cxxi
5.3. Analisis Data Variabel Penanaman Modal Asing
Realisasi Penanaman Modal Asing dipengaruhi oleh beberapa faktor yaitu PDRB, suku bunga internasional LIBOR, angkatan kerja dan infrastruktur yang
tersedia.
5.3.1 Uji Penyimpangan Asumsi Klasik
Uji ini dimaksudkan untuk mendeteksi ada tidaknya penyakit yang terdapat dalam model regresi yang digunakan seperti multikolineritas,
heteroskedastisitas dan outokorelasi dan linieritas. Apabila ada penyimpangan terhadap asumsi klasik tersebut, maka hasil uji t dan uji F yang dilakukan menjadi
tidak valid dan secara statistik dapat mengacaukan kesimpulan yang diperoleh.
5.3.1.1 Uji Multikolinearitas
Multikolinearitas adalah situasi dimana terdapat korelasi antara variabel- variabel independent diantara satu dengan yang lainnya. Dalam hal ini disebut
variabel-variabel yang tidak orthogonal. Variabel yang bersifat orthogonal adalah variabel independent yang nilai korelasi antara sesamanya sama dengan nol.
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Multikolienearitas
diduga terjadi apabila nilai R
2
tinggi tetapi nilai semua atau sebagian besar variabel penjelas tidak signifikan dan nilai F-hitung tinggi. Pengujian terhadap ada
tidaknya multikolinieritas dilakukan dengan menggunakan cara regresi parsial, yaitu membandingkan nilai R
2
dari model regresi awal atau utama dengan R
2
model auxiliary regression antar variabel penjelas. Apabila nilai R
2
dari model
cxxii regresi awal atau utama lebih tinggi dari : R
2
model auxiliary regression antar variabel penjelas maka tidak terdapat multikolinearitas. lampiran 8
Dari hasil pengujian ternyata memperlihatkan nilai R
2
dari model regresi awal atau utama 0,76999 lebih tinggi dari nilai R
2
model auxiliary regression antar variabel penjelas seperti terlihat pada tabel 5.3. Dengan demikian dalam
model penelitian tidak terdapat multikolinieritas antara variabel penjelas. Tabel 5.3
Perbandingan Nilai R
2
dari model regresi awal atau utama dengan R
2
model Auxiliary regression
antar variabel penjelas No Model
Regresi Nilai
R
2
1. Model Regresi
Awal lnPMA = f LnPDRB, LnPDRBt-1, LnLIBOR,
LnLIBORt-1, LnAK, LnAKt-1,LnINF, LnINFt-1
R
2
= 0.76999 2
LnPDRB = f LnPDRBt-1, LnLIBOR, LnLIBORt-1, LnAK, LnAKt-1, LnINF, LnINFt-1
R
2
= 0.691320 3
LnLIBOR = f LnPDRB, LnPDRBt-1, LnLIBORt-1, LnAK, LnAKt-1, LnINF, LnINFt-1
R
2
= 0.601856 4
LnAK = f LnPDRB, LnPDRBt-1, LnLIBOR, LnLIBORt-1, LnAKt-1, LnINF, LnINFt-1
R
2
= 0.700516 5
LnINF = f LnPDRB, LnPDRBt-1, LnLIBOR, LnLIBORt-1, LnAK, LnAKt-1, LnINFt-1
R
2
= 0.730948 Sumber data yang diolah :
5.3.1.2 Pengujian Heteroskedastisitas
Pengujian penyimpangan terhadap asumsi homokedastisitas disebut Heteroskedastisitas. Ini terjadi bila distribusi probalitas tidak sama dalam semua
observasi dan uraian setiap residual tidak sama untuk semua nilai variabel penjelas. Untuk menguji ada atau tidaknya Heteroskedastisitas dilakukan dengan
menggunakan uji White Heteroskedasticity. Melalui pengujian ini apabila nilai probalitas dari obsR-Square statistic lebih kecil dari nilai alpha
α yang
cxxiii ditentukan, maka hipotesis Ho = Homoskedastisitas ditolak dengan kata lain
terjadi Heteroskedastisitas ditentukan sebesar 5 persen. Adapun hasil uji white Heteroskedasticity menunjukkan bahwa nilai probalitas lebih besar dari 5 yaitu
18.01673 18,01 , sehingga dapat disimpulkan bahwa Ho = Homoskedastisitas tidak dapat ditolak dengan kata lain tidak terjadi penyimpangan
Heteroskedastisitas. lampiran 9
5.3.1.3 Pengujian Autokorelasi