BAB III METODE PENELITIAN
F. Teknik Analisis Data
5. Uji Asumsi Klasik
Persamaan yang baik adalah persamaan yang memenuhi kaidah BLUE (Best Linear Unbiased Estimator). Agar suatu persamaan dapat dikategorikan memenuhi kaidah BLUE, maka data yang digunakan harus memenuhi beberapa asumsi yang sering dikenal dengan istilah asumsi klasik. Uji asumsi klasik mencakup uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
a. Uji Multikolinearitas
Multikolinearitas adalah kondisi adanya hubungan linear antara variabel independen.4 Multikolinearitas terjadi karena nilai R2 tinggi, tetapi variabel independen banyak yang tidak signifikan. Dalam penelitian ini, pengujian multikolinearitas dilakukan dengan cara menguji koefisien korelasi (r) antara variabel independen yang
4
Wing Wahyu Winarno, Ekonometrikan dan Statiska dengan Eviews, (Yogyakarta: Unit Penerbit dan Pecetakan Sekolah Tinggi Ilmu Manajemen YKPN, 2007), h.5.1.
dilihat dari matriks korelasi. Jika koefisein korelasi cukup tinggi (di atas 0.80 umumnya), maka diduga ada multikolinearitas dalam model. Sebaliknya jika koefisien korelasi kurang dari 0.8 maka tidak terjadi mutlikolinearitas.
b. Uji Autokeralasi
Uji autokorelasi dimaksud untuk menguji apakah ada korelasi antara anggota sampel yang diurutkan berdasarkan waktu. Penyimpangan asumsi ini biasanya muncul pada observasi yang menggunakan data time series.
Pada penelitian ini, untuk menditeksi ada atau tidaknya gejala autokorelasi menggunakan uji Breusch-Godfrey. Nama lain uji BG adalah uji Lagrange Multiplier. Pada uji Lagrange Multiplier pengambilan keputusan dilihat dari nilai probability Chi Square. Jika Probabilitas Chi-Square < 0.05 maka terjadi autokorelasi Jika probabilitas Chi- Square > 0.05 maka tidak terjadi autokorelasi
c. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk melihat apakah terdapat ketidaksamaan varian dari residual pengamatan yang satu ke pengamatan lainnya. Apabila timbul ketidaksamaan varian, maka terdapat masalah heteroskedastisitas. Apabila muncul gejala
heteroskedastisitas, maka persamaan yang dihasilkan bukanlah persamaan yang bersifat BLUE.5
Dalam penelitian ini untuk menditeksi ada atau tidaknya gejala heteroskedastisitas digunakan uji White ( White’s General Heteroskedasticity Test). Uji White menggunakan residual kuadrat sebagai variabel dependen, dan variabel independennya terdiri atas variabel independen yang sudah ada, ditambah dengan kuadarat variabel independen, ditambah lagi dengan perkalian dua variabel independen. Di mana keputusan ada atau tidaknya gejala heteroskedastisitas dapat dilihat dari nilai Obs*R Square
Ho = tidak ada heteroskedastisitas Ha = ada heteroskedastisitas Kriteria Uji White:
Bila Probabilitas Obs*R Square <.0.05 = Ho ditolak, artimya terjadi heteroskedastisitas
Bila Probabilitas Obs*R Square >0.05 = Ho diterima, artinya tidak terjadi heteroskedastisitas.
6. Uji Error Corection Model (ECM)
Error Corection Model (ECM) merupakan model ekonometrika dinamik. Model dinamik merupakan salah satu model yang penting dalam pembentukkan model ekonometri dan analisisnya. Hal ini karena sebagian besar analisis ekonomi berkaitan erat dengan analisis
5
Fridayana Yudiaatmaja, Analisis Regresi Dengan Menggunakan Aplikasi Komputer dan SPSS, (Jakarta: PT Gramedia Pustaka Utama, 2013), h.82.
runtun waktu (time series). Pada dasarnya spesikasi model linear dinamik (MLD) lebih ditekankan pada pengaruh hubungan jangka pendek antara variabel dependen dengan variabel independen. Sedangkan, teori ekonomi lebih memusatkan pada perilaku variabel dalam keseimbangan atau hubungan jangka panjang (Insukindor,1996:1).6
Model ECM (Error Corection Model ) pertama kali dikenalkan oleh Sargan dan dipopulerkan oleh Engel dan Granger.7 Error Corection Model (ECM) dipandang memiliki kemampuan yang lebih baik dibandingkan dengan model dinamik lainnya karena kemampuannya lebih baik dalam menganalisis hubungan jangka pendek dan jangka panjang antara variabel dependen dengan variabel independen, dan dalam usaha mencari pemecahan terhadap persoalan variabel runtun waktu (time series) yang tidak stasioner serta regresi lancung (spurious regression).
