koefisiennya tidak minimal lagi dengan kata lain estimasi koefisiennya tidak akurat lagi Firmansyah, 2008.
Pengujian ada tidaknya heteroskedastisitas tidak hanya dengan melihat pada Sactter Plot atau pada pola gangguan saja. Beberapa metode statistik yang dapat
digunakan untuk menentukan apakah suatu model terbebas dari masalah heteroskedastisitas atau tidak seperti Uji White, Uji Park, Uji Gletjer, dan lain-lain.
Untuk menguji ada tidaknya variasi gangguan yang berpola atau yang disebut dengan heteroskedastisitas, hipotesisnya adalah sebagai berikut:
Ho = Tidak ada Heteroskedastisitas
H1 = Ada Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya heteroskedastisitas dalam
model persamaan
regresi dengan
menggunakan metode
White Heteroskedasticity test yang telah disediakan dalam program eviews. Hasil yang
diperhatikan dari uji ini adalah nilai F dan ObsR-Squared. Jika nilai ObsR-Squared lebih kecil χ
2
tabel, maka tidak terjadi heteroskedastisitas. Demikian pula sebaliknya Shochrul dkk, 2011.
3.4.3.3 Deteksi Autokorelasi
Autokorelasi adalah keadaan dimana gangguan pada periode observasi tertentu berkorelasi dengan gangguan pada periode observasi lain yang berurutan,
dengan kata lain gangguan tidak random. Akibat dari adanya autokorelasi adalah
parameter yang diamati menjadi bias dan variannya tidak minimum, sehingga tidak efisien Gujarati, 2003.
Salah satu cara untuk menguji ada tidaknya autokorelasi dalam suatu model persamaan regresi adalah Breusch Godfrey Test BG Test atau Uji Lagrange-
Multiplier LM. Pengujian dengan BG dilakukan dengan meregres gangguan ut, menggunakan autoregressive model dengan orde p :
u
t
= ρ
1
u
t-1
+ ρ
2
u
t-2
+ … + ρ
p
u
t-p
+ ε
t
……………………………………..3.6 dengan hipotesa nol, Ho adalah : ρ
1
= ρ
2
=
ρ
p
= 0, dimana koefisien
autoregressive secara simultan sama dengan nol, yang menunjukkan bahwa tidak terdapat autokorelasi dalam setiap orde. Secara manual, jika χ
2
tabel lebih besar dari ObsR-Squared maka model tersebut bebas dari autokorelasi Firmansyah, 2008.
3.4.3.4 Deteksi Normalitas
Deteksi normalitas bertujuan untuk mengetahui apakah gangguan ui, didistribusikan secara normal atau tidak. Normalitas dapat dideteksi dengan
menggunakan uji Jarque-Berra JB dan metode grafik. Penelitian ini akan menggunakan metode J-B test yang dilakukan dengan menghitung skweness dan
kurtosis, apabila J-B hitung nilai χ
2
Chi Square tabel, maka nilai residual berdistribusi normal.
……………………………………………………. 3.7 Dimana:
S = Skewness statistik k = Kurtosis, menggambarkan banyaknya koefisien yang digunakan di dalam
persamaan Jika nilai J-B hitung J-B tabel, maka hipotesis yang menyatakan bahwa
gangguan ui terdistribusi normal ditolak dan sebaliknya. Deteksi normalitas dapat juga dilihat dari koefisien Jarque-Bera dan
probabilitasnya. Kedua angka ini bersifat saling mendukung. Apabila probabilitas lebih besar dari 5, maka data terdistribusi normal hipotesisnya adalah data
terdistribusi normal Winarno, 2009.
3.4.4 Uji Statistik
