ECT. Jika hasil pengujian terhadap koefisien ECT signifikan, maka spesifikasi model yang diamati
valid.
3.3.4. Diagnostic Test
Diagnostic test dilakukan untuk mengevaluasi statistical properties dari model. Beberapa
diagnstic test yang dilakukan dalam penelitian ini adalah:
3.3.4.1. Uji Normalitas
Uji normalitas dilakukan untuk memeriksa apakah error term mendekati
distribusi normal atau tidak. Jika asumsi ini tidak terpenuhi maka prosedur pengujian menggunakan statistik t menjadi tidak sah. Uji normalitas error term
dilakukan dengan menggunakan uji Jarque-Bera Laboratorium Komputasi,
2004. Uji ini didasarkan pada error penduga least squares. Prosedur pengujian
adalah: a. H
: Error term terdistribusi normal,
H
1
: Error term tidak terdistribusi normal.
b. Statistik J-B dihitung melalui tahapan berikut:
1. Hitung kecondongan α
3
dan ketinggian α
4
distribusi error term.
2. Hitung statistik J-B dengan rumus sebagai berikut:
⎟⎟ ⎠
⎞ ⎜⎜
⎝ ⎛
− +
= −
24 3
24
2 4
2 3
α α
n B
J 11
Daerah kritis penolakan H adalah Jarque-Bera J-B X
2 df-2
atau probabilitas p-value
α.
3.3.4.2. Uji Heteroskedastisitas
Heteroskedastisitas merupakan suatu kondisi dimana nilai varian dari variabel independen tidak memiliki nilai yang sama. Hal ini melanggar asumsi
dasar dari regresi linear klasik yaitu varian setiap variabel bebas mempunyai nilai
yang konstan atau memiliki varian yang samahomoskedastisitas Arief, 1993.
Rumusan homoskedastisitas adalah sebagai berikut:
2 2
σ
=
i
u E
i = 1,2,…,N 12
Dimana: u
i
= unsur
disturbance σ
2
= nilai varians Pengujian heteroskedastisitas dalam penelitian ini dilakukan dengan
mengggunakan uji Autoregressive Conditional Heteroskedasticity ARCH test pada software E-Views.
Hipotesis: H
: β
= 0, tidak terdapat heteroskedastisitas kondisi homoskedastisitas H:
β 0, terdapat heteroskedastisitas.
Kriteria uji: Probability ObsR-squared
α taraf nyata yang digunakan, maka tolak H ,
Probability ObsR-squared α taraf nyata yang digunakan, maka terima H
. Kesimpulannya, jika menolak H
, maka menunjukkan terdapat masalah heteroskedastisitas dalam model. Sebaliknya, jika menerima H
menunjukkan bahwa tidak terdapat masalah heteroskedastisitas dalam model.
3.3.4.3. Uji Autokorelasi
Autokorelasi diartikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu atau ruang Gujarati, 1978. Model
klasik mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur disturbansi atau gangguan yang
berhubungan dengan pengamatan lain. Pada software E-views untuk mendeteksi adanya autokorelasi serial correlations dapat dilakukan melalui uji Durbin-
Watson DW, dimana jika DW2 atau DW2, maka terdapat masalah autokorelasi. Namun dalam penelitian ini uji autokorelasi serial correlations
menggunakan uji Breusch-Godfrey Serial Colleration LM. Rumusan adanya autokorelasi dalam permodelan adalah sebagai berikut:
≠
j i
u u
E i
≠ j 13
u
i
= disturbance
pengamatan i, u
j
= disturbance
pengamatan j. Kondisi di atas menunjukkan bahwa unsur gangguan disturbance yang
berhubungan dengan observasi u
i
dipengaruhi oleh unsur gangguan disturbance yang berhubungan dengan pengamatan lain u
j
. Hipotesis:
H :
β = 0, tidak terjadi autokorelasi
H
1
: β
0, terjadi autokorelasi Kriteria uji:
Probability ObsR-squared α taraf nyata yang digunakan, maka tolak H
, Probability ObsR-squared
α taraf nyata yang digunakan, maka terima H .
Kesimpulannya, jika menolak H , maka menunjukkan terdapat masalah auto-
korelasi dalam model. Sebaliknya, jika menerima H menunjukkan bahwa tidak
terdapat masalah autokorelasi dalam model.
IV. HASIL DAN PEMBAHASAN