4.3.3. Hasil Uji Asumsi Klasik 4.3.3.1. Normalitas
Dari hasil uji normalitas seperti terlampir, ditemukan bahwa Jarque-Bera normality test
adalah 3,7194 dan angka probabilitas 0,1557 yang berarti lebih besar dari 0,05. Hal ini berarti data yang tersedia berdistribusi normal.
4.3.3.2. Multikolinieritas
Tabel 4.3. Hasil Uji Multikolinieritas
Berdasarkan hasil estimasi regresi pada tabel 4.8, diperoleh R
2
sebesar 0,7843. Hasil uji multikolinieritas pada tabel 4.9 dapat dilihat bahwa seluruh nilai
korelasi antar variabel bebas lebih kecil dari 0,7843 dan tidak ada yang lebih besar dari 0,8. Hal ini berarti tidak terdapat multikolinieritas pada model regresi.
4.3.3.3. Autokorelasi
Cara 1: Dengan Uji DW Berdasarkan hasil estimasi regresi pada tabel 4.8 diperoleh DW hitung
sebesar 0,3606. Sedangkan pada tingkat signifikansi 5 , dengan k = 5 dan n = 60, diperoleh nilai d
L
= 1,41 dan d
U
= 1,77 atau dapat ditulis bahwa 0 d d
L
0 0,3606 1,41. Berdasarkan perbandingan nilai DW hitung dengan DW tabel tersebut, berarti terdapat autokorelasi pada model regresi.
SUKUBUNGA INFLASI KURS
EPS PER
SUKUBUNGA 1.000000
0.740567 0.368278
-0.711174 -0.173328
INFLASI 0.740567
1.000000 0.340271
-0.501436 -0.304388
KURS 0.368278
0.340271 1.000000
0.110048 -0.423955
EPS -0.711174
-0.501436 0.110048
1.000000 -0.188809
PER -0.173328
-0.304388 -0.423955
-0.188809 1.000000
UNIVERSITAS SUMATERA UTARA
Cara 2: Dengan LM Test Cara kedua yang digunakan untuk melihat apakah terdapat autokorelasi
adalah dengan menggunakan uji Langrange Multiplier LM Test. Hasil LM test ditunjukkan pada tabel berikut.
Tabel 4.4. Hasil LM Test
Breusch-Godfrey Serial Correlation LM Test: F-statistic
70.76188 Prob. F2,52 0.000000
ObsR-squared 43.87795 Prob. Chi-Square2
0.000000
Berdasarkan hasil estimasi LM Test diperoleh nilai Obs R-squared sebesar 43,8879 dengan probability 0,0000 yang berarti lebih rendah dari 0,05. Hal ini
menunjukkan bahwa hasil estimasi tersebut adalah signifikan. Dengan demikian, menurut uji serial korelasi LM Test, terdapat autokorelasi dalam hasil estimasi.
Untuk mengatasi masalah autokorelasi yang ada, maka dilakukan metode dengan mencari nilai ρ yang sesungguhnya. Pada metode ini, nilai ρ diestimasi
dengan menggunakan model AR1. Model AR1 ini daat menjadi dasar dalam membuat perbedaan guna menghilangkan autokorelasi pada persamaan. Untuk itu
perlu ditambahkan AR1 sebagai variabel bebas Pratomo Paidi Hidayat, 2007.
UNIVERSITAS SUMATERA UTARA
Hasil estimasi regresi yang baru ditunjukkan oleh tabel 4.5. Tabel 4.5.
Hasil estimasi regresi dengan model AR
Variable Coefficient
Std. Error t-Statistic
Prob. C
63.97044 1516.932
0.042171 0.9665
SUKUBUNGA -8.823155
35.40691 -0.249193
0.8042 INFLASI
-12.66539 9.978385
-1.269282 0.2100
KURS -0.029750
0.015099 -1.970353
0.0541 EPS
0.004943 0.009770
0.505943 0.6150
PER 2.010152
1.911984 1.051344
0.2980 AR1
1.014551 0.019770
51.31779 0.0000
Koefisien variabel AR1 adalah sebesar 1,0145. Angka tersebut merupakan nilai ρ, sehingga persamaan menjadi:
Ihs
t
– ρihs
t-1
= α
0 –
ρα + α
1
sukubunga
t
– sukubunga
t-1
+ α
1
inflasi
t
– inflasi
t-1
+ α
1
kurs
t
– kurs
t-1
+ α
1
eps
t
– eps
t-1
+ α
1
per
t
– per
t-1
+ µ
t
- ρµ
t-1
Untuk melihat apakah masih terdapat autokorelasi, maka dilakukan LM test. Hasil estimasi LM test ditunjukkan pada tabel berikut.
Tabel 4.6. Hasil LM Test dengan Model AR
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.086313 Prob. F2,50 0.917444
ObsR-squared 0.202997 Prob. Chi-Square2
0.903483
Berdasarkan hasil estimasi LM Test yang baru, diperoleh nilai Obs R-squared
sebesar 0,2029 dengan nilai probabilitas yang cukup besar, yaitu 0,9034 yang berarti lebih besar dari 0,05. Dengan demikian, H
diterima yaitu tidak terdapat autokorelasi.
UNIVERSITAS SUMATERA UTARA
4.3.4. Hasil Test Goodness of Fit