6.3.2. Uji Autokorelasi
Secara harfiah autokorelasi berarti adanya korelasi antara anggota observasi satu dengan observasi lain yang berlainan waktu.
Dalam kaitannya dengan asumsi OLS, autokorelasi merupakan korelasi antara satu residual dengan residual yang lain. Pengujian
terhadap gejala autokorelasi dapat dilakukan dengan uji Durbin- Watson atau dengan uji LM Test yang dikembangkan oleh Bruesch-
godfrey,dimana uji LM Test bisa dikatakan sebagai uji autokorelasi yang paling akurat Kuncoro, 2001 : 107, apalagi jika sampel yang
digunakan dalam jumlah yang besar misalnya diatas 100. Uji ini dilakukan dengan memasukkan lagnya, dari hasil uji autokorelasi
Serial Correlation LM Test Lag. Uji Lagrange Multiplier LM Test .
Uji Hipotesis untuk menetukan ada tidaknya autokorelasi. Ho :
ρ
1
= ρ
2
= ....= ρ
q
= 0 , Tidak ada autokorelasi Ha :
ρ
1
≠ ρ
2
≠....≠ ρ
q
≠ 0 , Ada autokorelasi Hasil perhitungan yang didapat adalah ObsR square
χ2
- hitung
= 6,586913 sedangkan χ2
-tabel
= 7,81473 df = 3 , α = 0,05 ,
sehingga χ2
-hitung
χ2
–tabel
6,586913 7,81473 . Perbandingan antara
χ2
-hitung
dengan χ2
–tabel
, yang menunjukkan bahwa χ2
-hitung
χ2
–tabel
, berarti Ho tidak dapat ditolak. Dari hasil uji LM tersebut dapat disimpulkan bahwa tidak ada autokorelasi.
Tabel 6.10 Hasil Uji LM Test
Breusch-Godfrey Serial Correlation LM Test: F-statistic
2.162424 Probability 0.097786
ObsR-squared 6.586913 Probability
0.086297 Test Equation:
Dependent Variable: RESID Method: Least Squares
Date: 092607 Time: 14:04
Variable Coefficient Std.
Error t-Statistic
Prob. LOGX1
0.002392 0.014184
0.168632 0.8665
LOGX2 0.003344
0.015499 0.215741
0.8297 LOGX3
0.007157 0.018754
0.381626 0.7036
DM 0.007340
0.020019 0.366678
0.7147 C
-0.095004 0.201284
-0.471991 0.6381
RESID-1 0.033103
0.105833 0.312786
0.7552 RESID-2
-0.191287 0.102204
-1.871616 0.0644
RESID-3 -0.162931
0.105188 -1.548951
0.1248 R-squared
0.065869 Mean dependent var 2.29E-15
Adjusted R-squared -0.005206 S.D. dependent var
0.056838 S.E. of regression
0.056986 Akaike info criterion -2.815406
Sum squared resid 0.298761 Schwarz criterion
-2.606992 Log likelihood
148.7703 F-statistic 0.926753
Durbin-Watson stat 2.005873 ProbF-statistic
0.489770
Sumber: Data diolah dengan Eviews lampiran
6.3.3. Uji Multikolinieritas
Kategori