Dalam penelitian ini, proses analisis yang dilakukan terdiri dari Uji asumsi klasii, uji akar unit dan uji derajat integrasi, uji kointegrasi dan pendeketan ECM. Analisis yang digunakan untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen dalam jangka pendek maupun dalam jangaka panjang.
6
Insukindor, “Pendekatan Masa Depan Dalam Penyusunan Model Ekonometrika:
Forward-Looking Model dan Pendekatan Kointegrasi” | dalam Agus Tri Basuki, Regresi Model PAM, ECM dan Data Panel dengan Eviews 7, (Yogyakarta: Katalog Dalam Terbitan (KDT), 2014),h.36.
7
Nachrowi D Nachrowi dan Hardius Usman, Pendekatan Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan, (Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia,2006), h.370.
Persamaan jangka panjang Error Correction Model (ECM) pada penelitian ini adalah sebagai berikut:
HSISSI = β0 + β1INFLASIt + β2FFRt + β3IRATEt + β4KURSt + β5JUBt + et
HSFBMS = β0 + β1INFLASIt + β2FFRt + β3MALAYRATEt + β4KURSt + β5JUBt + et
Dimana:
HSISSI : Harga Saham ISSI
HSFBMS : Harga Saham FTSE Emas Shariah Index β0 : Kostanta
β1-β5 : Koefisien Regresi INFLASI : Inflasi
FFR : Suku Bunga The Fed BIRATE : BI Rate
MALAYRATE : Suku Bunga Malaysia
KURS : Kurs
JUB : Jumlah Uang Beredar et : Error Term
Persamaan jangka pendek Error Correction Model (ECM) pada penelitian ini adalah sebagai berikut:
HSISSI = β0 + Dβ1INFLASIt + Dβ2FFRt +D β3IRATEt + Dβ4KURSt + Dβ5JUBt +ECT
HSFBMS = β0 + Dβ1INFLASIt + Dβ2FFRt + Dβ3MALAYRATEt + Dβ4KURS t + Dβ5JUBt + ECT
Dimana:
HSISSI :Harga Saham ISSI
HSFBMS : Harga Saham FTSE Emas Shariah Index β0 : Kostanta
D : Perubahan
β1-β5 : Koefisien Regresi INFLASI : Inflasi
FFR : Suku Bunga The Fed BIRATE : BI Rate
MALAYRATE : Suku Bunga Malaysia
KURS : Kurs
JUB : Jumlah Uang Beredar
ECT : Error Correction Term ( angka yang menunjukkan besarnya koreksi kesalahan)
G. Proses Penelitian
Gambar 3.1 Alur Proses Penelitian
Ya Ya Ya Ya Ya
Inflasi, Suku Bunga The Fed, Suku Bunga Domestik, Kurs, JUB
Harga Saham ISSI dan FBMS
Uji Normalitas Uji Linearitas Data Berdistribusi Normal Data Linear Uji stasioneritas (Uji Akar Unit) Uji Derajat
Integrasi
Uji Kointegrasi (Uji Johansenohansen)
Uji Asumsi Klasik
Multikolinearitas
Autokorelasi
heteroskedastisitas
Error Correction Model (ECM) Analisis
Stasioner pada
tingkat yang sama Ada hubungan
H. Hipotesis
Hipotesis adalah kesimpulan atau jawaban sementara dari permasalahan penelitian yang masih harus diuji kebenerannya secara empirik. Hipotesa tidak hanya disusun beradasarkan pengamatan awal terhadap objek penelitian, melainkan juga berdasarkan pada hasil kajian terhadap literatur yang relevan dengan penelitian.
Hipotesis terbagi atas dua jenis, yaitu hipotesis nol (Ho) dan hipotesis alternatif (H1 atau Ha).8 Hipotesis nol menyatakan bahwa tidak ada perubahannya atau pengaruh antara variabel penelitian. Sedangkan hipotesis alternatif menyatakan jika adanya pengaruh antara variabel penelitian.
