4.3.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode sebelumnya. Dalam penelitian ini adanya autokorelasi dapat dilakukan dengan menghitung Durbin-Watson dengan hasil sebagai berikut:
Tabel 4.6 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .657
a
.432 .392
.03818789 1.683
a. Predictors: Constant, SER, RATING b. Dependent Variable: CAR
Sumber: Data diolah, 2015 Tabel 4.6 menunjukkan nilai Durbin-Watson adalah 1,683. Nilai ini berada
diantara 1,66 – 2,34 maka diperoleh kesimpulan tidak ada terjadinya gejala
autokorelasi pada model regresi penelitian ini.
4.4 Uji Hipotesis
4.4.1 Uji Koefisien Determinasi
Koefisien determinasi R
2
mengukur seberapa jauh kemampuan model yang dibentuk dalam menerangkan variasi variabel independen. Hasil output
SPSS dapat dilihat pada Tabel 4.7 berikut ini.
Tabel 4.7 Hasil Uji Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .657
a
.432 .392
.03818789 1.683
a. Predictors: Constant, SER, RATING
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .657
a
.432 .392
.03818789 1.683
a. Predictors: Constant, SER, RATING b. Dependent Variable: CAR
Sumber: Data diolah, 2015 Pada Tabel 4.7 menunjukkan hasil output SPSS dimana nilai koefisien
determinasi sebesar 0,432 atau 43,2. Hal ini berarti 43,2 variasi CAR
saham perusahaan dapat dijelaskan oleh variasi variabel independen nilai dan rating penerbitan obligasi syariah perusahaan, sedangkan sisanya 56,8
dipengaruhi oleh faktor-faktor lainnya.
4.4.2 Uji Statistik F
Uji Statistik F dilakukan untuk mengetahui pengaruh variabel independen yang terdiri dari Nilai dan Rating Penerbitan Obligasi Syariah terhadap variabel
dependen yaitu Return Saham CAR secara simultan. Uji F memiliki tingkat signifikansi sebesar 0,05. Jika signifikansi F berada dibawah 0,05 maka variabel
independen secara simultan berpengaruh signifikan terhadap variabel dependen.
Tabel 4.8 Hasil Uji Statistik F
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
.031 2 .016
10.658 .000
a
Residual .041
28 .001 Total
.072 30
a. Predictors: Constant, SER, RATING b. Dependent Variable: CAR
Sumber: Data diolah, 2015
Berdasarkan Tabel 4.8 uji Anova, diperolah F hitung sebesar 10,658 dengan tingkat signifikan sebesar 0,00. Hasil tersebut menunjukkan bahwa F
hitung
lebih besar dari F
tabel
10,658 3,34 dengan signifikansi lebih kecil dari 0,05 yaitu 0,00. Dapat disimpulkan bahwa variabel independen yang terdiri dari Nilai
dan Rating penerbitan obligasi syariah secara simultan berpengaruh signifikan terhadap Return Saham CAR perusahaan.
4.4.3 Uji Statistik t
Uji Statistik t bertujuan untuk mengetahui pengaruh variabel independen terhadap variabel dependen secara parsial. Uji t test menggunakan tingkat
signifikansi sebesar 0,05, jika signifikansi t berada dibawah 0,05 maka variabel independen secara individu berpengaruh signifikan terhadap variabel dependen,
sebaliknya jika sig t diatas 0,05 maka variabel independen berpengaruh tidak signifikan terhadap variabel dependen.
Tabel 4.9 Hasil Uji Statistik t
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -.088 .026
-3.325 .002 RATING
.019 .007
.355 2.477 .020
SER .553
.155 .512
3.570 .001 a. Dependent Variable: CAR
Sumber: Data diolah, 2015 Tabel 4.9 menunjukkan bahwa besarnya t
hitung
untuk variabel Nilai Penerbitan SER adalah sebesar 3,570 dengan nilai signifikan 0,001 0,05. Hasil
tersebut menunjukkan t
hitung
t
tabel
3,570 2,048. Diperoleh kesimpulan bahwa Nilai Penerbitan berpengaruh signifikan terhadap Return Saham CAR.
Sedangkan pada variabel Rating Penerbitan diperoleh t
hitung
sebesar 2,477 dengan nilai signifikan sebesar 0,02 0,05. Hasil tersebut menunjukkan t
hitung
t
tabel
2,477 2,048. Diperoleh kesimpulan bahwa Rating Penerbitan berpengaruh signifikan terhadap Return Saham CAR.
4.5 Analisis Regresi Linier Berganda