Uji Normalitas dan Autokorelasi

hubungan jangka pendek dapat digantikan dengan asumsi yang menyatakan hubungan jangka menengah dan jangka panjang terbukti.

4.5.2. Uji Normalitas dan Autokorelasi

Sebelum analisa simultanitas data, diperlukan normalitas data penelitian. Normalitas data merupakan salah satu asumsi yang diperlukan dalam regresi liniear ganda. Uji normalitas digunakan untuk mengetahui apakah residual dari data berdistribusi normal atau tidak. Pada penelitian ini, untuk menguji normalitas data digunakan uji Jarque-Bera. Kriteria yang digunakan adalah jika nilai probabilitas Jarque-Bera JB test alpha 0,05, maka data dikatakan berdistribusi normal. Berikut hasil pengujian Jarque-Bera JB test: Tabel 4.7. Hasil Uji Jarque-Bera Variabel Nilai Jarque Bera Probability Kesimpulan PDB 1,408 0,495 Normal SBI 3,047 0,218 Sumber: Output Eviews Least Square Method, Normality test Pada Tabel 4.7 diketahui bahwa nilai probabilitas baik untuk persamaan PDB maupun persamaan SBI memiliki asumsi normalitas telah terpenuhi. Di mana nilai probability lebih besar dibandingkan dengan 0,05. Kemudian uji autokorelasi digunakan untuk mengetahui apakah data memiliki korelasi serial dari waktu ke waktu. Untuk melihat ada tidaknya korelasi diantara faktor gangguan error term dalam model yang digunakan maka dilakukan uji serial correlation LM test seperti berikut ini: p d f Machine A pdf w rit er t hat produces qualit y PDF files w it h ease Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, sim ply open the docum ent you want to convert, click “print”, select the “ Broadgun pdfMachine printer” and that’s it Get yours now Universitas Sumatera Utara Tabel 4.8. Hasil Uji LM Test Variabel Nilai ObsR- squared Probability Kesimpulan PDB 4,052 0,132 Tidak ada autokorelasi SBI 2,085 0,247 Tidak ada autokorelasi Sumber: Output Eviews Least Square Method, LM Test Berdasarkan hasil uji serial correlation menunjukkan bahwa tidak ada autokorelasi dalam model empiris yang digunakan. Hal ini dapat dilihat dari nilai Chi-square ObsR-squared lebih besar dibandingkan dengan prob 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa model yang diuji ini terbebas dari persoalan autokorelasi.

4.7. Hasil Estimasi Model dan Pembahasan