3.3.3.3. Pengujian Heteroskedastisitas
Menurut Gujarati 2006 heteroskedastisitas adalah kondisi dimana nilai varian dari variabel independen tidak memiliki nilai yang sama atau nilai ragam
error term tidak memiliki nilai yang sama untuk setiap observasi. Untuk menguji
adanya pelanggaran asumsi heteroskedatisitas digunakan uji yang diperoleh dari program Eviews.
Pengujian heteroskedastisitas adalah untuk menentukan adanya conditional variance
dan residual. Bagi data yang bersifat heteroscedastic perhitungan variannya lebih tepat jika menggunakan model GARCH. Proses
pengujian heteroskedastisitas dapat dilakukan dengan uji white untuk menentukan suatu residual bersifat heteroskedastisitas atau homoskedastisitas
dilakukan uji stsistik dengan menggunakan hipotesis berikut : H
: homoskedastisitas H
1
: heteroskedastisitas Jika p-value lebih dari taraf nyata maka tolak H
yang berarti model mengandung heteroskedastisitas.
3.3.3.4. Pengujian Autokorelasi
Autokorelasi didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Akibat dari autokorelasi
dapat mempengaruhi efisiensi dan estimatornya. Dampak lain dari autokorelasi pada model adalah varian residual yang diperoleh akan lebih rendah daripada
semestinya sehingga menyebabkan R
2
menjadi lebih tinggi. Untuk mendeteksi
adanya korelasi serial adalah dengan melihat nilai Durbin-Watson DW dalam output Eviews. Untuk mengetahui ada atau tidaknya autokorelasi, maka dilakukan
dengan membandingkan DW-statistik dengan DW-tabel. Tabel 3. Tabel untuk menentukan Autokorelasi
Ada autokorelasi
positif Tidak dapat
diputuskan Tidak ada
autokorelasi Tidak dapat
diputuskan Ada
autokorelasi negatif
dL du 4-du 4-dL 4 Sumber : Gujarati, 2006
Selain membandingkan niali DW-statistik dengan DW-tabel, autokorelasi juga dapat dideteksi dengan menggunakan dengan Breush-Grodfrey Serial
Correlation LM Test . Hipotesis yang digunakan dalam uji Breush-Godfrey adalah:
H : tidak ada autokorelasi
H
1
: ada autokorelasi Jika nilai p-value kurang dari taraf nyata maka tolak H
, artinya model mengandung autokorelasi.
3.4. Analisis Model ARCH-GARCH