HAL 163 UJI DURBIN-WATSON (DW TEST)

HASIL OUTPUT

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .902 a
.814 .807 2.456274 2.061
a. Predictors: (Constant), SAVING, SIZE, WEALTH, EARNS
b. Dependent Variable: INCOME

Nilai DW sebesar 2.061, nilai ini akan kita bandingkan dengan nilai table dengan menggunakan nilai
signifikansi 5%, jumlah sampel 100 (n) dan jumlah variable independent 4 (k=4), maka di table DW
akan didapatkan nilai sbb :

K=4
n DI Du
15 0.69 1.97
. . .
. . .
. . .
. . .
. . 1.76
100 1.59

Oleh karena itu, nilai DW 2.061 lebih besar dari batas atas (du) 1.76 dan kurang dari 4-1.76 (4-du),
maka dapat disimpulkan bahwa kita tidak bisa menolak h0 yang menyatakan bahwa tidak ada
autokorelasi positif atau negative (terlihat pada table keputusan) atau dapat di simpulkan tidak
terdapat autokorelasi.

HAL 165 UJI LAGRANGE MULTIPLIER (LM TEST)

HASIL OUTPUT

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .976a .953 .951 .06465 .898
a. Predictors: (Constant), RF, R, LGDPR
b. Dependent Variable: LMSCR

Besarnya adjusted R kuadrat adalah 0.951, hal ini berarti 95.1% variasi Ln permintaan uang (LMSCR)
yang dapat dijelaskan oleh variasi tiga variable independent Ln Gross Domestic Produk (LGDPR),
tingkat suku bunga dalam negri (R) dan tingkat suku bunga luar negri (RF). Sedangkan sisanya (100%-
95.1% = 4.9%) dijelaskan oleh sebab sebab lain diluar model.
 ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 4.353 3 1.451 347.208 .000b
Residual .213 51 .004
Total 4.566 54
a. Dependent Variable: LMSCR
b. Predictors: (Constant), RF, R, LGDPR

Uji ANOVA atau F test, didapat F hitung sebesar 347.208 dengan tingkat probabilitas 0.000
(signitifikan). Karena probabilitas jauh lebih kecil dari pada 0.05, maka model regresi dapat
digunakan untuk memprediksi LMSCR atau dapat dikatakan bahwa LGDPR, R dan RF secara Bersama
sama berpengaruh terhadap LMSCR.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.951 .246 -3.861 .000
LGDPR .889 .037 .967 23.898 .000
R -.006 .003 -.070 -2.225 .031
RF -.005 .005 -.038 -.975 .334
a. Dependent Variable: LMSCR

Dari ketiga variable independent yang dimasukkan dalam model regresi, variable tingkat suku bunga
luar negri (RF) tidak berpengaruh terhadap LMSCR hal ini dapat dilihat dari probabilitas signifikansi
untuk RF sebesar 0.334 yang jauh di atas 0.05. sementara itu variable LGDPR dan tingkat suku bunga
dalam negri ( R ) berpengaruh signifikan terhadap permintaan uang (LMSCR) masing-masing dengan
tingkat probabilitas signifikansi 0.000 dan 0.031.

Uji DW memberikan nilai 0.898, nilai ini akan dibandingkan dengan table DW dengan jumlah
observasi (n) = 55, jumlah variable independent (k) = 3 dan tingkat signifikansi 0.05 di dapat nilai dl =
1.45 dan nilai du = 1.68, oleh karena itu DW 0.898 berada di bawah dl = 1.45 dan di atas 0, maka dari
table keputusan H0 yang menyatakan tidak ada autokorelasi positif ditolak, yang berarti terdapat
autokorelasi positif.
HAL 180 UJI PARK

HASIL OUTPUT

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1.025 .660 1.552 .124
SIZE -.173 .129 -.137 -1.343 .183 .968 1.033
EARNS -.001 .053 -.002 -.015 .988 .488 2.048
WEALTH .016 .015 .143 1.085 .281 .581 1.720
SAVING -.021 .049 -.047 -.417 .678 .776 1.289
a. Dependent Variable: LnU2i

Hasil tersebut memberikan koefisien parameter untuk variable independent tidak ada yang
signifikan, maka dapat disimpulkan bahwa model regresi tidak terdapat Heteroskedastisitas. Hal ini
konsisten dengan hasil uji scatterplots.

HAL 183 UJI GLEJSER

HASIL OUTPUT

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 2.135 .568 3.761 .000
SIZE -.077 .111 -.070 -.692 .491 .968 1.033
EARNS -.041 .045 -.130 -.908 .366 .488 2.048
WEALTH .024 .013 .247 1.880 .063 .581 1.720
SAVING -.007 .042 -.018 -.154 .878 .776 1.289
a. Dependent Variable: AbsUt

Menunjukan bahwa tidak ada satupun variable independent yang signifikan secara statistic
mempengaruhi variable dependen nilai absolut Ut (AbsUt). Terlihat dari probabilitas signifikansinya
di atas tingkat kepercayaan 5%. Jadi model regresi tidak mengandung adanya Heteroskedastisitas.
HAL 203 UJI LINEARITAS

A. UJI DURBIN WATSON

PERSAMAAN 1 (UTAMA)
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .976a .953 .951 .06465 .898
a. Predictors: (Constant), RF, R, LGDPR
b. Dependent Variable: LMSCR

PERSAMAAN 2 (KUADRAT)
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .982 a
.964 .959 .05870 1.157
a. Predictors: (Constant), RF2, R, LGDPR2, RF, R2, LGDPR
b. Dependent Variable: LMSCR

Karena DW model utama 0.898 berada di bawah dl = 1.45 dengan n = 55 dan k = 3, maka dapat
disimpulkan terdapat autokorelasi positif pada model utama dan salah spesifikasi.

Jika DW model kuadrat 1.157 berada di atas dl = 1.45 dengan n = 55 dan k = 6,

HAL 204 UJI LINEARITAS

B. UJI RAMSEY TEST

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .996a .991 .991 .02824
a. Predictors: (Constant), DFFIT, LGDPR, R, RF
b. Dependent Variable: LMSCR
 ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 4.526 4 1.132 1419.394 .000b
Residual .040 50 .001
Total 4.566 54
a. Dependent Variable: LMSCR
b. Predictors: (Constant), DFFIT, LGDPR, R, RF

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.895 .108 -8.317 .000
LGDPR .882 .016 .960 54.285 .000
R -.006 .001 -.072 -5.225 .000
RF -.007 .002 -.049 -2.873 .006
DFFIT 10.217 .693 .195 14.743 .000
a. Dependent Variable: LMSCR

Menunjukan bahwa R kuadrat new = 0.991 sedangkan R kuadrat old = 0.953, jumlah variable
independent yang baru masuk adalah 1 yaitu DFFIT dan n jumlah observasi 55, dan jumlah
parameter k yang baru 5. Dari data ini dapat dihitung besarnya F sbb :

(0.991 – 0.953)/1

F hitung = -------------------------------------------- = 211.11

(1 – 0.991)/(55 – 5)

Sedangkan F table dengan degree of freedom (df) = (n-k) = 50 dan jumlah parameter 4 adalah 2.56.
jadi F hitung > F table maka dapat disimpulkan bahwa hipotesa nol ditolak yang berarti model regresi
tidak dalam bentuk linear.