Tabel 4.4 Uji Autokorelasi dengan Uji Durbin-Watson
Dependent Variable: PE Method: Least Squares
Date: 032515 Time: 07:25 Sample: 1 42
Included observations: 42 Variable
Coefficient Std. Error
t-Statistic Prob.
BM 1.88E-08
3.84E-08 0.490481
0.6265 PAD
5.95E-08 6.31E-08
0.943427 0.3513
C 0.115624
0.005484 21.08434
0.0000 R-squared
0.055118 Mean dependent var 0.120793
Adjusted R-squared 0.006662 S.D. dependent var
0.018660 S.E. of regression
0.018598 Akaike info criterion -5.062822
Sum squared resid 0.013489 Schwarz criterion
-4.938703 Log likelihood
109.3193 Hannan-Quinn criter. -5.017327
F-statistic 1.137489 Durbin-Watson stat
1.974238 ProbF-statistic
0.331029
Sumber : hasil olahan software Eviews 7
Berdasarkan Gambar 4.4, nilai dari statistik Durbin-Watson adalah 1,197. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di
antara -2 dan +2, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.2.4 Uji Heteroskedastisitas
Menurut Ghozali 2011:139 uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians
dari residual suatu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Supranto 2005:57 mengartikan homoskedastisitas sebagai varians kesalahan
pengganggu �
�
untuk setiap pengamatan �
�
adalah sama, sedangkan heteroskedastisitas adalah sebaliknya.
Model regresi yang baik adalah yang homoskesdasitas atau tidak terjadi heterokesdatisitas.Apabila terjadi heteroskedastisitas, estimator-
estimator yang dihasilkan dengan metode OLS ordinary least square tidak lagi memiliki sifat varians yang minimum atau efisien.Dalam
keadaan heteroskedastisitas, ketika tetap menggunakan metode OLS yang biasa usual OLS formulas, maka uji t dan uji F dapat memberikan
kesimpulan yang salah Gujarati, 2003:428.Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji White. Dasar pengambilan
keputusan adalah melihat angka probabilitas dari statistik uji White, dengan ketentuan sebagai berikut :
Jika nilai Prob. Chi-Square dari Obs R-squared ≥ 0,05, maka tidak terjadiheteroskedastisitas.
Jika nilai Prob. Chi-Square dari Obs R-sqaured 0,05, maka terjadi heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas dengan Uji White
Heteroskedasticity Test: White F-statistic
0.529230 Prob. F2,39 0.5932
ObsR-squared 1.109761 Prob. Chi-Square2
0.5741 Scaled explained SS
0.520305 Prob. Chi-Square2 0.7709
Test Equation: Dependent Variable: RESID2
Method: Least Squares Date: 032515 Time: 07:30
Sample: 1 42 Included observations: 42
Variable Coefficient
Std. Error t-Statistic
Prob. C
0.000359 6.50E-05
5.526309 0.0000
BM2 -1.48E-15
1.48E-15 -0.998905
0.3240 PAD2
8.95E-16 4.05E-15
0.220907 0.8263
R-squared 0.026423 Mean dependent var
0.000321 Adjusted R-squared
-0.023504 S.D. dependent var 0.000339
S.E. of regression 0.000343 Akaike info criterion
-13.04928 Sum squared resid
4.59E-06 Schwarz criterion -12.92516
Log likelihood 277.0348 Hannan-Quinn criter.
-13.00378 F-statistic
0.529230 Durbin-Watson stat 2.242131
ProbF-statistic 0.593228
Sumber : hasil olahan software Eviews 7
Berdasarkan Gambar 4.5, nilai Prob. Chi-Square dari Obs R-squared = 0,5741
≥ 0,05, maka asumsi homoskedastisitas terpenuhi. Dengan kata lain, tidak terjadi gejala heteroskedastisitas yang tinggi pada residual.
4.3 Pemilihan Metode Estimasi