
= rata-rata produksi padi JKB
= jumlah konsumsi beras HB
= harga beras Dari tabel 3.10 dapat disimpulkan bahwa antara variabel bebas tidak terdapat
multikolinearitas, karena koefisien korelasi antara variabel bebas lebih kecil dari 0,8. Sehingga model regresi yang diperoleh terbebas dari multikolinearitas.
3.2.5 Uji Autokorelasi
8QLYHUVLWDV6 XPDWHUD8WDUD
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya korelasi antara observasi satu dengan observarsi yang lain, yang berlainan waktu Widarjono,
2007. Dalam penelitian ini digunakan uji Durbin Watson Uji DW, yaitu dengan melihat nilai Durbin Watson pada regresi utama dengan ketentuan sebagai berikut
Algifari, 1997:
Tabel 2.1 Kriteria uji Durbin-Watson
Tabel 3.11 Hasil Regresi Utama
Dependent Variable: LOGRKB? Method: Pooled Least Squares
Date: 101213 Time: 08:54 Sample: 2007 2011
Included observations: 5 Cross-sections included: 25
Total pool balanced observations: 125 Variable
Coefficient Std. Error
t-Statistic Prob.
C -1.500906
3.014859 -0.497836
0.6197 LOGSB?
0.013159 0.025510
0.515832 0.6072
LOGLP? 1.019066
0.042990 23.70462
0.0000 LOGPR?
0.985123 0.187507
5.253792 0.0000
LOGJKB? -1.114910
0.267105 -4.174058
0.0001 LOGHB?
-0.042243 0.060842
-0.694299 0.4892
Fixed Effects Cross _D1--C
0.014896 _D2--C
-0.011427 _D3--C
0.017444 _D4--C
-0.033431 _D5--C
-0.049680 _D6--C
-0.087625 _D7--C
0.202441
Nilai Durbin Watson Keterangan
1 2
1,10 Ada autokorelasi
1,10 – 1,54
Tanpa kesimpulan 1,55
– 2,46 Tidak ada autokorelasi
2,47 – 2,90
Tanpa kesimpulan 2,90
Ada autokorelasi
8QLYHUVLWDV6 XPDWHUD8WDUD
_D8--C 0.052871
_D9--C 0.041432
_D10--C -0.044100
_D11--C -0.016914
_D12--C 0.125769
_D13--C 0.068158
_D14--C -0.023120
_D15--C -0.094514
_D16--C -0.207902
_D17--C -0.099606
_D18--C 0.019412
_D19--C -0.012982
_D20--C -0.102909
_D21--C -0.020015
_D22--C -0.059965
_D23--C 0.391132
_D24--C -0.010476
_D25--C -0.058889
Effects Specification Cross-section fixed dummy variables
R-squared 0.996452 Mean dependent var
-0.175017 Adjusted R-squared
0.995369 S.D. dependent var 1.125740
S.E. of regression 0.076604 Akaike info criterion
-2.094760 Sum squared resid
0.557483 Schwarz criterion -1.415965
Log likelihood 160.9225 F-statistic
920.1276 Durbin-Watson stat
1.628535 ProbF-statistic 0.000000
Dari tabel 3.11 diatas dapat dilihat nilai Durbin-Watson sebesar 1,628535 berada pada interval 1,55
– 2,46 sehingga dapat disimpulkan, berdasarkan tabel 2.1 Kriteria Uji Durbin-Watson tidak terdapat korelasi antara observasi yang satu
dengan yang lain atau dengan kata lain tidak terdapat gejala autokorelasi di dalam model regresi.
3.2.6 Uji Heteroskedastisitas