92
2. Hasil Uji Asumsi Klasik a. Hasil Uji Normalitas
Gambar 4.5 Hasil Uji Normalitas
Sumber: Data sekunder yang diolah Pengujian normalitas dilakukan untuk menguji apakah dalam
sebuah model penelitian, variabel dependen dan variabel independen atau keduanya mempunyai distribusi normal atau tidak. Model yang baik
adalah berdistribusi normal atau mendekati normal. Hal ini dapat dilihat dari nilai probability yang nilainya lebih besar dari 5 persen.
Gambar 4.4 menunjukkan bahwa uji statistik JB, nilai statistiknya sebesar 0,781098 yang lebih kecil dari nilai X
2
tabel 0,05 df=n-k 25- 4=21 sebesar 32,67057. Selain itu nilai probabilitas lebih besar
dari α=5 persen yaitu: 0,676685 atau 67,6 persen. Oleh karena itu dapat
disimpulkan bahwa tidak terdapat permasalahan normalitas.
1 2
3 4
5 6
-200000 200000
Series: Residuals Sample 1985 2009
Observations 25
Mean -2.44e-11
Median -23444.47
Maximum 255062.2
Minimum -234827.1
Std. Dev. 114836.5
Skewness 0.418273
Kurtosis 2.776296
Jarque-Bera 0.781098
Probability 0.676685
93
b. Hasil Uji Autokorelasi
Pengujian autokorelasi dilakukan untuk menguji apakah dalam sebuah penelitian terdapat hubungan antara residual antar waktu
pada model penelitian yang digunakan, sehingga estimasi menjadi bias. Identifikasi
ada tidaknya
permaslahan autokorelasi
dilakukan menggunakan uji Breusch-Godfrey Serial Correlation LM Test. Untuk
mengetahui ada tidaknya autokorelasi dapat dilihat pada tabel 4.2.
Tabel 4.4 Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test: F-statistik
1.522288 Probability 0.243665
ObsR- squared
3.452750 Probability 0.177928
Sumber: Data sekunder yang diolah Tabel 4.4 menunjukkan bahwa nilai probabilitas ObsR-squared
adalah 0,177928. Nilai ini lebih besar dari derajat kesalahan α=5 persen
atau 0,05. Dengan demikian, dapat disimpulkan bahwa tidak terdapat permasalahan autokorelasi.
c. Hasil Uji Heteroskedastisitas
Heteroskedastisitas adalah keadaan dimana faktor gangguan tidak memiliki varian yang sama. Pengujian terhadap gejala heterokedastisitas
dapat dilakukan dengan melakukan White Test, Untuk mengetahui ada tidaknya heteroskedastisitas dapat dilihat pada tabel 4.5.
94
Tabel 4.5 Hasil Uji Heteroskedastisitas
White Heteroskedasticity Test: F-statistik
2.945861 Probability 0.031266
ObsR- squared
15.96663 Probability 0.067582
Sumber: Data sekunder yang diolah Tabel 4.5 menujukkan bahwa, nilai ObsR-squared adalah
15,96663 nilai ini lebih kecil dari χ
2
tabel yaitu 32,67057. Selain itu nilai probabilitas ObsR-squared adalah 0,067582. Nilai ini lebih besar dari
derajat kesalahan α = 5 persen 0,05, maka dapat dikatakan bahwa
dalam model
penelitian ini
tidak terdapat
permasalahan heteroskedastisitas.
d. Hasil Uji Multikolinieritas
Pengujian multikolinieritas dilakukan untuk menguji apakah dalam sebuah model terdapat hubungan linier antara variabel independen dalam
suatu model
regresi. Suatu
model regresi
dikatakan terkena
multikolinieritas bila terjadi hubungan linier yang sempurna atau pasti diantara beberapa atau seluruh variabel bebas dari suatu model regresi.
Akibat yang ditimbulkan ialah terdapat kesulitan untuk melihat pengaruh variabel independen terhadap variabel dependen.
95
Tabel 4.6 Hasil Uji Multikolinieritas Dengan Regresi Auxiliary
Variabel Koefisien R
2
PDB=fPMDN, PMA ULN 0,927465
PMDN=fPMA, ULN 0,418509
PMA=fPMDN, ULN 0,488337
ULN=fPMA, PMDN 0,168961
Sumber: Data sekunder yang diolah Dari table 4.6 uji multikolinieritas dengan regresi auxiliary dapat
menunjukkan koefisien determinasi regresi auxiliary masing-masing variabel. Hasil uji dengan menggunakan regresi auxiliary menunjukkan
bahwa R
2 PMDN
= 0,418509, R
2 PMA
= 0,488337, dan R
2 ULN
= 0,168961. Semua nilai koefisien determinasi tersebut harus lebih kecil dari koefisien
determinasi untuk regresi aslinya R
2
= 0,927465.dari hasil tersebut dapat diketahui bahwa R-squared yang dihasilkan dari regresi auxiliary lebih
kecil dari regresi model utama. Oleh karena itu dapat disimpulkan bahwa pada model ini tidak tedapat permasalahan multikolinieritas.
3. Hasil Uji Regresi Linier Berganda