73
Dengan tidak adanya masalah multikolinearitas maka koefisien regresi pada model bernilai tinggi dan hubungan antara variabel bebas
dengan variabel terikat bersifat signifikan.
c. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas
dan jika variance tidak konstan atau berubah-ubah disebut dengan Heterokedastisitas.
Model regresi
yang baik
adalah yang
Homoskedastisitas atau
tidak terjadi
Heteroskedastisitas Nachrowi,2008:109.
Untuk mendeteksi data memiliki masalah heteroskedastis atau tidak yaitu jika probabilitas OBSR
2
0,05 maka data tidak terdapat heteroskedastisitas. Begitu sebaliknya, jika probabilitas OBSR
2
0,05 maka data terdapat heteroskedastisitas. Pengujian heteroskedastisitas
dilakukan dengan aplikasi eviews 6 dengan menggunakan uji white, diperoleh hasil regresi sebagai berikut:
Tabel 4.2 Hasil Uji Heteroskedastisitas
Heteroskedasticity Test: White F-statistic
0.822782 Prob. F9,37 0.5992
ObsR-squared 7.837781 Prob. Chi-Square9
0.5506 Scaled explained SS
6.457419 Prob. Chi-Square9 0.6934
Sumber: lampiran 5
74
Dari tabel 4.2 di atas diketahui bahwa nilai ObsR2 sebesar 7,837781 dan probabilitas Chi-Square sebesar 0,5506 yang lebih besar
dari nil ai α sebesar 0.05. Karena nilai probabilitas Chi-Square dari α =
5 maka dalam hal ini Ho diterima sehingga dapat disimpulkan bahwa data tersebut bersifat homokedastisitas setelah dilakukan uji White.
Dengan lolosnya uji heteroskedastisitas maka dalam model regresi dapat dikatakan homokedastisitas yaitu varians dari residual satu
pengamatan ke pengamatan yang lain tetap.
d. Uji Autokorelasi
Uji autokorelasi untuk mengetahui apakah dalam model regresi ada korelasi antara kesalahan pada periode waktu yang lain. Menurut Winarno
2011:5.26 autokorelasi adalah hubungan antar residual satu observasi dengan observasi lainnya. Untuk mendeteksi masalah autokorelasi
digunakan uji Langrange Multipllier 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 bisa dilihat dari nilai probabilitas Chi-Square. Jika
probabilitas Chi-Square lebih besar dari tingkat singnifikansi 5 maka tidak terdapat autokorelasi dan sebaliknya jika probabilitas Chi-Square
lebih kecil dari 5 maka terdapat autokorelasi.
75
Tabel 4.3 Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test: F-statistic
1.683436 Prob. F2,41 0.1983
ObsR-squared 3.566692 Prob. Chi-Square2
0.1681
Sumber: Lampiran 6 Dari tabel di atas diketahui bahwa nilai ObsR2 sebesar 3,566692
dan nilai probabilitas Chi-Square 0,1681 yang lebih besar dari nilai α
sebesar 0,05. Karena nilai probabilitas Chi-Square α = 5 maka Ho
diterima sehingga dapat disimpulkan bahwa data tidak terdapat masalah autokorelasi.
2. Uji Statistik
