Berdasarkan hasil pengolahan data atau analisis regresi linear berganda pada tabel IV.7 diperoleh nilai
adjusted
R
2
sebesar 0,806046. Hal ini berarti 80,60 variabel dependen yakni PDRB kabupaten kota
di Provinsi Jawa Tengah tahun 2009 dapat dijelaskan oleh variabel independen yakni PAD, Kredit, Tabungan, Belanja Daerah, dan
Kepadatan Penduduk. Sedangkan sisanya 19,40 dipengaruhi oleh variabel lain diluar model regresi tersebut.
4. Uji Asumsi Klasik
a. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menjelaskan ada tidaknya hubungan korelasi antara beberapa atau semua variabel bebas dalam
model regresi. Untuk mengetahui ada tidaknya multikolinearitas dalam model regresi, dilakukan pengujian melalui metode pendekatan
Koutsoyiannis dengan cara membandingkan antara nilai koefisien korelasi pada regresi dengan masing-masing variabel bebas r
2
dengan nilai koefisien determinasi pada regresi awal R
2
. Jika R
2
r
2
, maka terjadi masalah multikolinearitas dalam model atau suatu variabel bebas
tidak layak berguna untuk dimasukkan ke dalam model, sedangkan jika nilai R
2
r
2
, maka tidak terjadi masalah multikolinearitas atau suatu variabel bebas memang layak berguna untuk dimasukkan ke
dalam model. Hasil uji multikolinearitas tersebut dapat dilihat pada tabel IV.10 di bawah ini :
commit to user
Tabel IV.10 Hasil Uji Multikolinearitas Pendekatan Koutsoyiannis
Variabel r
2
R
2
Kesimpulan PDRB C PAD
0,699584 0,834569
tidak terjadi masalah multikolinieritas
PDRB C KRDT 0,749516
0,834569 tidak terjadi masalah
multikolinieritas PDRB C TAB
0,580330 0,834569
tidak terjadi masalah multikolinieritas
PDRB C BD 0,439651
0,834569 tidak terjadi masalah
multikolinieritas PDRB C KP
0,000376 0,834569
tidak terjadi masalah multikolinieritas
Sumber : Hasil Output Eviews 3.0, 2011
Berdasarkan tabel IV.10 di atas menunjukkan bahwa nilai koefisien determinasi pada regresi awal R
2
menghasilkan nilai yang lebih besar dibandingkan dengan nilai koefisien korelasi pada regresi dengan
masing-masing variabel bebas r
2
, sehingga dapat dikatakan bahwa variabel-variabel bebas tersebut memang layak atau berguna untuk
dimasukkan ke dalam model. Hal ini ditunjukkan dengan korelasi pada
semua variabel yang menandakan tidak ada masalah multikolinieritas. b.
Uji Heteroskedastisitas
Salah satu asumsi pokok dari model regresi linear klasik adalah kesalahan pengganggu mempunyai variansi yang sama. Apabila asumsi
tersebut tidak terpenuhi, maka akan terjadi masalah heteroskedastisitas yaitu suatu keadaan dimana variansi dari kesalahan pengganggu tidak
sama untuk semua nilai variabel bebas. Untuk menguji ada tidaknya masalah heteroskedastisitas dilakukan pengujian melalui metode uji LM
ARCH. Metode ini dilakukan dengan membandingkan nilai χ
2
hitung obsR
2
dengan χ
2
tabel pada df sesuai dengan jumlah regresor dan perpustakaan.uns.ac.id
commit to user
pada derajat signifikan yang dipakai. Jika obsR
2
χ
2
tabel, maka ada masalah heteroskedastisitas. Sebaliknya, bila obsR
2
χ
2
tabel, maka tidak ada masalah heteroskedastisitas.
Tabel IV.11 Hasil Uji Heteroskedastisitas Uji LM ARCH
ARCH Test: F-statistic
0.091509 Probability 0.764225
ObsR-squared 0.096951 Probability
0.755520
Sumber : Hasil Output Eviews 3.0, 2011
Berdasarkan hasil uji heteroskedastisitas dengan uji LM ARCH yang dijelaskan pada tabel IV.11, diketahui nilai obsR
2
sebesar 0,096951. Setelah itu, dengan menggunakan
χ
2
tabel pada α derajat
signifikan sebesar 5 dan df jumlah regresor sebesar 1, maka diperoleh
χ
2
tabel sebesar 3,84146. Nilai ObsR
2
0,096951 χ
2
tabel 3,84146 menunjukkan bahwa dalam model regresi tidak terdapat
masalah heterokedastisitas.
c. Uji Autokorelasi
