terkena multikolinieritas dan sebaliknya, jika R
2
majemuk R
2
parsial maka
model empirik terkena gangguan multikolinieritas.
Tabel 4.4.2
Hasil Uji Klein
Variabel R
2
Majemuk R
2
Parsial Keterangan
PMDN dengan PMA dan AK
0.940973 0.149268
R
2
Majemuk R
2
Parsial Tidak terkena multikolinieritas
PMA dengan PMDN, dan AK
0.940973 0.159717
R
2
Majemuk R
2
Parsial Tidak terkena multikolinieritas
AK dengan PMDN dan AK
0.940973 0.014266
R
2
Majemuk R
2
Parsial Tidak terkena multikolinieritas
Sumber : Data diolah dengan eviews Lampiran
Pada tabel 4.4.2 dapat dilihat bahwa nilai R
2
majemuk R
2
parsial, yakni 0.940973 0.149268, 0.159717, 0.014266. Berdasarkan metode Klein dapat
disimpulkan bahwa model empiris yang digunakan dalam penelitian ini terbebas dari masalah multikolinieritas.
4.4.3 Uji Heteroskedastitas
Salah satu asumsi klasik yang menjadi bagian dalam prosedur uji disini adalah uji heteroskedastisitas. Heteroskedastisitas merupakan salah satu asumsi
OLS jika varian residualnya tidak sama. Untuk mengetahui gejala heteroskedastisitas dalam penelitian ini dilakukan dengan Uji White dalam
program Eviews.
Tabel 4.4.3 Hasil Uji Heteroskedastisitas
White Heteroskedasticity Test: F-statistic
0.764348 Prob. F6,24 0.605015
ObsR-squared 4.973354 Prob. Chi-Square6
0.547235
Sumber : Data diolah dengan Eviews lampiran
Dalam mengambil keputusan terdapat heteroskedastisitas atau tidak, pertama-tama harus ditentukan terlebih dahulu nilai probabilitasnya. Jika nilai
probabilitas ObsR-squared α = 5 atau 0,05, maka model terkena
heteroskedastisitas. Berdasarkan tabel 4.4.3 uji Uji White diperoleh nilai prob ObsR-squared
sebesar 0.547235 α = 5 atau 0,05 berarti model terbebas dari
masalah heteroskedastisitas.
4.4.4 Uji Autokorelasi Autokorelasi adalah keadaan dimana faktor-faktor pengganggu yang satu
dengan yang lain saling berhubungan. Pengujian terhadap gejala autokorelasi dalam penelitian ini dilakukan dengan menggunakan uji Lagrange Multiplier
LM. Tabel 4.4.4
Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test: F-statistic
2.038298 Prob. F2,25 0.151341
ObsR-squared 4.346261 Prob. Chi-Square2
0.113821
Sumber: Hasil Pengolahan data eviews Lampiran
Dalam mengambil keputusan terdapat heteroskedastisitas atau tidak, pertama-tama harus ditentukan terlebih dahulu nilai probabilitasnya. Jika nilai
probabilitas ObsR-squared α = 5 atau 0,05, maka model terkena
autokorelasi. Berdasarkan tabel 4.4.4 uji Lagrange Multiplier LM diperoleh nilai prob ObsR-squared sebesar 0.113821
α = 5 atau 0,05 berarti model terbebas dari masalah autokorelasi.
4.5 Pembahasan