Pembahasan,
Uji Asumsi Klasik :
1. Multikolinearitas
Dependent Variable: Q
Method: Least Squares
Date: 10/10/13 Time: 10:57
Sample: 1 15
Included observations: 15
Dependent Variable: L
Method: Least Squares
Date: 10/10/13 Time: 17:06
Sample: 1 15
Included observations: 15
Correlation
K L
K 1.000000 0.991925
L 0.991925 1.000000
Kemungkinan karena sampel data dan variabel observasi yang terlalu sedikit maka solusi
masalah multikolinearitas tersebut dapat diatasi dengan:
1. Penambahan data baru atau ukuran observasi.
2. Kombinasikan data cross section dengan data time series.
1.2. Jika fungsi produksi yang digunakan adalah fungsi Cob Douglas Q = a L α K :
maka terlebih dahulu sebelum data dapat diolah dan dianalisis lebih lanjut, harus
ditransformasikan ke dalam bentuk Logaritma Natural (Ln), sehingga persamaannya
menjadi
Ln Q = a + α Ln L + Ln K
Correlation
LOG(L) LOG(K)
LOG(L) 1.000000 0.991964
LOG(K) 0.991964 1.000000
Nilai koefisien korelasi antar variabel bebas cukup tinggi atau lebih besar dari 0,8
α
(r >0,8 ). Sehingga disimpulkan pada model fungsi Cob Douglas Q = a L K juga
terdapat masalah multikolinearitas.
Hal ini dikarenakan Fungsi Produksi Cob-Douglas juga mempunyai kelemahan
yaitu adanya spesifikasi variabel yang keliru, hal ini menyebabkan nilai elastisitas produksi
yang diperoleh negatif atau nilainya terlalu besar atau kecil. Spesifikasi ini akan
menimbulkan terjadinya multikolinearitas pada variabel bebas. Multikolinearitas, dalam
fungsi ini sulit dihindarkan meskipun telah diusahakan agar besaran korelasi antara variabel
indipenden tidak terlalu tinggi seperti memperbaiki spesifikasi variabel yang dipakai
2. Autokorelasi
Dependent Variable: Q
Method: Least Squares
Date: 10/10/13 Time: 10:57
Sample: 1 15
Included observations: 15
Dimana : n = 15
k = 2
Maka : nilai dU = 1,54
Nilai dL = 0,95
(4-dU) = 2,46
(4-dL) = 3,05
Kesimpulan :
Auto korelasi positif Auto korelasi negatif
Ragu-ragu Tidak ada Autokorelasi Ragu-ragu
0 dL dU 2 4-dU4-dL 4
0 0,95 1,54 2,46 3,05 4
Dari gambar di atas terlihat nilai Durbin Watson sebesar 1.783168 dimana
dU < DW < 2, sehingga berada pada daerah tidak ada autokorelasi yang menunjukkan
bahwa model ini telah bebas dari masalah autokorelasi
Selain dengan pengujian tabel DW, autokorelasi juga dapat di deteksi dengan uji
LM (Lagrange-Multiplier). Pengujian hipotesis autokorelasi disyaratkan apabila:
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 10/11/13 Time: 08:44
Sample: 1 15
Included observations: 15
Presample missing value lagged residuals set to zero.
2.2. Jika fungsi produksi yang digunakan adalah fungsi Cob Douglas Q = a Lα K:
maka terlebih dahulu sebelum data dapat diolah dan dianalisis lebih lanjut, harus
ditransformasikan ke dalam bentuk Logaritma Natural (Ln), sehingga persamaannya
menjadi
Ln Q = a + α Ln L + Ln K
Kesimpulan :
Auto korelasi positif Auto korelasi negatif
Ragu-ragu Tidak ada Autokorelasi Ragu-ragu
0 dL dU 2 4-dU4-dL 4
0 0,95 1,54 2,46 3,05 4
Dari gambar di atas terlihat bahwa nilainya memenuhi syarat dU < DW < 2 yang mana
berada pada daerah tidak ada autokorelasi yang menunjukkan bahwa model ini telah bebas
dari masalah autokorelasi.
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 10/11/13 Time: 08:49
Sample: 1 15
Included observations: 15
Presample missing value lagged residuals set to zero.
Oleh karena p-value Obs*R-square = 0,8543 > 0,05 maka Ho diterima dan H 1 ditolak.
Kesimpulannya adalah dengan tingkat α = 5 %, tidak terdapat autokorelasi dalam model.
3. Heterokedastisitas
Dan dari hasil tabel diatas diperoleh, nilai Probabilitas (P-value) = 0,8220 > α =5%,
Sehingga disimpulkan bahwa data di atas terbebas dari masalah heteroskedastisitas
(modelnya bersifat homokedastisitas)
4. Normalitas
4
Series: Residuals
Sample 1 15
Observations 15
3
Mean -1.60e-13
Median 8.522583
Maxim um 47.96124
2 Minim um -47.74174
Std. Dev. 28.30796
Skewness -0.086196
Kurtosis 1.861231
1
Jarque-Bera 0.829071
Probability 0.660647
0
-50 -40 -30 -20 -10 0 10 20 30 40 50
Dari grafik diatas diketahui bahwa nilai Prob. sebesar 0,66 > daripada nilai sig.α
(sebesar 5 % = 0,05), maka kesimpulan yang ada bahwa model data tersebut
berdistibusi normal