Pengujian Asumsi Klasik Analisis Data
Tabel 5.6 Hasil Pengujian Multikolinearitas
Collinearity Statistics Model
Tolerance VIF
1 Constant INF
0.734 1.362
SBK 0.706
1.416 KURS
0.951 1.052
a. Dependent Variable: PMDN
Sumber: data diolah 2015 Berdasarkan analisis collinearity statistics untuk variabel Inflasi X
1
di dapat besar tolerance 0,734. Hal ini berarti nilai tolerance lebih besar dari 0,1. Sedangkan VIF atau Variance Inflation Factor untuk variabel Inflasi
diperoleh 1,362. Karena VIF untuk variabel Inflasi kurang dari 5, maka dapat disimpulkan bahwa variabel Inflasi tidak mempunyai persoalan dengan
variabel bebas lainnya atau dengan kata lain tidak terjadi multikolinearitas. Untuk variabel Suku Bunga Kredit atau SBK X
2
didapat besar tolerance 0,706 yang berarti lebih besar dari 0,1. Sedangkan nilai VIF
diperoleh 1,416 yang berarti kurang dari 5, maka dapat dikatakan bahwa variabel SBK tidak mempunyai masalah dengan variabel bebas yang lainnya
atau dengan kata lain tidak terjadi multikolinearitas. Selanjutnya besar tolerance untuk variabel Kurs X
3
adalah 0,951 dan hasil tersebut kurang dari 0,1. Sedangkan besar VIF dari variabel Kurs didapat
1,052 yang berarti besar VIF kurang dari 5. Maka dapat dikatakan bahwa
variabel Kurs juga tidak mempunyai persoalan dengan variabel bebas lainnya atau dengan kata lain tidak terjadi multikolinearitas
.
b Uji Heteroskedastisitas Heterokedastisitas adalah suatu keadaan dimana varian dari kesalahan
pengganggu tidak konstan untuk suau variabel bebas. Untuk mendeteksi ada tidaknya masalah heterokedastisitas digunakan uji Glejser dengan cara
meregresikan antara variabel independen dengan nilai absolut residualnya. Jika signifikansi antara variabel independen dengan nilai absolutnya 0,10
maka tidak terjadi heteroskedastisitas. Hasil output adalah sebagai berikut: Tabel 5.7
Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant -1.266
1.104 -1.146
.268 INF
-.003 .003
-.239 -1.001
.331 SBK
-.011 .021
-.121 -.498
.625 KURS
.205 .112
.385 1.837
.184 a. Dependent Variable: abs_Res
Sumber: data diolah 2015 Berdasarkan tabel diatas, signifikansi p-value dari ketiga variabel yaitu
Inflasi 0,331, Suku Bunga Kredit 0,625, dan Kurs 0,184. Oleh karena itu
dapat dikataan bahwa nilai signifikansi p-value 0,10 sehingga dapat disimpulkan bahwa dalam model regresi tidak terdapat masalah
heteroskedastisitas. c Uji Autokorelasi
Autokorelasi adalah suatu keadaan dimana kesalahan pengganggu dari satu observasi terhadap observasi selanjutnya yang berurutan tidak
berpengaruh atau tidak terjadi korelasi. Dalam penelitian ini uji autokorelasi menggunakan metode Durbin Watson. Dari hasil data yang telah diolah
menggunakan program SPSS 16.00 diperoleh output sebagai berikut: Tabel 5.8
Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .802
a
.643 .580
.50200 .816
a. Predictors: Constant, KURS, INF, SBK b. Dependent Variable: Y
Sumber: data diolah 2015 Berdasarkan data diatas, terlihat nilai Durbin Watson adalah 0,816. Maka
dapat disimpulkan bahwa penelitian ini mengalami masalah autokorelasi. Maka akan diperbaiki dengan menggunakan metode Cochrane-Orcutt C-O.
Metode ini merupakan alternatif untuk memperoleh nilai struktur autokorelasi ρ yang tidak diketahui. Metode ini menggunakan nilai estimasi residual
untuk menghitung ρ. Setelah nilai ρ diketahui maka akan dilakukan transformasi masing-masing variabel. Hasilnya akan dilakukan regresi
kembali dan hasil regresi diasumsikan sudah tidak mengandung masalah autokorelasi.
Tabel 5.9 Hasil Uji Cochrane-Orcutt C-O
Model Summary