2.6.1. Multikolinearitas
Berdasarkan dari hasil uji asumsi klasik multikolinieritas lampiran 7, dapat dilihat bahwa tidak ada masalah pada multikolinieritas. Hal itu dikarenakan
nilai matrik korelasi correlation matrix dari semua variabel independen adalah kurang dari 0,8.
2.6.2. Heteroskedastisitas
Dalam penelitian ini untuk mengetahui ada tidaknya heteroskedastisitas yaitu dengan menggunakan uji Breusch Pagan Godfrey. Pengambilan keputusan
terdapat heteroskedastisitas atau tidak dapat dilakukan dengan langkah sebagai berikut:
1. H = Ada heteroskedastisitas dan H
1
= Tidak ada heteroskedastisitas 2. Jika ρ–Value ObsR-Square α maka H
diterima Berdasarkan dari pengolahan data pada ECM diperoleh bahwa nilai ρ-
value ObsR-square = 0,59 lebih besar dari α = 5, maka H
diterima. Dapat disimpulkan bahwa dalam model tidak terdapat masalah heteroskedastisitas dalam
model ECM lampiran 8.
2.6.3. Autokorelasi
Dalam penelitian ini uji yang dilakukan untuk mengetahui ada tidaknya autokorelasi adalah dengan menggunakan uji Lagrange Multiplier yang
dikembangkan oleh Breusch dan Godfrey. Uji ini didasarkan pada nilai F dan ObsR-Squared
, di mana jika nilai probabilitasnya dari ObsR-Squared melebihi tingkat kepercayaan, maka H
diterima. Artinya tidak terdapat autokorelasi.
Dalam uji autokorelasi menggunakan metode LM diperlukan penentuan lag
atau kelambanan. Lag yang dipakai dalam penelitian ini ditentukan dengan metode trial error perbandingan nilai absolut kriteria Akaike dan Schwarz.
Prosedur pengujian LM adalah jika nilai ObsR-Squared lebih kecil dari nilai X
2
tabel maka model dapat dikatakan tidak mengandung autokorelasi. Selain itu juga dapat dilihat dari nilai probabilitas chi-squares X
2
, jika nilai probabilitas X
2
lebih besar dari nilai α yang dipilih maka berarti tidak ada masalah autokorelasi. Pengujian hipotesis autokorelasi:
1. H : tidak ada korelasi serial serial correlations dan H
1
: ada korelasi serial 2. Jika ρ-value ObsR-square α, maka H
ditolak Berdasarkan estimasi ECM pada lag pertama nilai Akaike yang diperoleh
adalah sebesar 28,86; lag kedua sebesar 28,89 dan lag ketiga sebesar 28,95. Sehingga berdasarkan metode tersebut diperoleh nilai kriteria Akaike terkecil
adalah pada lag pertama. Berdasarkan hasil perhitungan uji LM dalam jangka pendek diketahui nilai Akaike terkecil pada lag pertama diperoleh nilai ρ-value
ObsR-square sebesar 0,44 lebih besar dari derajat kepercayaan α = 5 maka H
diterima. Dapat disimpulkan bahwa tidak terdapat autokorelasi dalam model ECM lampiran 9.
2.6.4. Linieritas
Kategori