72
1. Uji Asumsi Klasik Uji asumsi klasik dilakukan untuk mengetahui apakah hasil
estimasi tersebut mempunyai penyakit atau tidak maka dilakukan pengujian lebih lanjut yaitu berupa uji asumsi klasik. Pengujian ini
dimaksudkan untuk
mendeteksi ada
tidaknya multikolinearitas,
heteroskedastisitas, dan autokorelasi di dalam model penelitian. Sehingga dapat diketahui apakah hasil-hasil regresi telah memenuhi kaidah Best
Linier Unbiased Estimator BLUE yang berarti bahwa tidak ada
gangguan serius terhadap asumsi klasik dalam metode kuadrat terkecil tunggal OLS yaitu masalah multikolinearitas, heteroskedastisitas dan
autokorelasi.
a. Uji Normalitas
Uji normalitas
yang digunakan
pada penelitian
ini menggunakan teknik Jarque-Berra. Pedoman yang digunakan adalah
apabila nilai Jarque-Berra lebih besar jika dibandingkan dengan nilai X
2
tabel dengan α 5 atau probabilitas 0,05 data yang digunakan tidak berdistribusi normal dan sebaliknya, bila probabilitas 0,05
maka data yang digunakan adalah berdistribusi normal Wing Wahyu Winarno, 2009: 5.37.
73
Gambar 4.5 Hasil Uji Normalitas
2 4
6 8
10 12
-6.0e+13 -4.0e+13
-2.0e+13 1.0e+08
2.0e+13 4.0e+13
6.0e+13
Series: Residuals Sample 1980 2009
Observations 30 Mean
0.147005 Median
-6.74e+12 Maximum
5.77e+13 Minimum
-5.97e+13 Std. Dev.
2.82e+13 Skewness
0.111592 Kurtosis
2.480534 Jarque-Bera
0.399570 Probability
0.818907
Sumber: Lampiran 2 Dari hasil uji normalitas di atas dapat diketahui nilai
probabilitas sebesar 0.818907 lebih besar dari α 5 0.05 maka dapat disimpulkan data yang digunakan dalam penelitian ini berdistribusi
normal.
b. Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada tidaknya hubungan korelasi yang signifikan di antara dua atau lebih variabel
independen dalam model regresi. Deteksi adanya multikolinearitas dilakukan dengan menggunakan uji korelasi parsial antar variabel
independen. Dengan melihat nilai koefisien korelasi r antar variabel independen, dapat diputuskan apakah data terkena multikolinearitas
atau tidak, yaitu dengan menguji koefisien korelasi antar variabel independen. Hasil pengujian multikolinearitas menggunakan uji
korelasi r dapat dilihat sebagai berikut :
74
Tabel 4.1 Hasil Uji
Correlation Matrix
KONSUMSI INVESTASI
KREDIT KONSUMSI
1 0.572734032
0.95476212 INVESTASI
0.572734032 1
0.59485074 KREDIT
0.95476212 0.59485074
1
Sumber: Lampiran 2 Adanya kolinearitas dalam suatu model merupakan hal yang
sangat serius dan perlu segera dibenahi. Parameter yang terestimasi pada saat adanya kolinearitas menjadi tidak reliable. Dengan
demikian, pada saat kita hendak menginterpretasikan parameter tersebut analisisnya menjadi kurang atau tidak akurat. Akan tetapi,
model yang mengandung kolinearitas masih bermanfaat, jika model yang terestimasi hanya digunakan untuk membuat suatu ramalan
forecast saja, asalkan R
2
masih cukup tinggi. Sebab untuk keperluan meramal, yang penting adalah menganalisis keseluruhan model dan
tidak individual parameter Nachrowi D. Nachrowi dan Hardius Usman, 2006: 107.
Dari tabel hasil analisis uji multikolinearitas dengan correlation matrix di atas terlihat bahwa koefisien korelasi ada yang di
atas 0.8, sehingga dapat disimpulkan bahwa dalam model terdapat masalah multikolinearitas. Meskipun terdapat multikolinearitas, tetapi
tidak mempengaruhi model secara signifikan sehingga hasil akhir estimasi tetap menunjukan hasil yang cukup bagus Agus Widarjono,
2005.
75
c. Heteroskedastisitas