4.2.1.3. Uji Heterokedastisitas
Pemeriksaan asumsi selanjutnya adalah pengujian heteroskedastisitas yang dilakukan dengan uji Breusch-Pagan-Godfrey test. Hipotesis dalam pengujian ini
adalah: H
: Tidak terdapat heteroskedastistas
H
1
: Terdapat heteroskedastisitas
Apabila chi square hitung lebih besar dari chi square tabel pada α =
5 persen, maka tolak hipotesis nol yang berarti terjadi heteroskedastisitas. Hasil deteksi heteroskedastisitas dengan metode Breusch-Pagan-Godfrey
Heteroskedasticity Test mendapatkan nilai chi-square
sebesar 6,1545 dengan nilai probabilitas chi-square sebesar 0,2915. Nilai probabilitas chi-square tersebut
lebih besar dari tingkat signifikansi =0,05, sehingga keputusan yang diambil
adalah menerima H sehingga varian sisaan dari model bersifat konstan
homoskedastisitas. Tabel 4.7 Nilai ObsR-squared dan Prob. Chi-Square dari pengujian Breusch-
Pagan-Godfrey test F-statistic
1.236057 Prob. F5,37 0.3121
ObsR-squared 6.154482 Prob. Chi-Square5
0.2915 Scaled explained SS
3.606394 Prob. Chi-Square5 0.6074
Sumber: Pengolahan Eviews
4.2.1.4. Uji Multokolinieritas
Pemeriksaan asumsi terakhir adalah pemeriksaan multikolinieritas, dimana dalam model yang dipilih tidak ada korelasi tinggi antarvariabel-variabel
independen. Uji Multikolinieritas menunjukkan tidak terjadi multikolinieritas
sempurna antarvariabel-variabel independen yang ditunjukkan oleh korelasi antarvariabel yang berada di bawah batas rule of thumb r 0,85.
Tabel 4.8 Matrik Korelasi Antarvariabel Independen Pendapatan
Nasional Suku Bunga
Tabungan Inflasi
Pertumbuhan Investasi
Pendapatan Nasional
1.0000 -0.8227
-0.1552 0.0951
Suku Bunga Tabungan
-0.8227 1.0000
0.1371 -0.1135
Inflasi -0.1552
0.1371 1.0000
-0.2743 Pertumbuhan
Investasi 0.0951
-0.1135 -0.2743
1.0000 Sumber: Pengolahan Eviews
Metode lain untuk menguji asumsi multikolinieritas adalah menggunakan deteksi Klien, yakni membandingkan nilai R
2
dari model asal dengan nilai R
2
dari semua regresi auxilary. Berdasarkan hasil pengolahan dengan Program Eviews
dapat diketahui bahwa semua nilai R
2
dari regresi auxilary lebih rendah dari R
2
pada model regresi awal. Dengan demikian dapat disimpulkan bahwa estimasi model regresi sudah memenuhi asumsi yang keempat, yakni terbebas dari
multikolinieritas.
4.2.2. Pengujian Parameter Model