62
4.1.4.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah normal atau tidaknya faktor pengganggu. Uji Normalitas ini digunakan dengan menggunakan Jarque-
Bera Test J-B test. Jarque-Bera merupakan salah satu nilai yang digunakan untuk mengukur normalitas dari suatu data. Apabila data tidak signifikan berarti
data tersebut data berdistribusi normal.untuk mengetahui apakah koefisien Jarque-Bera signifikan atau tisak adalah dengan melihat nilai probability. Apabila
nilainya lebih rendah dari 0.05 berarti koefisien JB itu signifikan. Berikut merupakan hasil Uji Normalitas Normality Test.
Gambar 4.1 Hasil Uji Normalitas
Sumber: Output Eviews 2012 Dari output diatas, diketahui bahwa angka probability 0,81 0,05 maka
data tersebut berdistribusi normal.
4.1.4.2 Uji Heteroskedastisitas
Mengingat bahwa data pada model ini termasuk berupa data cross section, maka tentunya ada kecurigaan bahwa terdapat masalah heteroskedastisitas pada
model ini. Masalah heteroskedastistas dapat diatasi dengan mudah menggunakan
1 2
-20 -15
-10 -5
5 10
15 20
Series: RESIDCLPI Sample 2008 2010
Observations 3 Mean
3.897055 Median
9.266114 Maximum
18.15445 Minimum
-15.72940 Std. Dev.
17.56841 Skewness
-0.509002 Kurtosis
1.500000 Jarque-Bera
0.410792 Probability
0.814325
Universitas Sumatera Utara Universitas Sumatera Utara
63 bantuan program Eviews 7.1 dengan memilih White cross-section pada menu
option pada saat melakukan estimasi estimation. Dengan kembali mengestimasi model menggunakan langkah-langkah tersebut, maka hasil output regresi akan
terbebas dari heteroskedastisitas yaitu sebagai berikut :
Tabel 4.7 Hasil regresi model
Fixed Effect menggunakan White Test
Dependent Variable: DPR? Method: Pooled Least Squares
Date: 121612 Time: 16:17 Sample: 2008 2010
Included observations: 3 Cross-sections included: 9
Total pool balanced observations: 27 White cross-section standard errors covariance d.f. corrected
Variable Coefficient
Std. Error t-Statistic
Prob. C
113.5664 28.91789
3.927204 0.0015
CP? 1.066953
1.680757 0.634805
0.5358 DER?
-2.786561 3.434340
-0.811382 0.4307
NPM? 16.85270
12.06274 1.397086
0.1841 ROI?
-6.530720 1.972808
-3.310368 0.0052
Fixed Effects Cross CLPI—C
-21.00173 GGRM—C
-2.555949 SUMI—C
-93.41568 MLBI—C
158.4371 METRODATA—C
-93.94679 TSPC—C
-39.93096 TURI—C
1.475339 UNTR—C
5.087865 SMGR—C
85.85079 Effects Specification
Cross-section fixed dummy variables R-squared
0.693173 Mean dependent var 30.40667
Adjusted R-squared 0.430179 S.D. dependent var
32.11511 S.E. of regression
24.24257 Akaike info criterion 9.520281
Sum squared resid 8227.832 Schwarz criterion
10.14420 Log likelihood
-115.5238 Hannan-Quinn criter. 9.705806
F-statistic 2.635697 Durbin-Watson stat
2.718826 ProbF-statistic
0.043445
Sumber: Output Eviews 2012
Universitas Sumatera Utara Universitas Sumatera Utara
64 Dari output diatas, diketahui bahwa setelah dikonstankannya residual,
ternyata tidak memberikan perbedaan pada koefisien regresi, namun standar error dan nilai probabilitas variabel mengalami perubahan.
4.1.4.3 Uji Autokorelasi