Pada lembar output model regresi klik tab View, kemudian pilih Residual Test dan Histogram. Kemudian pilih Normality Tes. Pendektesian apakah residualnya
berdistribusi normal atau tidak dilakukan dengandengan membandingkan nilai nilai Probabilitas Jarquae Bera JB dengan tingkat signifikansi. Pada penelitian
ini tingkat signifikasnsi adalah 0.05, kemudian untuk menarik kesimpulan dilakukan pengujian hipotesis dilakukan pada persamaan permintaan kedelai
Provinsi Sumatera Utara maupun persamaan penawaran kedelai Provinsi Sumatera Utara sebagai berikut:
1. Jika nilai Probabilitas Jarquae Bera JB 0,05, maka residualnya
berdistribusi tidak normal.
2. Jika nilai Probabilitas Jarquae Bera JB 0,05, maka residualnya
berdistribusi normal.
3.4.3.2 Uji Autokorelasi
Salah satu asumsi model linier adalah faktor pengganggu tidak dipengaruh oleh faktor pengganggu pada pengamatan lain. Serial korelasi muncul karena
observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah serial korelasi timbul karena residual tidak bebas dari suatu observasi ke observasi
lainnya. Masalah ini sering ditemukan apabila kita menggunakan data time seriesruntut waktu. Hal ini disebabkan karena error pada suatu data yang
cenderung akan mempengaruhi error pada data yang sama pada periode berikutnya. Sedangkan, pada data cross section, masalah serial korelasi jarang
terjadi karena error pada observasi yang berbeda berasal dari data yang berbeda. Cara mendeteksi adanya serial korelasi pada eviews adalah sebagai berikut
setelah melakukan regresi, lembar output model regresi dibuka. Lalu operasi
Universitas Sumatera Utara
serial korelasi dengan menekan klik pada View – Residual Test kemudian pilih Serial Correlation LM Test, setelah itu akan muncul tabel Serial Correlation LM
Test. Untuk mendeteksi adanya serial korelasi pada tabel Serial Correlation LM
Test yaitu dengan membandingkan Probabilitas ObsR-square dengan tingkat signifikansi, pada penelitian ini tingkat signifikansi adalah 5 , lalu dilakukan
pengujian hipotesis pada persamaan permintaan kedelai Provinsi Sumatera Utara maupun persamaan penawaran kedelai Provinsi Sumatera Utara sebagai berikut :
1. Jika nilai probabilitas ObsR-square 0,05, maka hipotesis menyatakan bahwa model bebas dari masalah serial korelasi ditolak.
2. Jika nilai probabilitas ObsR-square 0,05, maka hipotesis menyatakan bahwa model bebas dari masalah serial korelasi diterima.
3.4.3.3 Uji Multikolinearitas
Salah satu penyimpangan asumsi model klasik adalah adanya multikolinieritas dalam model regresi yang dihasilkan, artinya antar variabel
eksogen yang membentuk model memiliki hubungan yang sempurna. Gejala terjadinya multikolonearitas adalah koefisien determinasi R
2
yang didapat tinggi tetapi tidak satupun koefisien regresi parsilanya signifikan. Konsekuensi dari
model regresi yang mengandung multikolinearitas adalah bahwa kesalahan standar estimasnya akan cenderung meningkat dengan bertambahnya variabel
eksogen, dan tingkat signifikansi yang digunakan menolak hipotesis HO diperoleh tidak sahih untuk menaksir variabel endogen.
Tahapan untuk pengujian eviews dilakukan dengan pendekatan korelasi parsial yaitu dengan cara dengan melakukan regresi pada persamaan permintaan
Universitas Sumatera Utara
kedelai dari langkah pertama didapat nilai R Square Permintaan. Setelah R Square didapat kemudian lakukan estimasi regresi harga riil kedelai dengan variabel
pendapatan perkapita dan jumlah penduduk untuk mendapatkan R Square harga riil kedelai. Lakukan estimasi dengan cara yang sama terhadap pendapatan
perkapita dan jumlah penduduk sehingga didapat Rsquare permintaan, Rsquare harga riil kedelai, Rsquare jumlah penduduk, dan Rsquare pendapatan perkapita.
Apabila Rsquare permintaan Rsquare harga riil kedelai, Rsquare jumlah penduduk, dan Rsquare pendapatan perkapita maka tidak ada masalah
multikorelasi.
3.4.4 Intepretasi Evaluasi Model
Dalam evaluasi model diharapkan dapat diketahui variabel eksogen mana yang berpengaruh pada variabel endogen, baik secara bersama-sama, maupun
secara parsial. Evaluasi model memerlukan kriteria pengujuan criteria statistic yang terdiri dari Uji koefisien determintasi uji R
2
, Uji statistik-T dan Uji statistik-F.
3.4.4.1 Uji Koefisien Determinasi R2
Koefisien determinasi R
2
, digunakan untuk mengukur seberapa besar variabel-variabel bebas variabel eksogenvariabel tidak bebasvariabel
independentvariable penjelas dapat menjelaskan variabel terikat
endogenvariabel tidak bebas variabel dependent. Koefisien ini menunjukan seberapa besar variasi total pada variabel terikat yang dapat dijelaskan oleh
variabel bebasnya dalam model regresi tersebut. Nilai dari koefisien determinasi ialah antara 0 hingga 1. Nilai R
2
yang mendekati 1 menunjukan bahwa variabel
Universitas Sumatera Utara