80 menunjukkan trend saja. Jadi tingginya koefisien determinasi karena trend
bukan karena hubungan antar keduanya.
Berdasarkan uji stasionaritas, apabila data varibel makro tidak stasioner pada tingkat level sedangkan pada tingkat diferensi pertama, kedua
data menjadi stasioner, maka penelitian dapat dilanjutkan pada Uji
Kointegrasi.
Langkah-langkah pengujian sebagai berikut: Hipotesis:
Ho : Tidak terdapat hubungan jangka panjang antara variabel independen dan variabel dependen.
Ha : Terdapat hubungan jangka panjang antara variabel independen dan variabel dependen.
Pengambilan keputusan dilakukan dengan kriteria: Jika nilai trace statistic nilai critical value maka Ho ditolak
Jika nilai trace statistic nilai critical value maka Ho diterima
5. Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk mendeteksi apakah terdapat multikolinieritas, heteroskedastisitas dan autokorelasi. Uji asumsi klasik
penting dilakukan untuk menghasilkan estimator yang linier tidak bias dengan varian yang minimum Best Linier Unbiased Estimator =
BLUE, yang berarti model regresi tidak mengandung masalah. Untuk itu diperlukannya pendeteksian lebih lanjut, diantaranya:
81
a. Multikolinieritas
Menurut Nachrowi, “multikolinieritas adalah hubungan linier antarvariabel bebas ” Nachrowi,2006:95. Dalam membuat regresi
berganda, variabel yang baik adalah variabel bebas yang mempunyai hubungan dengan variabel terikat, tetapi tidak mempunyai hubungan
dengan variabel bebas lainnya. Atau bisa juga, pengujian yang dilakukan untuk melihat apakah terdapat hubungan linier di antara
variabel-variabel bebas dalam model regresi. Dalam penelitian ini, peneliti memakai aturan main yang
terdapat didalam buku Nachrowi, dikatakan terdapat multikolinieritas apabila koefisien korelasi lebih dari 0,8. Jika koefisien korelasi
kurang dari 0.8 maka tidak terdapat multikolinieritas.
b. Heteroskedastisitas
Salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model regresi bersifat BLUE best linier unbiased
efficient maka var u
1
harus sama dengan σ konstanta atau bisa dikatakan semua residual atau error mempunyai varian yang sama
kondisi ini disebut sebagai homoskedastis. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastis.
Pada praktiknya Heteroskedastis banyak ditemui pada data cross section karena pengamatan dilakukan pada individu yang berbeda
pada saat yang sama, akan tetapi bukan berarti tidak terdapat pada