1. Variabel Inflasi
Ho: Inflasi tidak memiliki pengaruh yang signifikan dalam jangka panjang maupun jangka pendek terhadap harga saham ISSI dan FBMS.
H1: Inflasi memiliki pengaruh yang signifikan dalam jangka panjang maupun jangka pendek terhadap harga saham ISSI dan FBMS.
2. Variabel Suku Bunga The Fed
Ho: Suku bunga the fed tidak memiliki pengaruh yang signifikan dalam jangka panjang maupun jangka pendek terhadap harga saham ISSI dan FBMS.
8
H1: Suku bunga the fed memiliki pengaruh yang signifikan dalam jangka panjang maupun pendek terhadap harga saham ISSI dan FBMS.
3. Variabel Suku Bunga Domestik
Ho: Suku Bunga Domestik tidak memiliki pengaruh yang signifikan dalam jangka panjang maupun jangka pendek terhadap harga saham ISSI dan FBMS.
H1: Suku Bunga Domestik memiliki pengaruh yang signifikan dalam jangka panjang maupun pendek terhadap harga saham ISSI dan FBMS.
4. Variabel Nilai Tukar (Kurs)
Ho: Nilai tukar (kurs) tidak memiliki pengaruh yang signifikan dalam jangka panjang maupun jangka pendek terhadap harga saham ISSI dan FBMS.
H1: Nilai tukar (kurs) memiliki pengaruh yang signifikan dalam jangka panjang maupun pendek terhadap harga saham ISSI dan FBMS.
5. Variabel Jumlah Uang Beredar
Ho: Jumlah uang beredar tidak memiliki pengaruh yang signifikan dalam jangka panjang maupun jangka pendek terhadap harga saham ISSI dan FBMS.
H1: Jumlah uang beredar memiliki pengaruh yang signifikan dalam jangka panjang maupun pendek terhadap harga saham ISSI dan FBMS.
60
BAB IV
ANALISIS DAN PEMBAHASAN
A. Analisis dan Pembahasan
1. Uji Normalitas
Uji normalitas yang digunakan dalam penelitian ini menggunakan uji statistik Jarque-Bera. Bila J-B lebih kecil dari 2, maka artinya data berdistribusi normal. Bila Probabilitas lebih besar dari 0.05 maka data berdistribusi normal.
Tabel 4.1
Uji Jarque-Bera Variabel Indonesia
0 2 4 6 8 10 12 -20000 -15000 -10000 -5000 0 5000 10000 15000 Series: Residuals Sample 2011M01 2015M07 Observations 55 Mean 5.03e-12 Median 603.9947 Maximum 16160.46 Minimum -18411.82 Std. Dev. 6884.981 Skewness -0.326036 Kurtosis 3.324939 Jarque-Bera 1.216379 Probability 0.544335
Berdasarkan tabel di atas terlihat bahwa data penelitian ini berdistribusi normal. Hal ini terlihat dari nilai J-B yang lebih kecil dari 2 yakni sebesar 1.216379 dan nilai probability sebesar 0.544335 yang lebih besar dari 0.05.
Tabel 4.2
Uji Jarque-Bera Variabel Malaysia
0 2 4 6 8 10 12 -800 -600 -400 -200 0 200 400 600 800 Series: Residuals Sample 2011M01 2015M08 Observations 56 Mean -5.64e-13 Median 54.09773 Maximum 717.5676 Minimum -768.9205 Std. Dev. 368.7664 Skewness -0.120652 Kurtosis 2.234812 Jarque-Bera 1.502062 Probability 0.471880
Berdasarkan tabel di atas terlihat bahwa data penelitian ini berdistribusi normal. Hal ini terlihat dari nilai J-B yang lebih kecil dari 2 yakni sebesar 1.502062 dan nilai probability sebesar 0.471880 yang lebih besar dari 0.05.
