dummy krisis ekonomi 1997 memiliki pengaruh yang tidak signifikan dengan nilai t-stat yang lebih kecil dari t-tabel. Selain dilihat dari nilai t-statistik,
signifikansi suatu variabel independen juga dapat dilihat dari probabilitasnya. Jika probabilitas suatu variabel lebih kecil dari taraf nyata α = 0,05, maka variabel
tersebut berpengaruh nyata signifikan.
5.3. Analisis Uji Ekonometrika 5.3.1. Uji Multikolinearitas
Terjadinya multikolinearitas dalam suatu model dapat diketahui dari nilai korelasi antar variabel independen pada tabel correlation matrix lihat Lampiran
4. Berdasarkan tabel correlation matrix tersebut, dapat dilihat bahwa terdapat nilai korelasi antar variabel independen yang melebihi nilai |0,8| yakni korelasi
antara variabel dummy krisis ekonomi 1997 dengan dummy deregulasi 24 Juni 1999 dengan nilai 0,8164. Hal ini menunjukkan bahwa terdapat multikolinearitas
pada model yang digunakan. Akan tetapi, nilai korelasi yang terjadi masih lebih kecil dibandingkan nilai Adjusted R-squared pada model Adj R-squared =
0,9219, sehingga menurut uji Klein, keberadaan multikolinearitas dalam model tersebut dapat diabaikan.
5.3.2. Uji Autokorelasi
Pendeteksian autokorelasi pada suatu model dapat dilakukan melalui uji Breusch-Godfrey Serial Correlation LM Test. Berdasarkan uji tersebut, nilai
probabilitas dari ObsR-squared adalah sebesar 0,8524, lebih besar dari nilai taraf
nyata lima persen lihat Lampiran 5. Berdasarkan hasil tersebut, dapat disimpulkan bahwa model fungsi produksi Cobb-Douglas industri mobil
Indonesia tidak mengandung autokorelasi.
5.3.3. Uji Heteroskedastisitas
Gejala heteroskedastisitas dalam suatu model dapat diketahui dengan menggunakan uji White Heteroscedasticity Test. Nilai probabilitas ObsR-
squared pada uji ini adalah sebesar 0,1349 lihat Lampiran 6, lebih besar dari nilai taraf nyata lima persen. Berdasarkan hasil tersebut, maka dapat disimpulkan
bahwa pada model ini tidak terjadi gejala heteroskedastisitas.
5.3.4. Uji Normalitas Error Term
Menurut hukum bilangan besar, suatu pemodelan yang memadai sebaiknya memiliki jumlah pengamatan sebanyak 30 atau lebih. Jumlah data yang besar
akan menyebabkan error term terdistribusi secara normal. Pada model fungsi produksi Cobb-Douglas industri mobil Indonesia ini jumlah pengamatan hanya
mencapai 21 tahun, yakni dari tahun 1985 hingga 2005. Agar dapat mengetahui apakah error term menyebar secara normal atau tidak pada model ini, digunakan
uji Jarque-Bera. Berdasarkan uji ini, nilai probability P-value dari model ini adalah sebesar 0,9572 lihat Lampiran 7, lebih besar dari taraf nyata yang
digunakan yaitu lima persen α = 0,05. Nilai P-value yang lebih besar dari taraf
nyata ini menunjukkan bahwa pada model ini error term terdistribusi secara normal pada tingkat keyakinan 95 persen.
5.4. Analisis Ekonomi 5.4.1. Faktor-faktor yang Mempengaruhi Output Industri Mobil Indonesia
