Tabel 4.6 Hasil Uji Multikolinieritas
Sumber : Data sekunder diolah
Cara mendeteksi adanya multikolinieritas adalah dengan menguji koefisien regresi r antar variabel independen.
Rule of thumb
yang berlaku bagi multikolinieritas adalah jika koefisien korelasi cukup tinggi yaitu di atas 0,80 maka
diduga ada multikolinieritas dalam model Widarjono, 2009:106. Berdasarkan hasil uji multikolinieritas, dapat disimpulkan bahwa nilai koefisien seluruh variabel
independen kurang dari 0,80 sehingga model terbebas dari masalah multikolinieritas.
3. Uji Autokorelasi
Autokorelasi merupakan pelanggaran asumsi klasik yang menyatakan bahwa dalam pengamatan yang berbeda tidak terdapat korelasi antar
error term
. Pendekatan yang digunakan untuk mengetahui ada tidaknya otokorelasi adalah dengan melakukan
uji
Lagrange Multiplier
LM. Berdasarkan alat bantu program eviews 6, maka hasil uji autokorelasi dapat dilihat pada Tabel 4.7 berikut
Variabel Koefisien regresi r
SIBOR 0.262652
SBI -0,441262
KURS 0.147789
Tabel 4.7 Hasil Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test:
F-statistik 2.234596 Prob. F4,32 0.0873
ObsR-squared 8.733500 Prob.Chi-square4 0.0681
Sumber : Data sekunder, diolah Kriteria pengujian otokorelasi, jika nilai Prob
ObsR-squared
α = 5, maka model terkena autokorelasi. Berdasarkan uji tersebut diperoleh prob ObsR-
squared sebesar 0,0681 α = 0,05 dan nilai
chi squares
8,733500 Tabel
chi squares
dengan α = 5 df 36 55,5048 maka dapat disimpulkan model terbebas dari masalah autokorelasi.
4. Uji Heteroskedastisitas
Uji heteroskedastisitas dimaksudkan untuk mengetahui apakah kesalahan penggangu merupakan varians yang sama atau tidak. Pendeteksian heteroskedastisitas
dilakukan dengan uji
ARCH heteroskedastisitas test
. Masalah heteroskedastisitas muncul apabila residual dari model regresi yang kita amati memiliki varian yang
tidak konstan dari satu observasi ke observasi lain. Padahal salah satu asumsi penting dalam model OLS atau regresi sederhana adalah bahwa varians bersifat
homokedastisitas. Apabila prob.
Chi-Squaraed ObsR-Squared
α = 5, hal ini berarti model bisa dipakai karena lolos dari masalah heteroskedastisitas.
Berikut hasil dari uji heteroskedastisitas dengan alat bantu program Eviews 6.0, dapat dilihat pada Tabel 4.8
Tabel 4.8 Hasil Uji Heteroskedatisitas
Heteroskedastisitas :ARCH F-statistic 1.954569
Prob.F1,37 0.4963 ObsR-squared 0.491306
Prob. Chi-Squares 1 0.4833 Sumber: Data sekunder, diolah
Berdasarkan uji ARCH heteroskedatisity Test, model tidak ada masalah heteroskedastisitas karena Prob.
Chi-Squared ObsR-squared
0,4833 α = 5.
5. Uji Linieritas