2. Uji Linearitas
Tabel 4.3
Uji Ramsey RESET Variabel Indonesia
Ramsey RESET Test Equation: UNTITLED
Specification: ISSI C INFLASI FFR BIRATE KURS JUB Omitted Variables: Squares of fitted values
Value Df Probability t-statistic 0.898513 48 0.3734 F-statistic 0.807325 (1, 48) 0.3734 Likelihood ratio 0.917367 1 0.3382
Tabel 4.4
Uji Ramsey RESET Variabel Malaysia
Ramsey RESET Test Equation: UNTITLED
Specification: FBMS C INFLASI FFR MALAYRATE KURS JUB Omitted Variables: Squares of fitted values
Value df Probability t-statistic 0.738366 49 0.4638 F-statistic 0.545185 (1, 49) 0.4638 Likelihood ratio 0.619628 1 0.4312
Dari uji Ramsey RESET di atas menunjukkan bahwa tidak ada masalah linearitas pada variabel Indonesia maupun Malaysia. Hal ini terlihat dari nilai probabilitas sebesar 0.3382 untuk Indonesia dan 0.4312 untuk Malaysia yang mana keduanya lebih besar dari tingkat keyakinan sebesar 5%. Artinya bentuk fungsi dari penelitian ini adalah linear.
3. Uji stasioneritas a. Uji Akar Unit
Untuk menguji stasioneritas data, dapat digunakan uji akar unit (Unit Root Test). Pada penelitian ini pengujian data dilakukan dengan uji Augemented Dickey-Fuller. Apabila nilai t-statistik ADF lebih besar dari nilai kritis pada tingkat keyakinan 5%, maka data stasioner. Jika nilai t-statistik ADF lebih kecil dari nilai kritis pada tingkat keyakinan 5% maka data tidak stationer.
Tabel 4.5
Unit Root Test pada tingkat Level Variabel Indonesia
Variabel Nilai t-Statistik ADF
Nilai Kritis
Statistik Prob Kesimpulan ISSI -1.858057 -2.916566 0.3492 Tidak stasioner INFLASI -2.228882 -2.917650 0.1988 Tidak stasioner FFR -0.961570 -2.916566 0.7606 Tidak stasioner BIRATE -1.131607 -2.918778 0.6966 Tidak stasioner KURS -0.367722 -2.916566 0.9070 Tidak stasioner JUB -0.586078 -2.917650 0.8647 Tidak stasioner Tabel 4.6
Unit Root Test pada tingkat Level Variabel Malaysia
Variabel Nilai t-Statistik ADF
Nilai Kritis
Statistik Prob Kesimpulan FBMS -1.383221 -2.915522 0.5839 Tidak stasioner INFLASI -0.954049 -2.915522 0.7633 Tidak stasioner FFR -5.978371 -2.915522 0.0000 Stasioner MALAY RATE -1.716651 -2.917650 0.4172 Tidak stasioner KURS 0.703867 -2.915522 0.9912 Tidak stasioner
JUB -2.083959 -2.915522 0.2518 Tidak stasioner
Pada uji akar unit di atas diketahui bahwa masing-masing variabel Indonesia tidak stasioner pada tingkat level, sedangkan variabel Malaysia ada satu yang stasioner pada tingkat level yaitu variabel fed funds rate dengan ADF Statistik sebesar 5.978371 yang lebih besar dari nilai mackinnon critacal value sebesar 2.915522, namun untuk variabel lain tidak stasioner pada tingkat level.
b. Uji Derajat Integrasi
Tabel 4.7
Unit Root Test ADF pada First Difference Variabel Indonesia
Variabel Nilai t-Statistik ADF
Nilai Kritis
Statistik Prob Kesimpulan ISSI -6.540494 -2.917650 0.0000 Stasioner INFLASI -4.775980 -2.917650 0.0003 Stasioner FFR -5.174821 -2.917650 0.0001 Stasioner BIRATE -3.066005 -2.918778 0.0355 Stasioner KURS -8.095175 -2.917650 0.0000 Stasioner JUB -9.872837 -2.917650 0.0000 Stasioner
Tabel 4.8
Unit Root Test ADF pada First Difference Variabel Malaysia
Variabel Nilai t-Statistik ADF
Nilai Kritis
Statistik Prob Kesimpulan FBMS -7.798280 -2.916566 0.0000 Stasioner INFLASI -5.163527 -2.916566 0.0001 Stasioner FFR -8.393433 -2.918778 0.0000 Stasioner MALAY RATE -11.35752 -2.917650 0.000 Stasioner KURS -6.719318 -2.916566 0.0000 Stasioner JUB -8.123829 -2.916566 0.0000 Stasioner
Pada tabel di atas menunjukkan bahwa seluruh variabel Indonesia maupun Malaysia telah stasioner pada integrasi pertama (first difference). Hal ini terlihat pada nilai t-statistik ADF masing-masing variabel telah lebih besar dari nilai kritis statistik pada tingkat keyakinan 5%. Dapat dilihat juga dari nilai probabilitas masing-masing variabel yang lebih kecil dari 0.05.
