atau Schwarz criterion terkecil, rekomendasi Sims, ataupun dengan 20 persen N atau N
13
yang berdasarkan pada pengalaman dimana N = observasi
Tabel 4.3 Hasil Uji Kointegrasi
Dari tabel 4.3 di atas ditunjukkan nilai ADFtest CV 5, yaitu -4.167 artinya residual dari persamaan telah stasioner pada derajat integrasi nol atau I0. Hal ini
berarti terdapat hubungan yang signifikan berkointegrasi dalam jangka panjang antara M2 dan variabel-variabel yang mempengaruhinya yaitu PDB, KURS, SBI
dan uang primer.
4. Hasil Uji Asumsi Klasik a. Hasil Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi variabel terikat dan variabel bebasnya mempunyai model regresi yang
baik. Model regresi yang baik adalah jika distribusi data normal atau mendekati normal. Pengujian dilakukan dengan menggunakan Uji Jargue-Bera Test atau J-B
test. t-Statistic
Prob. Augmented Dickey-Fuller test statistic
-4.167102 0.0001
Test critical values: 1 level -2.605442
5 level -1.946549
10 level -1.613181
MacKinnon 1996 one-sided p-values.
Langkah-langkah pengujian sebagai berikut: Hipotesis
Ho: residual berdistribusi tidak normal Ha: residual berdistribusi normal
Pengambilan keputusan dilakukan dengan kriteria: Bila probabilitas obsR
2
0.05 maka signifikan, Ho ditolak residual berdistribusi normal
Bila probabilitas obsR
2
0.05 maka tidak signifikan Ha ditolak residual berdistribusi tidak normal
2 4
6 8
10 12
14
-0.02 -0.01
0.00 0.01
Series: Residuals Sample 2005M03 2009M12
Observations 58 Mean
5.80e-18 Median
0.000578 Maximum
0.014434 Minimum
-0.018733 Std. Dev.
0.006614 Skewness
-0.227474 Kurtosis
3.084196 Jarque-Bera 0.517327
Probability 0.772083
Gambar 4.6 Hasil uji normalitas
Dari diagram pada gambar 4.6 dapat dilihat bahwa pada hasil uji normalitas nilai probabilitas sebesar 0.772 lebih besar dari obs R
2
0.05. Hal ini berarti Ho ditolak maka distribusi data normal.
b. Hasil Uji Linieritas
Pengujian ini digunakan untuk menguji apakah bentuk fungsi suatu model estimasi linier atau tidak linier.
Langkah-langkah pengujian sebagai berikut: Hipotesis
Ho: model tidak linier Ha: model linier
Pengambilan keputusan dilakukan dengan kriteria: Bila probabilitas obsR
2
0.05 maka signifikan, Ho ditolak model linier Bila probabilitas obsR
2
0.05 maka tidak signifikan Ha ditolak model tidak linier
Tabel 4.4 Hasil Uji Ramsey RESET Test
Dari uji linieritas uji Ramsey RESET Test pada tabel 4.4 , nilai probabilitasnya adalah 0.2624 lebih besar dari
α = 0.05, artinya tidak ada permasalahan linieritas, maka Ho ditolak model linier.
c. Hasil Uji Multikolinearitas
Uji multikolinearitas bertujuan untu menguji apakah pada model regresi ditemukan adanya hubungan linier yang sempurna antara semua variabel bebas.
Jika terjadi hubungan linear yang sempurna maka terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi hubungan
yang linear diantara variabel bebasnya. pengujian dilakukan dengan menggunakan matriks korelasi Correlation Matrix.
Dengan langkah pengujian sebagai berikut: Ramsey RESET Test:
F-statistic 1.028782 Prob. F1,47
0.3156 Log likelihood ratio
1.255865 Prob. Chi-Square1 0.2624
Hipotesis: Ho: Tidak bersifat Multikolinearitas
Ha: Bersifat Multikolinearitas Pengambilan keputusan dilakukan dengan kriteria:
Bila hubungan antara X
1
dan X
2
0.8 → Ho ditolak, model bersifat
multikolinearitas Bila hubungan antara X
1
dan X
2
0.8 → Ho diterima, tidak bersifat
multikolinieritas
Tabel 4.5 Hasil Uji
Correlation Matrix
LNPDB LNKURS
LNSBI LNUP
LNPDB 1.000000
0.349836 -0.455449
0.797684 LNKURS
0.349836 1.000000
-0.037105 0.004977
LNSBI -0.455449
-0.037105 1.000000
-0.233986 LNUP
0.797684 0.004977
-0.233986 1.000000
Dari tabel 4.5 dapat dilihat bahwa pada hasil uji Corelation Matrix tidak terdapat nilai yang berada di atas 0.8, atau hubungan antara X
