68
C. Analisis Pembahasan dan Hasil Regresi
1. Uji Asumsi Klasik
a. Normalitas
Pengujian normalitas berfungsi untuk mengetahui apakah data pada penelitian ini bersifat normal atau tidak.
Gambar 4.5 Hasil Uji Normalitas
Sumber : menggunakan eviews 5 Uji normalitas pada penelitian ini menggunakan histogram
normality test. Maka berdasarkan gambar 4.4 menunjukan bahwa uji statistic JB, nilai statistiknya sebesar 2.207152 dengan probabilitas
lebih besar dari α = 5 persen yaitu 0.331683 sehingga dapat di
nyatakan bahwa data berdistribusi normal.
b. Multikolinieritas
Pengujian multikolinieritas berfungsi untuk apakah ditemukan adanya
kolerasi antar
variable independen.
Ada tidaknya
1 2
3 4
5 6
7
-0.06 -0.04
-0.02 0.00
0.02 0.04
0.06 Series: Residuals
Sample 2001Q1 2010Q4 Observations 40
Mean 6.13e-15
Median -0.005847
Maximum 0.054481
Minimum -0.056972
Std. Dev. 0.030194
Skewness 0.225870
Kurtosis 1.941595
Jarque-Bera 2.207152
Probability 0.331683
69 multikolinieritas dapat di lihat dari koefesien kolerasi masing
– masing variable bebas, jika koefesien kolerasi di antara masing
– masing variable bebas dari 0,8 maka terjadi multikolinieritas.
Berikut ini uji multikolinieritas dengan menggunakan matriks.
Tabel 4.5 Uji Multikolinieritas
PDRB PAD
DP TPAK
PDRB 1.000000
0.955575 0.949606
0.950201 PAD
0.955575 1.000000
0.885603 0.922930
DP 0.949606
0.885603 1.000000
0.880692 TPAK
0.950201 0.922930
0.880692 1.000000
Sumber : data menggunakan eviews 5 Berdasarkan tabel 4.2 correlation matrix, menunjukan bahwa
korelasi antar variabel independen LNPAD,LNDP,dan TPAK adalah 0,80 sehingga dapat di simpulkan bahwa model ini terdapat
multikolinieritas. Multikolinieritasdapat
di abaikan
karena estimatornya masih bersifat BLUE Wahyu, 2009:5.7. Sifat BLUE
tidak berpengaruh oleh ada tidaknya korelasi antrvariabel independen. Namun harus di ketahui bahwa multikolinieritas akan menyebabkan
standar eror yang besar.
c. Autokolerasi
Uji autokolerasi berfungsi untuk mengetahui apakah terdapat kesalahan pengganggu dari periode tertentu µtberkolerasi dengan
kesalahan pengganggu dari periode sebelumnya µ -1. Pada kondisi ini kesalahan pengganggu tidak bebas tetapi satu sama lain saling
berhubungan. Hamja,2008:117
70
Tabel 4.6 Hasil Uji Autokolerasi
Breusch-Godfrey Serial Correlation LM Test: F-statistic
2.432751
Probability
0.0995
ObsR-squared
5.177602
Probability
0.0751 Sumber : data menggunakan eviews 5
Berdasarkan pada tabel 4.6 maka nilai probabilitas ObsR-square sebesar 0,0751
lebih besar dari α 5 0,05. Hal ini menunjukan bahwa model ini sudah tidak terdapat autokolerasi.
d. Heterokedasitas
Model uji heteroskedasitas berfungsi untuk menguji apakah varian dari dua observasi dalam penelitian samahomogen untuk
semua variable terikat dengan variable bebas sehingga hasil estimasinya tidak bias. Identifikasi ada atau tidaknya permasalahan
heteroskedasitas di lakukan melalui Uji White Heteroskedascity
Tabel 4.7 Hasil Uji Heteroskedastisitas
White Heteroskedasticity Test: F-statistic
2.195108 Probability 0.068448
ObsR-squared 11.41041 Probability
0.076491
Sumber : data menggunakan eviews 5 Berdasarkan tabel 4.7 model ini tidak terdapat adanya
heteroskedastisitas, karena nilai probability ObsR-square sebesar
0.076491
lebih besar dari α 5 0,05. Maka model ini bersifat homoskedasitas.