4. Uji Kointegrasi
Dalam penelitian ini, uji kointegrasi dilakukan dengan menggunakan metode Johansen’s Cointegration Test.
Tabel 4.9
Uji Kointegrasi Johansen Variabel Indonesia
Date: 07/26/16 Time: 13:23
Sample (adjusted): 2011M03 2015M07 Included observations: 53 after adjustments Trend assumption: Linear deterministic trend Series: ISSI INFLASI FFR BIRATE KURS JUB Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.629758 117.9702 95.75366 0.0006 At most 1 0.381099 65.30951 69.81889 0.1086 At most 2 0.317458 39.87958 47.85613 0.2269 At most 3 0.274027 19.63721 29.79707 0.4478 At most 4 0.047776 2.664336 15.49471 0.9800 At most 5 0.001315 0.069735 3.841466 0.7917
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.629758 52.66066 40.07757 0.0012 At most 1 0.381099 25.42993 33.87687 0.3565 At most 2 0.317458 20.24237 27.58434 0.3246 At most 3 0.274027 16.97288 21.13162 0.1733 At most 4 0.047776 2.594600 14.26460 0.9700 At most 5 0.001315 0.069735 3.841466 0.7917
Tabel 4.10
Uji Kointegrasi Johansen Varibel Malaysia
Date: 08/31/16 Time: 09:34
Sample (adjusted): 2011M03 2015M08 Included observations: 54 after adjustments Trend assumption: Linear deterministic trend
Series: FBMS INFLASI FFR MALAYRATE KURS JUB Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.703172 145.8425 95.75366 0.0000 At most 1 * 0.568619 80.25395 69.81889 0.0058 At most 2 0.293513 34.85274 47.85613 0.4558 At most 3 0.158775 16.09041 29.79707 0.7059 At most 4 0.105663 6.754017 15.49471 0.6064 At most 5 0.013312 0.723669 3.841466 0.3949
Dari uji kointegrasi johansen di atas dapat dilihat bahwa nilai trace statistic variabel Indonesia sebesar 117.9702 lebih besar dari nilai critical value sebesar 95.75366, untuk variabel Malaysia nilai trace statistic sebesar 145.8425 lebih besar dari nilai critical value sebesar 95.75366. Kemudian juga dapat dilihat dari nilai Max-Eigen Statistik variabel Indonesia sebesar 52.66066 lebih besar dari nilai Critical Value 40.07757 dan untuk variabel Malaysia nilai Max-Eigen Statistik sebesar 65.58853 lebih besar dari nilai Critical Value 40.07757 hal ini menunjukkan bahwa dalam jangka panjang terdapat kointegrasi dalam model.
5. Uji Asumsi Klasik a. Multikolinearitas
Tabel 4.11
Uji Multikolinearitas Variabel Indonesia
Dari tabel di atas diketahui bahwa ada variabel yang memiliki nilai lebih dari 0.8, sehingga dapat disimpulkan bahwa model ini mengandung masalah multikolinearitas. Untuk mengatasi masalah multikolinearitas dapat dilakukan dengan beberapa cara. Dalam penelitian ini digunakan Uji first difference. Hasil dari uji first differnce adalah sebagai berikut:
Tabel 4.12
Uji Multikolinearitas first difference Variabel Indonesia
INFLASI FFR BIRATE KURS JUB
INFLASI 1 0.391947 0.017554 0.408880 0.499184 FFR 0.391947 1 -0.327861 0.568200 0.533235 BIRATE 0.017554 -0.327861 1 -0.321638 0.087927 KURS 0.408880 0.568200 -0.321638 1 0.824196 JUB 0.499184 0.533235 0.087927 0.824196 1 D(INFLA
SI) D(FFR) D(BIRATE) D(KURS) D(JUB) D(INFLAS
Setelah dilakukan uji first difference delta diketahui bahwa tidak ada nilai yang di atas 0.8, maka model ini sudah terbebas dari masalah multikolinearitas.
