a. Uji Autokorelasi
Untuk menguji autokorelasi pada model yang memiliki varibel yang diperlamban lagged digunakan uji Lagrange Multiplier LM Test Seperti pada
Tabel 4.6 berikut:
Tabel 4.6 Uji LM Test
ARCH Test: F-statistic
1.588145 Probability 0.220228
ObsR-squared 1.614747 Probability
0.203826 Test Equation:
Dependent Variable: STD_RESID2 Method: Least Squares
Date: 012710 Time: 12:27 Sampleadjusted: 1983 2007
Included observations: 25 after adjusting endpoints
Variable Coefficient
Std. Error t-Statistic
Prob. C
0.720583 0.384768
1.872773 0.0739
STD_RESID2-1 0.252980
0.200743 1.260216
0.2202 R-squared
0.064590 Mean dependent var 0.951350
Adjusted R- squared
0.023920 S.D. dependent var 1.712609
S.E. of regression 1.692003 Akaike info criterion
3.966321 Sum squared resid
65.84609 Schwarz criterion 4.063831
Log likelihood -47.57902 F-statistic
1.588145 Durbin-Watson
stat 1.982128 ProbF-statistic
0.220228
Sumber: output Eviews Least Square Method
Kriteria yang digunakan adalah apabila nilai ObsR-squared atau nilai probability lebih besar dari
α 0.05, maka data bebas dari masalah autokorelasi. Hasil estimasi pada tabel 4.6 diatas menunjukkan nilai probabality 0.203826 0.05.
Dengan demikian berdasarkan uji LM Test tidak terdapat autokorelasi pada hasil estimasi.
Universitas Sumatera Utara
b. Uji Multikolinieritas
Uji multikolinieritas adalah bertujuan untuk mengetahui apakah terdapat korelasi yang cukup besar antara sesama variabel independen X. Korelasi yang
terlalu tinggi antar sesama X akan berpengaruh pada menurunnya korelasi secara simultan terhadap variabel dependen Y. Untuk mendeteksi terjadinya
multikolinieritas digunakan uji Klein yaitu dengan perbandingan nilai R
2
model, dengan nilai R
2
regresi dari masing-masing variabel independen.
Tabel 4.7 Hasil Uji Multikolinieritas Variabel
R
2
Kesimpulan
INVPt-1 IHP
SBSP KE
0.72 0.79
0.54 0.75
Bebas Multikolinearitas
Sumber: output Eviews Least Square Method
Kriteria yang digunakan adalah jika nilai R
2
variabel-variabel independen lebih kecil dari nilai R
2
model, maka data bebas dari masalah multikolinieritas. Dari tabel 4.7, ketika variabel-variabel independen diregresikan maka nilai R
2
lebih kecil dari nilai R
2
model sebesar 0.849 sehingga dapat dikatakan bahwa data penelitian bebas dari masalah multikolinieritas.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil penelitian yang telah dikemukakan pada Bab-bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut :
1. Model yang digunakan dalam mengestimasi faktor yang mempengaruhi
investasi sektor pertanian sudah baik, karena model terbebas dari pelanggaran asumsi klasik, juga karena variasi kemampuan variabel-variabel penjelas dalam
menjelaskan investasi sektor pertanian tergolong tinggi. Dengan tingkat R
2
= 0.849 dapat disimpulkan bahwa dari segi uji kesesuaian Test of goodness of
fit cukup baik, dan hanya 0.151 dari determinan yang mempengaruhi investasi sektor pertanian dijelaskan oleh variabel lain yang tidak dimasukkan dalam
model penelitian. 2.
Secara serempak simultan variabel-variabel independen yang digunakan yaitu investasi sektor pertanian satu tahun sebelumnya, indeks harga produk
pertanian, suku bunga pinjaman sektor pertanian dan krisis ekonomi sangat signifikan mempengaruhi investasi sektor pertanian pada
α = 0.05 persen 3.
Secara parsial terdapat pengaruh yang signifikan investasi sektor pertanian satu tahun sebelumnya, indeks harga produk pertanian, suku bunga pinjaman
74
Universitas Sumatera Utara
Kategori