1
dan X
2
0.8. Hal ini berarti Ho diterima, maka dalam model tidak bersifat multikolinearitas.
d. Hasil Uji Heteroskedastisitas
Pendeteksian heteroskedastisitas dapat dilakukan melalui Uji White. Dengan langkah-langkah pengujian sebagai berikut:
Hipotesis; Ho: tidak terjadi Heteroskedastisitas
Ha: Terjadi Heteroskedastisitas
Pengambilan keputusan dilakukan dengan kriteria: Bila probabilitas ObsR
2
0.05 → Ho ditolak, terjadi heteroskedatisitas
Bila probabilitas ObsR
2
0.05 → Ho diterima, tidak terjadi
heteroskedatisitas
Tabel 4.6 Hasil Uji
White Heteroskedasticity
Dari tabel 4.6 dapat dilihat bahwa dalam model ini nilai probabilitas sebesar 0.4494 dengan ObsR
2
yaitu 8.869 diatas 0.05. Hal ini berarti dalam model tidak terjadi heteroskedastisitas atau berarti Ho diterima.
e. Hasil Uji Autokorelasi
Untuk mengetahui ada atau tidaknya penyakit autokorelasi dalam suatu model, dapat dilihat dari nilai statistik Durbin-Watson
Langkah-langkah pengujian sebagai berikut: Hipotesis:
Ho: Model tidak terdapat Autokorelasi Ha: Terdapat Autokorelasi
Pengambilan keputusan dilakukan dengan kriteria: Bila nilai DW tidak berada antara 1.54 – 2.46
→ Ho ditolak, model terdapat autokorelasi
Heteroskedasticity Test: White F-statistic
0.962823 Prob. F9,48 0.4819
ObsR-squared 8.869493 Prob. Chi-Square9
0.4494 Scaled explained SS 6.330441 Prob. Chi-Square9
0.7064
Bila nilai DW berada antara 1.54 – 2.46 → Ho diterima, model tidak
terdapat autokorelasi
Tabel 4.7 Hasil Uji Durbin-Watson
Ada autokorelasi
positif Tidak dapat
diputuskan Tidak ada
autokorelasi Tidak
dapat diputuskan
Ada autokorelasi
negatif
dl du 2 4-du 4-dl 4
1.10 1.54 2.46 2.90
Dari tabel 4.7 pada tabel uji Durbin-Watson dapat dilihat bahwa nilai Durbin-watson adalah sebesar 2.122. Hal ini berarti nilai Durbin-Watson berada
diantara 1.54 - 2.46. Hal ini juga berarti dalam model ini tidak terdapat adanya autokorelasi karena sudah terletak antara 1.54 – 2.46, atau berarti Ho diterima.
Selain dengan menggunakan uji Durbin Watson, untuk melihat ada tidaknya penyakit autokorelasi dapat juga digunakan uji Langrange Multiplier
LM Test dengan membandingkan nilai probabilitas R-Squared dengan α = 0.05
Gujarati: 2006 Hipotesis:
Ho: tidak terjadi Autokorelasi Ha: Terjadi Autokorelasi
Pengambilan keputusan dilakukan dengan kriteria: Bila probabilitas ObsR
2
0.05 → Ho ditolak, model terjadi autokorelasi
Bila probabilitas ObsR
2
0.05 → Ho diterima, model tidak terjadi
autokorelasi
Tabel 4.8 Hasil
Langrange Multiple Test
Dari tabel 4.8 pada tabel uji LM dapat dilihat bahwa nilai probabilitas Chi- Square 0.5452 atau lebih besar dari α = 0.05. Hal ini berarti dalam model ini tidak
terjadi autokorelasi, atau berarti Ho diterima.
5. Hasil Uji Error Correction Model