Tabel 4.13
Uji Multikolinearitas Variabel Malaysia
Dari tabel di atas diketahui bahwa tidak ada variabel yang memiliki nilai lebih dari 0.8, sehingga dapat disimpulkan bahwa model ini tidak mengandung masalah multikolinearitas.
b. Uji Autokorelasi
Untuk menguji autokorelasi dalam penelitian ini digunakan uji Breusch-Godfrey. Jika nilai probabilitas Chi-Square lebih besar dari 0.05 maka dapat disimpulkan bahwa tidak ada masalah autokorelasi dalam model penelitian ini.
D(FFR) -0.212952 1 -0.071121 0.307121 0.222366 D(BIRATE
) 0.032462 -0.071121 1 -0.090655 0.023059 D(KURS) -0.183619 0.307121 -0.090655 1 0.224246
D(JUB) -0.542073 0.222366 0.023059 0.224246 1
INFLASI FFR BIRATE KURS JUB
INFLASI 1 -0.397499 0.304353 0.295745 0.173119 FFR -0.397499 1 0.045625 0.159115 0.099614 MALAY RATE 0.304353 0.045625 1 0.464145 0.154896 KURS 0.295745 0.159115 0.464145 1 0.724825 JUB 0.173119 0.099614 0.154896 0.724825 1
Tabel 4.14
Uji Autokorelasi Variabel Indonesia
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 7.472731 Prob. F(2,47) 0.0015 Obs*R-squared 13.26974 Prob. Chi-Square(2) 0.0013
Tabel 4.15
Uji Autokorelasi Variabel Malaysia
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 12.24156 Prob. F(2,48) 0.0001 Obs*R-squared 18.91551 Prob. Chi-Square(2) 0.0001
Tabel di atas menunjukkan bahwa kedua model mengandung masalah autokorelasi. Hal ini terlihat dari nilai probabilitas Chi-Square sebesar 0.0013 untuk variabel Indonesia dan 0,0001 untuk variabel Malaysia yang mana keduanya lebih kecil dari 0.05. Untuk mengatasi masalah autokorelasi dapat dilakukan dengan beberapa cara. Dalam penelitian ini digunakan Uji first difference. Hasil dari uji first differnce adalah sebagai berikut:
Tabel 4.16
Uji Autokorelasi first difference Variabel Indoneisa
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.033493 Prob. F(2,46) 0.9671 Obs*R-squared 0.078521 Prob. Chi-Square(2) 0.9615
Tabel 4.17
Uji Autokorelasi first difference Variabel Malaysia
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.078599 Prob. F(2,47) 0.9245 Obs*R-squared 0.183342 Prob. Chi-Square(2) 0.9124
Setelah dilakukan uji first difference diketahui bahwa nilai probabilits Chi-Square sebesar 0.9615 untuk varaibel Indonesia dan 0,9124 untuk variabel Malaysia yang berarti lebih besar dari 0.05, dapat disimpulkan bahwa model ini sudah terbebas dari masalah autokorelasi.
c. Uji Heteroskedastisitas
Dalam penelitian ini, uji heteroskedastisitas dilakukan menggunakan uji White Heteroskedasticity. Jika nilai probabilitias Chi-Square lebih besar dari 0.05 maka data terbebas dari heteroskedastisitas. Sedangkan jika nilai probabilitas Chi-Square lebih kecil dari 0.05 maka data mengandung masalah heteroskedastisitas.
Tabel 4.18
Uji White Heteroskedasticity Variabel Indonesia
Heteroskedasticity Test: White
F-statistic 1.217160 Prob. F(5,49) 0.3152 Obs*R-squared 6.076323 Prob. Chi-Square(5) 0.2989 Scaled explained SS 5.606467 Prob. Chi-Square(5) 0.3464
Dari tabel di atas dapat diketahui bahwa data yang digunakan tidak mengandung masalah heteroskedastisitas atau data bersifat homokedastisitas. Hal ini terlihat dari nilai probabilitas Chi-Square sebesar 0.2989 yang lebih besar dari 0.05.
Tabel 4.19
Uji White Heteroskedasticity Variabel Malaysia
Heteroskedasticity Test: White
F-statistic 2.588125 Prob. F(5,50) 0.0370 Obs*R-squared 11.51363 Prob. Chi-Square(5) 0.0421 Scaled explained SS 5.666917 Prob. Chi-Square(5) 0.3400
Untuk data negara Malaysia data yang digunakan mengandung masalah heteroskedastisitas atau data tidak bersifat homokedastisitas. Hal ini terlihat dari nilai probabilitas Chi-Square sebesar 0.0421 yang lebih kecil dari 0.05.