263
2. Bila nilai DW lebih rendah daripada batas bawah lower bound, L, maka koefisien autokorelasi lebih besar daripada nol, artinya ada autokorelasi positif.
3. Bila nilai DW terletak diantara batas atas dan batas bawah, maka tidak dapat disimpulkan.
Hasil analisis menunjukkan bahwa model regresi untuk melihat faktor-faktor penyebab deindustrialisasi dari sisi permintaan menghasilkan nilai DW sebesar 1.09,
sehingga tidak dapat disimpulkan apakah ada masalah autokorelasi atau tidak. Sementara itu, model regresi untuk melihat faktor-faktor penyebab deindustrialisasi
dari sisi penawaran menghasilkan nilai DW sebesar 2.40, artinya tidak ada korelasi positif. Dari hasil analisis ini dapat disimpulkan bahwa tidak terdapat masalah
autokorelasi yang serius pada model regresi linier faktor-faktor penyebab deindustrialisasi baik dari sisi permintaan maupun penawaran.
6.1.3. Uji Heteroskedastisitas
Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varian yang konstan dari satu observasi ke observasi lainnya.
Artinya setiap observasi mempunyai reliabilitas yang berbeda akibat pertumbahan dalam kondisi yang melatarbelakangi tidak terangkumnya dalam spesifikasi model.
Gejala heteroskedastisitas lebih sering dijumpai dalam data silang daripada data runtut waktu, namun juga sering juga muncul dalam analisis yang menggunakan data rata-
rata. Metode yang digunakan untuk mendeteksi masalah heterokedastisitas salah
satunya dapat menggunakan metode Park. Metode Park mengandung prosedur dua tahap. Tahap pertama, melakukan estimasi suatu model persamaan regresi tanpa
mempersoalkan apakah data mengandung heterokedastisitas atau tidak. Selanjutnya persamaan diestimasi dengan menggunakan metode OLS sehingga akan menghasilkan
264
nilai estimasi residual e. Karena umumnya nilai varian tidak diketahui, maka hal ini dapat ditaksir dengan menggunakan e
2
sebagai proxy. Langkah ini merupakan prosedur kedua dari Metode Park. Selanjutnya dilakukan transpormasi logaritma
natural terhadap variabel-variabel penjelas dan nilai residual yang dikuadratkan. Koefisien-koefisien parameter yang baru jika ternyata signifikan secara statistik, maka
hal ini akan mengindikasikan adanya kehadiran heterokedastisitas pada data yang digunakan. Sebaliknya jika tidak signifikan secara statistik, maka dapat disimpulkan
bahwa disturbance
error bersifat
homoscedasticity. Persamaan-persamaan
ekonometrika untuk menguji adanya heterokedastisitas selengkapnya dapat dilihat pada Lampiran 2.
Berdasarkan hasil pengujian menggunakan metode Park untuk model regresi linier faktor-faktor penyebab deindustrialisasi dari sisi permintaan menunjukkan bahwa
koefisien-koefisien parameter tidak signifikan secara statatis seperti dapat dilihat pada Tabel 59. Hal ini menunjukkan bahwa disturbance error pada model regresi faktor-
faktor penyebab deindustrialisasi dari sisi permintaan bersifat homoscedasticity sehingga masih memenuhi asumsi yang dipersyaratkan dalam metode OLS.
Tabel 59. Hasil Uji Heterokedastisitas Mengggunakan Metode Park untuk Model Regresi Linier Faktor Penyebab Deindustrialiasi dari Sisi Permintaan
Variabel
Penduga Parameter
Standar error t-hitung
Peluang
INTERCEPT LN_SHCREDIT
LN_SHEXPORT LN_SHIMPNMIGAS
60.32264 -5.41261
-12.5804 2.479466
89.78418 3.797712
18.95221 6.144147
0.67 -1.43
-0.66 0.40
0.5169 0.1845
0.5218 0.6950
Sumber : Hasil Analisis, 2011
Sementara itu, berdasarkan hasil pengujian menggunakan metode Park untuk model regresi linier faktor-faktor penyebab deindustrialisasi dari sisi penawaran
menunjukkan bahwa koefisien-koefisien parameter tidak signifikan secara statistik
