You are on page 1of 4

1.

UJI NORMALITAS Uji normalitas digunakan jika sampel yang digunakan kurang dari 30, karena jika sampel lebih dari 30 maka error term akan terdistribusi secara normal. Uji ini menggunakan Jarque Bera Test. Hasil Uji normalitas error term adalah:
20 16 12 8 4 0 -0.04 -0.02 0.00 0.02 0.04 0.06 Series: Residuals Sample 1 60 Observations 60 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability -3.47E-17 -0.001382 0.059612 -0.049379 0.019382 0.529960 5.115686 13.99890 0.000912

1. H0 : error term terdistribusi normal H1 : error term tidak terdistribusi normal 2. = 5% maka daerah kritis penolakan H0 adalah P-Value < 3. Karena P-Value = 0,000912 < 0,05 maka H0 diterima 4. Kesimpulan, dengan tingkat keyakinan 95% ( = 5%) maka dapat dikatakan bahwa error term tidak terdistribusi normal. 2. UJI MULTIKOLINIERITAS Multikolinearitas adalah adanya hubungan linier yang signifikan antara beberapa atau semua variabel independent dalam model regresi. Untuk melihat ada tidaknya multikolinieritas dapat dilihat dari koefisien korelasi dari masing-masing variabel bebas. Jika koefisien korelasi antara masing-masing variabel bebas lebih besar dari 0,8 berarti terjadi mulikolinieritas.
Y 1.000000 -0.666434 0.329712 0.597558 -0.336687 X1 -0.666434 1.000000 -0.061142 -0.074169 0.573728 X2 0.329712 -0.061142 1.000000 0.400785 -0.086549 X3 0.597558 -0.074169 0.400785 1.000000 -0.028934 X4 -0.336687 0.573728 -0.086549 -0.028934 1.000000

Dari tampilan diatas terlihat bahwa antara variabel Y, X1, X2, X3, X5, dan X4 tidak terjadi multikolinieritas, karena memiliki nilai Correlation matrix kurang dari 0,8. 3. UJI HETEROSKEDASTIS Uji heteroskedasitas dapat dilakukan dengan menggunakan White Heteroskedasticity yang tersedia dalam program Eviews. Hasil yang perlu diperhatikan dari Uji ini adalah nilai F dan Obs*R-Squared. Jika nilai Obs*R-Squared lebih kecil dari X2 tabel maka tidak terjadi heteroskedastisitas, dan sebaliknya. Hasil Uji White hetero adalah:
White Heteroskedasticity Test: F-statistic 7.105088 Obs*R-squared 31.62481 Probability Probability 0.000003 0.000109

Lakukan pengujian dengan prosedur sebagai berikut: 1. H0 : tidak ada heteroskedastisitas H1 : ada heteroskedastisitas 2. = 5%, tolak H0 jika Obs*R-square > X2 df = 2 atau P-Value < 3. Karena P- Value = 0.000109 < 0.05 maka tolak H0 4. Kesimpulan adalah dengan tingkat keyakinan 95% maka ada heteroskedastisitas. 4. AUTOKORELASI Metode yang digunakan dalam mendeteksi ada tidaknya masalah autokorelasi adalah Metode Bruesch-Godfrey yang lebih dkenal dengan LM-Test. Metode ini didasarkan pada nilai F dan Obs*R-Squared. Dimana jika nilai probabilitas dari Obs*R-Squared melebihi tingkat kepercayaan maka Ho diterima, berarti tidak ada masalah autokorelasi. Hasil uji LM-Test menunjukan:
Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.410160 Probability Obs*R-squared 0.914509 Probability 0.665632 0.633019

Berdasarkan hasil pengujian, nilai probabilitas dari Obs*R-Squared (0.633019) > dari nilai (0.05). Hal ini menunjukan tidak ada autokorelasi pada data yang diuji.

HASIL PENGUJIAN DATA PANEL

Hasil pengujian terhadap data yang ada adalah:


Dependent Variable: Y? Method: Pooled Least Squares Date: 06/28/11 Time: 09:19 Sample: 2010 2011 Included observations: 2 Number of cross-sections used: 30 Total panel (balanced) observations: 60 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.088837 0.013677 6.495170 0.0000 X1? -0.109754 0.017037 -6.442170 0.0000 X2? 0.000272 0.000511 0.531868 0.5970 X3? 0.187876 0.030369 6.186501 0.0000 X4? 0.011884 0.015343 0.774560 0.4419 R-squared 0.754947 Mean dependent var 0.030113 Adjusted R-squared 0.737125 S.D. dependent var 0.039154 S.E. of regression 0.020075 Sum squared resid 0.022164 F-statistic 42.36037 Durbin-Watson stat 1.895027 Prob(F-statistic) 0.000000

Berdasarkan tampilan diatas, maka dapat disimpulkan bahwa model regresi data panel dapat digunakan untuk memprediksi dari semua variabel bebas. Hal ini dapat ditunjukan dari nilai Prob(F-statistic)(0,000000) lebih kecil dari nilai (0,05). Berdasarkan tampilan diatas, dapat disusun suatu persamaan regresi untuk data panel yang ada. Persamaan regresi data panel yang terbentuk adalah: Y = 0.088837 - 0.109754*X1 + 0.000272*X2 + 0.1878*X3 + 0.011884*X4 Berdasarkan persamaan regresi yang tebentuk, maka dapat disimpulkan:
1. Variabel bebas X2, X3, dan X4 mempunyai hubungan searah dengan variabel terikat (Y).

Hal ini dapat ditunjukan bahwa untuk ke tiga variabel tersebut mempunyai tanda positif. Hal ini berarti, jika salah satu atau keseluruhan variabel X2, X3, dan X4 mengalami kenaikan, maka variabel Y akan mengalami kenaikan. Demikian pula sebaliknya.
2. Variabel bebas X1 mempunyai hubungan berbalik searah dengan variabel terikat (Y). Hal

ini dapat ditunjukan bahwa untuk variabel X1 tersebut mempunyai tanda negatif. Hal ini berarti, jika variabel X1 mengalami kenaikan, maka variabel Y akan mengalami penurunan. Demikian pula sebaliknya, jika variabel X1 mengalami penurunan, maka variabel Y akan mengalami kenaikan.

Angka R-squared pada tabel diatas menunjukan nilai 0,754947. Hal ini berarti 75,4947% variabel terikat (Y) bisa dijelaskan oleh variabel bebas yang ada (X 1, X2, X3, dan X4). Sedangkan sisanya 24,5053% dapat dijelaskan oleh sebab-sebab yang lain.