Uji Normalitas Jarque-Bera Test Uji Stationeritas Data

4.7.2 Uji Korelasi Serial Autokorelasi

Untuk mendeteksi ada tidaknya korelasi serial dalam model penelitian ini dilakukan uji Lagrange Multiplier LM Test. Pemilihan LM Test untuk melakukan uji autokorelasi karena lebih mudah diinterpretasikan bila dibandingkan dengan Uji Durbin-Watson dan dapat diterapkan dalam regresi yang menggunakan variabel lag. Berikut ini hasil estimasi dari LM Test Tabel 4.3. Hasil Estimasi Uji Korelasi Serial Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.673654 Probability 0.523725 ObsR-squared 1.941667 Probability 0.378767 Sumber : Lampiran 4 Berdasarkan hasil LM Test di atas, besarnya nilai X 2 hitung ObsR-squared adalah 1,94 lebih kecil dibandingkan dengan X 2 tabel sebesar 28,9 pada = 5 persen. Dengan demikian hipotesis nol H yang menyatakan tidak ada autokorelasi dalam model empiris yang digunakan tidak dapat ditolak. Hal ini berarti model yang diestimasi tidak mengandung korelasi parsial autokorelasi antar faktor pengganggu error term.

4.7.3 Uji Normalitas Jarque-Bera Test

Uji ini dilakukan untuk mengetahui normal tidaknya faktor pengganggu µi yang dapat diketahui melalui uji J-B Test. Uji menggunakan hasil estimasi residual Budi Mulyadi : Analisis Faktor-Faktor Yang Mempengaruhi Tabungan Nasional Di Indonesia, 2009 USU Repository © 2008 dan Chi-square probability distribution. Berikut ini hasil estimasi yang dilakukan dengan uji J-B Test Tabel 4.4. Hasil Estimasi Uji Normalitas Series : Residuals Sample: 1981 2005 Observations : 25 Jarque-Bera 4,306802 Probability 0,116089 Sumber : Lampiran 5 Berdasarkan hasil estimasi uji J-B Test, diperoleh probability JB sebesar 0,1160 atau 11,60 persen lebih besar daripada α = 5 persen, maka H0 diterima. Hal ini berarti bahwa hipotesis yang menyatakan model empiris yang digunakan mempunyai residual atau faktor pengganggu yang berdistribusi normal tidak dapat ditolak.

4.7.4 Uji Stationeritas Data

Dalam analisis ekonometrik modern, jika menggunakan data deret waktu time series, mensyaratkan data yang digunakan harus stationer. Uji stationeritas data penting dilakukan untuk mengetahui apakah terjadi pelanggaran asumsi regresi. Masalah utama yang terjadi apabila data yang digunakan di dalam analisis regresi tidak stasioner, nilai dugaan yang dihasilkan menjadi bias spurious regression, sehingga menimbulkan kesalahan dalam interpretasi hasil analisis. Data yang Budi Mulyadi : Analisis Faktor-Faktor Yang Mempengaruhi Tabungan Nasional Di Indonesia, 2009 USU Repository © 2008 stationer diketahui setelah dilakukan pengujian unit root. Berikut adalah hasil pengujian unit root dengan uji Augmented Dickey Fuller ADF : Tabel 4.5. Hasil Estimasi Uji Stationeritas Data Intercept Intercept and None Intercept Intercept and None trend trend LSAV RGDP BDG RNE YpcG PopG = 1 persen = 5 persen = 10 persen Stationery Difference stationery Variable Sumber : Lampiran 6 Berdasarkan hasil uji Augmented Dickey Fuller ADF variabel yang digunakan ternyata seluruhnya stationer. Dengan demikian estimasi model penelitian yang dilakukan penulis dapat menggunakan metode Ordinary Least Square OLS. Budi Mulyadi : Analisis Faktor-Faktor Yang Mempengaruhi Tabungan Nasional Di Indonesia, 2009 USU Repository © 2008

BAB V KESIMPULAN DAN SARAN