95
Ada beberapa alternatif dalam menghadapi masalah multikolinieritas, salah satunya dengan melakukan transformasikan salah satu atau beberapa variabel,
termasuk misalnya dengan melakukan diferensi Winarno :2012:5.8
Tabel 4.6 Uji Multikolinieritas Setelah Differensiasi
DLNDPK DNPF
DINFLASI DLNDPK
1.000000 -0.063764
-0.018498 DNPF
-0.063764 1.000000
-0.197251 DINFLASI
-0.018498 -0.197251
1.000000 Setelah data variabel independen bebas di transformasikan dengan cara
melakukan diferensi maka dapat dilihat koefisien korelasi setelah dilakukan uji multikolinieritas dengan correlation matrix lebih kecil 0,8, sehingga dapat
disimpulkan bahwa model tidak terdapat masalah multikolinieritas.
b. Hasil Uji Autokorelasi
Untuk mendeteksi masalah autokorelasi digunakan uji Langrange Multiplier LM-test. Uji ini sangat berguna untuk mengidentifikasi masalah autokorelasi tidak
hanya pada derajat pertama first order tetapi juga digunakan pada tingkat derajat. Jika probabilitas dari ObsR-square 0.05 Ho ditolak ada autokorelasi.
Jika probabilitas dari ObsR-square 0.05 Ho diterima tidak ada autokorelasi. Uji autokerelasi juga bisa dilihat dari nilai probabilitas Chi-Square.Jika
probabilitas Chi-Square lebih besar dari tingkat signifikan 5 maka tidak terdapa autokorelasi dan sebaliknya jika probabilitas Chi-Squared lebih kecil dari 5 maka
terdapat autokorelasi.
Sumber : Eviews 6 data diolah
96
Tabel 4.7 Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.997475 Prob. F2,59
0.3749 ObsR-squared
2.256769 Prob. Chi-Square2
0.3236
Pada tabel hasil output diatas menunjukan bahwa nilai ObsR Squared LM mempunyai probabilitas sebesar 0.3236 dimana probabilitas lebih besa
r dari nilai α sebesar 0.05 atau 5. Berarti probabilitas tersebut memberikan putusan untuk tidak
dapat menolak hipotesis, yang artinya model ini terbebas dari permasalahan autokorelasi.
c. Hasil Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan kepengamatan yang lain.
Dalam penelitian ini digunakan uji white untuk mengidentifikasi masalah heterokedastis ini, Dengan kesimpulan :
Jika probabilita dari ObsR-square uji white 0.05 Ho ditolak ada Heterokedastisitas
Jika probabilita dari ObsR-square uji white 0.05 Ho diterima tidak ada heterokedastisitas
Adapun hasil uji white dengan bantuan software eviews 6 terlihat pada tabel dibawah ini menunjukan bahwa dalam model tidak mengandung heterokedastisitas.
Sumber : Eviews 6 data diolah
