Gambar 5.7 Hasil Uji Asumsi Normalitas Sumber : Hasil Pengolahan dengan EViews 6.0.
Untuk mendapatkan hasil yang lebih pasti, asumsi kenormalan dari sisaan diuji dengan tes Jarque-Bera. Hipotesis yang diajukan dalam pengujian Jarque-
Bera adalah data sisaan berdistribusi normal. Sedangkan hipotesis alternatifnya adalah sisaan tidak berdistribusi normal. Nilai Jarque-Bera yang diperoleh dari
hasil pengolahan adalah sebesar 0,918930 dengan nilai probabilitas sebesar 0,631621 atau lebih besar dari
α = 0,05. Berdasarkan nilai tersebut maka keputusan yang diambil adalah tidak menolak hipotesis nol. Artinya data sisaan
mengikuti distribusi normal, sehingga asumsi kenormalan dari sisaan dalam model sudah terpenuhi.
5.2.1.2 Asumsi Autokorelasi
Asumsi kedua yang diuji dalam model estimasi adalah adanya autokorelasi antara observasi dalam satu peubah atau korelasi antar error masa yang lalu
4 8
12 16
20 24
-0.6 -0.4
-0.2 -0.0
0.2 0.4
Series: Standardized Residuals Sample 2005 2010
Observations 114
Mean 1.95e-18
Median -0.006919
Maximum 0.482552
Minimum -0.576583
Std. Dev. 0.210962
Skewness -0.218607
Kurtosis 2.952016
Jarque-Bera 0.918930
Probability 0.631621
dengan error masa sekarang. Metode pemeriksaan atau deteksi autokorelasi dapat dilakukan uji Durbin-Watson. Hipotesis yang diajukan dalam kedua uji ini adalah
model tidak mengandung autokorelasi baik positif maupun negatif. Sedangkan hipotesis alternatifnya adalah model mengandung autokorelasi.
Tabel 5.6 Hasil Uji Asumsi Autokorelasi
Cross-section fixed dummy variables Weighted Statistics
R-squared 0.957986 Mean dependent var
13.51991 Adjusted R-squared
0.948395 S.D. dependent var 5.438854
S.E. of regression 0.229339 Sum squared resid
4.838863 F-statistic
99.89168 Durbin-Watson stat 1.830430
ProbF-statistic 0.000000
Sumber : Hasil Pengolahan dengan EViews 6.0.
Gambar 5.8 Kriteria Uji Asumsi Autokorelasi
Berdasarkan hasil pengolahan data, diperoleh nilai statistik Durbin-Watson dw sebesar 1,830430. Nilai dL dan dU pada tabel 0,05; 114; 4 masing-masing
sebesar 1,61636 dan 1,7664; sehingga daerah penolakan H adalah d 1, 61636
atau d 2,2336. Nilai dw hasil observasi terletak diantara dU dan 4-dU sehingga
d
1,61636 1,766
2,233 2,38364
4
1,83043
Tolak H Ada masalah
Otokorelasi positif Tolak H
Ada masalah Otokorelasi negatif
Tidak Tolak H tidak ada masalah
Otokorelasi
Tidak ada kesimpulan
Tidak ada kesimpula
keputusan yang diambil adalah tidak menolak H yang berarti tidak ada gejala
autokorelasi baik positif maupun negatif di dalam model. 5.2.1.3 Asumsi Homoskedastisitas
Asumsi ketiga yang diuji dari model adalah homoskedastisitas atau varian konstan. Untuk mendeteksi adanya heteroskedastisitas dalam model dilakukan
menggunakan metode General Least Square Cross section Weights yaitu dengan membandingkan sum square Resid pada Weighted Statistics dengan sum square
Resid unweighted Statistics. Jika sum square Resid pada Weighted Statistics lebih kecil
dari sum
square Resid
unweighted Statistics,
maka terjadi
heteroskedastisitas. Dari hasil pengujian diperoleh nilai sum squared resid pada Weighted
Statistics sebesar 4,838863 dimana nilainya lebih kecil dari sum square Resid unweighted Statistics yang sebesar 5,159940. Hal ini mengindikasikan adanya
masalah heteroskedastisitas. Untuk mengatasi masalah heteroskedastisitas, model diestimasi dengan menggunakan white-heteroscedasticity.
Tabel 5.7 Hasil Uji Asumsi Homoskedastisitas
Cross-section fixed dummy variables
Weighted Statistics
R-squared 0.957986 Mean dependent var
13.51991 Adjusted R-squared
0.948395 S.D. dependent var 5.438854
S.E. of regression 0.229339 Sum squared resid
4.838863
F-statistic 99.89168 Durbin-Watson stat
1.830430 ProbF-statistic
0.000000
Unweighted Statistics
R-squared 0.934882 Mean dependent var
11.21061
Sum squared resid 5.159940 Durbin-Watson stat
1.606376
Sumber : Hasil Pengolahan dengan EViews 6.0.
5.2.2 Pengujian Parameter Model 5.2.2.1 Uji F