49 Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai
korelasi antar variabel yang terdapat dalam matriks korelasi. Ghozali 2006:91 menyatakan jika antar variabel independen ada korelasi yang cukup tinggi
umumnya di atas 0,9, maka hal ini merupakan indikasi adanya multikolinearitas. Hasil uji multikolinearitas disajikan pada Tabel 4.2.
Tabel 4.2 Uji Multikolinearitas dengan Matriks Korelasi
PDRB SILPA
PAD DAU
DAK DBH
PDRB 1.000000
0.663321 0.895806
0.818999 0.284851
0.673903 SILPA
0.663321 1.000000
0.517047 0.420595
0.113514 0.743917
PAD 0.895806
0.517047 1.000000
0.683358 0.174878
0.405015 DAU
0.818999 0.420595
0.683358 1.000000
0.358128 0.628118
DAK 0.284851
0.113514 0.174878
0.358128 1.000000
0.237170 DBH
0.673903 0.743917
0.405015 0.628118
0.237170 1.000000
Sumber: Hasil olahan software Eviews 7
Berdasarkan Tabel 4.2, dapat dilihat bahwa korelasi antara PDRB dan SiLPA sebesar 0,663321, korelasi antara PAD dan DAK sebesar 0,174878, dan
sebagainya. Dari hasil pengujian multikolinearitas pada Tabel 4.2 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel
independen. Gejala multikolinearitas terjadi apabila nilai korelasi antar variabel independen lebih besar dari 0,90 Ghozali, 2006:91.
4.2.2.3 Uji Non-Autokorelasi atau Independensi Residual Independent
Errors
Uji independensi residual uji non-autokorelasi merupakan suatu uji untuk memeriksa apakah untuk setiap dua pengamatan residual saling berkorelasi atau
tidak Field, 2009:220. Supranto 2005:151 mengartikan non-autokorelasi
50 sebagai tidak terjadinya korelasi antara kesalahan pengganggu yang satu dengan
yang lainnya. Meskipun terjadinya autokorelasi terhadap estimator-estimator yang dihasilkan oleh metode ordinary least square OLS tetap tak bias unbiased,
konsisten consistent, dan terdistribusi normal secara asimtotis, namun estimator- estimator tersebut tidak lagi efisien. Sebagai akibatnya, pada uji t, F, dan chi
kuadrat tidak lagi sah untuk digunakan cannot be legitimately applied Gujarati, 2003:489. Asumsi mengenai independensi terhadap residual non-autokorelasi
dapat diuji dengan menggunakan uji Durbin-Watson Field, 2009:220. Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Field 2009:220
menyatakan sebagai berikut: “Specifically, it Durbin-Watson tests whether adjacent residuals are correlated.
The test statistic can vary between 0 dan 4 with a value 2 meaning that the residuals are uncorrelated.
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field 2009:220-221 menyatakan
sebagai berikut. “The size of the Durbin-Watson statistic depends upon the number of predictors
in the model and the number of observations. For accuracy, you should look up the exact acceptable values in Durbin and Watsons 1951 original paper. As
very conservative rule of thumb, values less then 1 or greater than 3 are definitely cause for concern; however, values closer to 2 may stil be problematic depending
on your sample and model”.
51
Tabel 4.3 Uji Asumsi Non-Autokorelasi dengan Uji Durbin-Watson
Dependent Variable: BM Method: Least Squares
Date: 041315 Time: 21:49 Sample: 1 94
Included observations: 94 R-squared
0.924263 Mean dependent var 167302.0 Adjusted R-squared 0.919040 S.D. dependent var
165833.2 S.E. of regression
47185.38 Akaike info criterion 24.43311
Sum squared resid 1.94E+11 Schwarz criterion
24.62250 Log likelihood
-1141.356 Hannan-Quinn criter. 24.50961 F-statistic
176.9520 Durbin-Watson stat 1.607924
ProbF-statistic 0.000000
Berdasarkan Tabel 4.3, nilai dari statistik Durbin-Watson adalah 1,607. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3,
maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
Cara lain yang digunakan untuk mendeteksi autokorelasi adalah dengan uji Breusch-Godfrey BG Test. Dasar pengambilan keputusan adalah melihat angka
probabilitas dari statistik BG, dengan ketentuan sebagai berikut:
Jika nilai Prob. Chi-Square dari Obs R-squared ≥ 0,05, maka tidak terjadi
autokorelasi. Jika nilai Prob. Chi-Square dari Obs R-sqaured 0,05, maka terjadi
autokorelasi.
52
Tabel 4.4 Uji Autokorelasi dengan Uji Breusch-Pagan-Godfrey
Breusch-Godfrey Serial Correlation LM Test: F-statistic
1.320299 Prob. F2,85 0.2725
ObsR-squared 2.832205 Prob. Chi-Square2
0.2427
Sumber: Hasil olahan software Eviews 7
Berdasarkan Tabel 4.4, nilai Prob. Chi-Square dari Obs R-squared = 0,2427
≥ 0,05, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.2.2.4 Uji Heteroskedastisitas
