dapat disimpulkan bahwa nilai Jargue-Bera test lebih kecil dari nilai χ
2
tabel JB test hitung 1.015263
χ
2
tabel 18,3070. Hal ini berarti model empiris yang digunakan dalam model ini mempunyai residual atau faktor pengganggu yang berdistribusi
normal yang tidak dapat ditolak dan tidak signifikan.
4.3.2 Uji multikolinieritas
Uji multikolinieritas adalah investigasi terhadap semua variabel predetermine apakah mengalami multikolinieritas atau kombinasi linier yang serius. Program
EViews 4.1 tidak melaporkan atau tidak menyediakan pengujian multikolinieritas, sehingga untuk menguji multikolinieritas memerlukan perhitungan correlation
matrix. Tabel 4.6 ditunjukkan nilai R
2
hasil regresi parsial antar variable independent. Berdasarkan indikator ini disimpulkan bahwa masalah multikolinieritas yang serius
tidak terjadi pada model permintaan kredit konsumsi dan tingkat bunga kredit konsumsi.
Untuk mendeteksi ada tidaknya multikolinieritas dalam model estimasi yang dilakukan adalah dengan melihat nilai R² yang dihasilkan oleh model dan model
estimasi angka R² yang tinggi disertai koefisien regresi yang sebagian besar tidak signifikan biasanya menandakan terdapatnya multikolinieritas.
Tabel 4.6 Hasil Estimasi uji Multikolinieritas Koefisien Korelasi Parsial
Variabel R² PDRB 0.587150
SBKK 0.304644
Andayani Hadi : Analisis Permintaan Kredit Konsumsi Pada Perbankan di Sumatera Utara, 2008 USU e-Repository © 2008
Kurs 0.537624 PKK
t-1
0.566174 Sumber: Lampiran
Berdasarkan tabel 4.6 tersebut, bahwa mulai R² PDRB, Kurs, SBKK, PKK
t- 1
sebesar 0.975679 lebih besar daripada nilai R² dalam regresi parsial yaitu 0.587150; 0.304644; 0.537624; dan 0.566174. berdasarkan metode ini dapat
disimpulkan bahwa dalam model ini tidak ada multikolinieritas.
4.3.3 Uji Autokorelasi
Untuk mendiagnosa ada tidaknya korelasi serial autokorelasi, dapat dilakukan dengan menggunakan Lagrange Multiplier Test LM-Test. Uji
nonautokorelasi adalah evaluasi korelasi serial dari disturbance term error dengan hipotesis nol: disturbance term error adalah nonautokorelasi. Pengujian asumsi
nonautokorelasi menggunakan Breusch-Godfrey [BG] Test atau LM Test. dimana p = panjang time lag dari disturbance term
error dan juga merupakan derajat bebas Tabel Distribusi [ χ
2
]. Jika statistik [T-p] × R
2
≥ χ
2 p
maka disturbance term error mengalami autokorelasi, sebaliknya jika [T-p] ×
R
2
χ
2 p
maka disturbance term error tidak mengalami autokorelasi. Hasil pengujian
autokorelasi ditunjukkan pada tabel 4.7 berikut:
, ]
[
2
R p
T statistic
BG ×
− =
−
Tabel 4.7 Uji Autokorelasi pada Hasil Estimasi Permintaan Kredit Konsumsi
Jenis Uji Alat Uji
Nilai Hitung ObsR²
Nilai Tabel X² Kesimpulan
Andayani Hadi : Analisis Permintaan Kredit Konsumsi Pada Perbankan di Sumatera Utara, 2008 USU e-Repository © 2008
Autokorelasi LM
Test 0.001482
18,3070 Dalam model estimasi tidak
ditemukan adanya autokorelasi.
Sumber: Lampiran 4
Pada Tabel 4.7 ini diperoleh besarnya nilai LM Test sebesar 0.001482 dan bila dibandingkan dengan nilai X² tabel sebesar 18,3070 Pada taraf 95, maka dapat
disimpulkan bahwa nilai LM Test lebih kecil dari nilai X² table R² 0.001482 X² tabel 18,3070. dengan demikian hipotesis nol H
diterima. Artinya tidak ada autokorelasi antara permintaan kredit konsumsi dengan PDRB, Kurs, tingkat bunga
kredit, dan permintaan kredit tahun sebelumnya. Uji penyimpangan asumsi klasik di atas membuktikan model permintaan
kredit konsumsi dan tingkat bunga kredit konsumsi memenuhi asumsi model regressi linier. Dengan kata lain model permintaan kredit konsumsi dan tingkat bunga kredit
konsumsi dapat digunakan untuk analisis struktural, peramalan dan evaluasi kebijakan.
4.4 Pembahasan