kurtosis = 3 atau excess kurtosis=0. Dan probability yang lebih besar dari 0,05.
1
3. Uji Asumsi Klasik
Analisis regresi dapat menghadapi beberapa masalah serius seperti adanya multikolinieritas, heteroskedastisitas, atau autokorelasi. Uji asumsi
klasik dilakukan untuk melihat apakah dalam model regresi tersebut terdapat masalah serius atau tidak, sehingga model tersebut memenuhi kriteria BLUE
Best Linier Unbiased Estimator.
a. Uji Multikolinieritas
Multikolinieritas mengacu pada situasi dimana dua atau lebih variabel penjelas dalam suatu regresi mempunyai korelasi yang tinggi. Uji
multikolinieritas ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Model yang baik adalah
model yang tidak terjadi korelasi antar variabel independennya.
Tabel 4.5 Uji Multikolinieritas
ROA_Y1 MRB_X1 NPF_X2
FDR_X3 ROA_Y1
1.000000 0.359968
-0.246469 0.599507
MRB_X1 0.359968 1.000000
-0.800108 0.505706
NPF_X2 -0.246469 -0.800108 1.000000
-0.079812 FDR_X3
0.599507 0.505706
-0.079812 1.000000
1
Dedi Rosadi, Ekonometrika Analisis Runtun Waktu Terapan dengan Eviews, Yogyakarta: Andi Yogyakarta, h. 29-30
Berdasarkan tabel 4.5 diatas, terlihat bahwa antara masing-masing variabel memiliki koefisien yang lebih kecil dari 0,85 sehingga tidak terdapat
hubungan yang linier antara ketiga variabel independen tidak terjadi multikolinieritas.
b. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi tidak terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan lain. Jika varian satu residual dari satu pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda, maka disebut
heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas. Uji heteroskedastisitas dalam penelitian ini menggunakan Uji White.
Tabel 4.6 Uji White
Heteroskedasticity Test: White F-statistic
1.060549 Prob. F9,50 0.4076
ObsR-squared 9.617886 Prob. Chi-Square9
0.3823 Scaled explained SS
9.418871 Prob. Chi-Square9 0.3995
Dapat dilihat pada tabel uji heteroskedastisitas dengan menggunakan Uji White bahwa Probability Chi-Square dari model regresi tersebut adalah
sebesar 0.3823 yang lebih besar dari 0,05 sehingga dalam model tersebut tidak terdapat heteroskedastisitas atau bersifat homoskedastisitas.
c. Uji Autokorelasi
Salah satu asumsi dari model regresi linier klasik adalah bahwa tidak ada autokorelasi atau korelasi serial autocorrelation or serial correlation.
2
Dalam penelitian ini, uji autokorelasi dilakukan dengan uji Breusch-Pagan- Godfrey.
Tabel 4.7 Uji Autokorelasi Breusch-Pagan-Godfrey
Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic
2.061364 Prob. F3,56 0.1157
ObsR-squared 5.966889 Prob. Chi-Square3
0.1132 Scaled explained SS
5.843421 Prob. Chi-Square3 0.1195
Tabel 4.7 menunjukkan nilai Probabilitas Chi-Square sebesar 0.1132 yang lebih besar dari nilai α sebesar 0,05. Dapat disimpulkan bahwa dalam
model ini tidak terdapat masalah autokorelasi.
4. Uji Lag Optimal
Untuk melakukan uji kausalitas dan uji VAR, perlu terlebih dahulu ditemukan penjang lag optimalnya. Dalam penelitian ini, peneliti mentukkan
panjang lag optimalnya dengan melihat nilai Akaike Information Criteria AIC yang paling rendahminimum. Panjang lag yang diikutsertakan dalam
pengujian ini adalah mulai dari 0 sampai dengan lag 5 karena data yang dipakai bulanan dan berkisar 5 tahun.
2
J. Supranto, Ekonomi Buku Kedua Jakarta: Ghalia Indonesia, h. 82