Koefisien Determinasi
Tampilam output Eviews diatas menunjukkan besarnya adjusted R2 sebesar 0.810248, hal ini
berarti 81.02% variasi profit dapat dijelaskan oleh dua variabel independen lainnya. Sedangkan
18.98% dijelaskan oleh sebab-sebab yang lain di luar model.
Uji Signifikansi Simultan (Uji Statistik F)
Tampilan output menunjukkan nilai F statistik 32.02521 dengan probabilitas 0.000004. Karena
probalitas jauh di bawah 0.05, maka dapat disimpulkan bahwa kedua variabel independen R&D
Expenses dan Sales secara bersama-sama (simultan) berpengaruh terhadap Profits.
a. Uji Glejser
Hasil uji Glejser menunjukkan nilai probabilitas F-statistik (F-hitung) lebih kecil dari Alpha
(0.05) yaitu 0.0179, artinya, variabel profit, sales, r and expenses lebih kecil dari Alpha (0.05)
sehingga dapat disimpulkan H0 ditolak, Ha diterima. Terdapat masalah heteroksedastisitas pada
data ini.
b. Uji White
Hasil uji White menunjukkan nilai probabilitas F-statistik (F-hitung) lebih kecil dari Alpha
(0.05) yaitu 0.0184, artinya, variabel profit, sales, r and expenses lebih kecil dari Alpha (0.05)
sehingga dapat disimpulkan H0 ditolak, Ha diterima. Terdapat masalah heteroksedastisitas pada
data ini.
2. Metode Grafik
a. Scatterplot residual kuadrat terhadap variabel Sales sebagai berikut:
Selanjutnya melakukan uji heteroskedastisitas untuk hasil estimasi di atas dengan memilih uji
Breusch-Pagan-Godfrey.
Tampilan output pada Eviews:
Dari hasil uji di atas masih menidentifikasikan bahwa terjadi heteroskedastisitas ditunjukkan
dengan nilai Obs*R-squared yang signifikan (nilai p=0.0456). Untuk mengobati
heteroskedastisitas maka harus dilakukan metode transformasi dengan mengasumsikan bahwa
kita tidak mengetahui variansi residual secara pasti.
Dengan melihat hasil plot residual terhadap Sales dapat disimpulkan bahwa model transformasi
yang cocok adalah akar kuadrat Sales. Hal ini karena variansi residual proporsional terhadap
variabel independen Sales. Residual semakin menyebar dengan meningkatnya sales.
Model regresi menjadi:
R&D Expenses√Sales = 𝛃1 1√Sales + 𝛃2√Sales + v
Lalu, dibuat variabel bary sebagai berikut.
Y = R&D Expenses√Sales, X1= 1√Sales dan X2 = √Sales
Lalu regresi diubah menjadi Y = 𝛃1X1 + 𝛃2X2 + μ
Setelah di estimasi, berikut tampilannya pada Eviews.