Indonesia, harga ekspor CPO Indonesia ke India, kurs riil Rupiah terhadap Dollar Amerika, dan tarif ekspor CPO Indonesia.
Model analisis yang dilakukan dalam penelitian ini adalah regresi linear berganda yang telah dilogaritmakan baik itu variabel dependen ataupun variabel
independennya doublelog. Sedangkan metode yang digunakan untuk menduga parameter dari model tersebut adalah dengan menggunakan metode Ordinary
Least Square OLS. Selanjutnya model tersebut diestimasi dengan menggunakan
pengujian asumsi klasik dan pengujian parameter.
5.2.2. Hasil Pengujian Asumsi Klasik
Pengujian asumsi klasik bertujuan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik dalam model. Pengujian ini meliputi uji normalitas,
multikolinearitas, autokorelasi, dan terakhir adalah uji heteroskedastisitas.
A. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah residual dalam model terdistribusi secara normal atau tidak. Salah satu pengujian untuk mengetahui hal
tersebut adalah dengan menggunakan Uji Kolmogorov-Smirnov. Hipotesis uji normalitas adalah sebagai berikut:
H = Residual terdistribusi normal
H
1
= Residual tidak terdistribusi normal. Hasil uji kolmogorov-smirnov yang telah dilakukan sebelumnya telah
didapatkan nilai probabilitas Kolmogorov-Smirnov taraf nyata α lima persen
0.150 0.05, maka implikasinya adalah terima H
1
. Sehingga dapat disimpulkan bahwa residual dalam model yang dibuat telah mengikuti distribusi normal. Jadi
asumsi kenormalan suatu residual telah dipenuhi, sehingga model regresi yang telah dibuat bisa digunakan.
Gambar 5.4 Hasil Uji Kolmogorov-Smirnov
Sumber : Lampiran 5.
B. Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk menunjukan ada atau tidaknya hubungan linear antara variabel-variabel independen dalam suatu model regresi.
Salah satu cara dalam mendeteksi ada tidaknya multikolinearitas dalam suatu model adalah dengan melihat nilai VIF. Apabila nilai VIF 10, maka dapat
disimpulkan terdapat masalah multikolinearitas. Dari pengujian yang telah dilakukan yang hasilnya terdapat dalam Tabel
5.2 di bawah ini, dapat terlihat bahwa nilai VIF dari masing-masing variabel bebasnya bernilai kurang dari 10 VIF 10, sehingga dapat disimpulkan bahwa
model yang dihasilkan pada penelitian ini tidak terdapat masalah multikolinearitas.
RESI1
P e
r c
e n
t
3 2
1 -1
-2 -3
99 95
90 80
70 60
50 40
30 20
10 5
1 Mean
0.150 -2.42230E-15
StDev 1.119
N 22
KS 0.106
P-Value
Uji Normalitas
Normal
Tabel 5.2 Hasil Uji Multikolinearitas Predictor
Coef SE Coef
T P
VIF
Constant -38.441
6.243 -6.16
0.000 -
LnPROD 5.8698
0.9684 6.06
0.000 6.6
LnHEXCPO -2.897
1.195 -2.42
0.027 2.9
LnKURS -2.796
1.130 -2.47
0.024 3.7
LnTRFEKS -0.0443
0.01584 -2.8
0.012 1.7
Sumber: Lampiran 3.
C. Uji Autokorelasi
Uji Autokorelasi digunakan untuk mengetahui apakah residual memiliki korelasi dengan residual lain. Salah satu cara untuk memeriksa ada tidaknya
korelasi tersebut adalah dengan menggunakan uji Durbin-Watson. Dari hasil pengujian yang telah dilakukan lampiran 3, dapat diketahui nilai perhitungan
Durbin-Watson adalah sebesar 1,81756.
Karena nilai DW mendekati 2, maka dapat disimpulkan bahwa tidak terdapat masalah autokorelasi. Hal ini diperkuat dengan pengujian sebagai
berikut, dimana k = 4 dan N = 22, pada tingkat signifikansi α satu persen diperoleh nilai d
u
= 1,543 dan d
L
= 0,748. Oleh sebab itu nilai DW
hitung
berada pada wilayah d
u
dan 4-d
u
atau berkisar antara 1,543 dan 2,457 Tabel 5.3. Hal ini berarti terima H
1
, sehingga dapat disimpulkan bahwa tidak terjadi permasalahan autokorelasi dalam model regresi yang telah dibuat pada taraf nyata
α satu persen.
Tabel 5.3 Hasil Pengujian Ada Tidaknya Autokorelasi dengan Uji Durbin-Watson
Tolak H ,
berarti ada autokelasi
positif Tidak dapat
diputuskan
Tidak menolak H ,
berati tidak ada autokolerasi
1,81756
Tidak dapat diputuskan
Tolak H , berarti
ada autokorelasi negatif
d
L
d
u
4-d
u
4-d
L
4 0,748
1,543 2,457
3,255
Keterangan: Signifikan pada alpha satu persen Sumber: Lampiran 3.
D. Uji Heteroskedastisitas
