4.7 Uji Penyimpangan Asumsi Klasik
4.7.1 Uji Multikolinieritas
Untuk mendeteksi ada tidaknya multikolinieritas dalam model estimasi yang digunakan, dapat dilakukan dengan melihat nilai koefisien determinasi R
2
yang dihasilkan dari model estimasi. Angka R
2
yang tinggi disertai koefisien regresi yang sebagian besar tidak signifikan biasanya menandakan terdapatnya multikolinieritas.
Berikut ini hasil uji multikolinieritas pada tabel dibawah ini
Tabel 4.2. Hasil Estimasi Uji Multikolinieritas SAV = f RGDP, BDG, RNE, YpcG, PopG
0,961738 RGDP = f BDG, RNE, YpcG, PopG
0,579557 BDG = f RGDP, RNE, YpcG, PopG
0,369391 RNE = f RGDP, BDG, YpcG, PopG
0,414692 YpcG = f RGDP, BDG, RNE, PopG
0,527126 PopG = f RGDP, BDG, RNE, YpcG
0,376522
Sumber: Lampiran 3 Berdasarkan data tabel di atas, nilai R
2
regresi parsial antar masing-masing variabel bebas lebih kecil dibandingkan dengan koefisien determinasi R
2
yang dihasilkan dari model estimasi sebesar 0,961738. Dengan demikian, dapat
disimpulkan bahwa dalam model tersebut tidak ditemukan adanya multikolinieritas.
Budi Mulyadi : Analisis Faktor-Faktor Yang Mempengaruhi Tabungan Nasional Di Indonesia, 2009 USU Repository © 2008
4.7.2 Uji Korelasi Serial Autokorelasi
Untuk mendeteksi ada tidaknya korelasi serial dalam model penelitian ini dilakukan uji Lagrange Multiplier LM Test. Pemilihan LM Test untuk melakukan
uji autokorelasi karena lebih mudah diinterpretasikan bila dibandingkan dengan Uji Durbin-Watson dan dapat diterapkan dalam regresi yang menggunakan variabel lag.
Berikut ini hasil estimasi dari LM Test
Tabel 4.3. Hasil Estimasi Uji Korelasi Serial
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.673654 Probability 0.523725
ObsR-squared 1.941667 Probability
0.378767 Sumber : Lampiran 4
Berdasarkan hasil LM Test di atas, besarnya nilai X
2 hitung
ObsR-squared adalah 1,94 lebih kecil dibandingkan dengan X
2 tabel
sebesar 28,9 pada = 5 persen. Dengan demikian hipotesis nol H
yang menyatakan tidak ada autokorelasi dalam model empiris yang digunakan tidak dapat ditolak. Hal ini berarti model yang
diestimasi tidak mengandung korelasi parsial autokorelasi antar faktor pengganggu error term.
4.7.3 Uji Normalitas Jarque-Bera Test
Kategori