yang artinya 67,66 dari variasi variabel terikat mampu dijelaskan oleh variasi himpunan variabel penjelas. Sementara sisanya 32,34 variasi variabel terikat
dijelaskan oleh variabel lain di luar model.
2.9 Uji Asumsi Klasik
Pengujian asumsi klasik ini dilakukan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik dari hasil penelitian dalam regresi yang
meliputi uji multikolinieritas, uji heteroskedasitas, uji autokorelasi dan uji linieritas.
2.9.1 Uji Multikolinieritas
Cara untuk mengetahui multikolinieritas adalah dengan melakukan regresi antar variabel penjelas independen, jadi dengan kata lain peneliti
melakukan regresi korelasi r antar variabel independen. Aturan Klien’s Rule of Thump, jika R
2
regresi awal lebih besar R
2
antar variabel penjelas independen, maka multikol dapat diabaikan. Berikut merupakan sajian hasil olahan data
multikolinieritas Tabel 4.9
Hasil Uji multikolinieritas R
2
Regresi Utama
R
2
Regresi Penjelas Kesimpulan
0,719759 0,149377
Tidak Terjadi Multikolinieritas 0,081479
Tidak Terjadi Multikolinieritas 0,092956
Tidak Terjadi Multikolinieritas Sumber : Data Olahan
Berdasarkan hasil pengujian dari multikolinieritas maka didapat adanya hubungan antar variabel independen dan variabel dependen, hal ini dilihat dari
tabel di atas 4.9 bahwa besarnya R
2
regresi utama impor lebih besar dari R
2
regresi penjelas produksi, konsumsi, cadangan.
2.9.2 Heteroskedastisitas
Masalah heteroskedastisitas ini muncul apabila residual dari model regresi yang peneliti amati memiliki varians yang tidak konstan dari satu
observasi ke observasi yang lain. Padahal salah satu asumsi penting dalam model OLS atau regresi sederhana adalah bahwa varians bersifat
homoskedastisitas, banyak cara yang dapat dilakukan untuk mengetahui adanya masalah heterokedastisitas dan untuk penelitian ini menggunakan uji Breush-
Pagan-Godfrey. Asumsi yang digunakan dalam heterokedastisitas adalah : H
:tidak ada heteroskedastisitas ObsR-Square hitung
α = 5 H
1
: ada heteroskedastisitas ObsR-Square hitung
α = 5
Berdasarkan dilakukan pengujian heteroskedasitas Breush-Pagan- Godfrey, maka diketahui nilai ObsR-Square
sebesar 0,3661 dengan α = 5. Maka dapat disimpulkan bahwa bebas masalah heteroskedasitas atau tidak ada
heteroskedastisitas dan H diterima.
2.9.3 Autokorelasi
Autokorelasi berarti bahwa adanya korelasi antara anggota obsevasi satu dengan observasi lain yang berlainan waktu. Dengan asumsi ini metode
OLS, autokorelasi merupakan korelasi antara satu variabel gangguan dengan variabel gangguan lain, sedangkan salah satu asumsi penting metode OLS terkait
dengan variabel bebas adalah tidak ada hubungan antara variabel gangguan yang
satu dengan variabel gangguan yang lain, yang dapat dinyatakan dengan
pengujian hipotesis autokorelasi sebagai berikut :
H :tidak ada autokorelasi Jika
р-value ObsR-Square α = 5, maka H diterima
H
1
: ada autokorelasi Jika р-value ObsR-Square α = 5, maka H
ditolak Dalam uji autokorelasi menggunakan LM diperlukan untuk penentuan
lag atau kelambanan. Lag yang dipakai dalam penelitian ini ditentukan dengan metode trial error perbandingan nilai absolut kriteria Akaike dan Schwarz.
Prosedur pengujian LM adalah jika nilai ObsR-Squared lebih kecil dari nilai X
2
tabel maka model dapat dikatakan tidak mengandung autokorelasi. Selain itu juga dapat dilihat dari nilai probabilitas chi-squares X
2
, jika nilai probabilitas X
2
lebih besar dari nilai α = 5 yang dipilih maka berarti tidak masalah autokorelasi.
2.9.4 Linieritas