67 residual satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas. Sebaliknya jika varians berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak trjadi heteroskedastisitas. Uji heteroskedastisitas dalam penelitian ini dilakukan dengan uji grfik
scatterplot. Gambar 4.3.
Hasil Uji Heteroskedastisitas
Berdasarkan gambar 4.2. dapat dilihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka 0 pada
sumbu Y dan tidak membentuk pola yang jelas pada penyebaran data tersebut.
Karena uji grafik dapat menyesatkan jika tidak diperhatikan dengan hati-hati, maka dalam penelitian ini juga digunakan uji glejser
68 untuk mendeteksi gejala heteroskedastisitas. Uji glejser dapat dilakukan
dengan meregresi nilai absolute residual terhadap variabel independen. Pengambilan keputusannya adalah jika variabel independen signifikan
secara statistic mempengaruhi variabel dependen dengan tingkat signifikansi 0,05 maka ada indikasi terjadi heteroskedastisitas. Hasil dari
uji heteroskedastisitas dengan menggunakan uji glejser disajikan pada table 4.11.
Tabel 4.11. Hasil Uji glejser
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.062 .007
9.264 .000
IHSG 1.842
.421 1.157
4.374 .000
JII -.535
.420 -.337 -1.275
.211 a. Dependent Variable: DPLK
Dari tabel 4.12 dapat diketahui bahwa nilai signifikansi dari masingmasing variabel independen adalah 0,05, maka dapat disimpulkan
bahwa dalam model penelitian ini tidak terjadi heteroskedastisitas.
e. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah model regresi linier terdapat korelasi antara kesalahan pengganggu pada
periode t-1sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Uji auto korelasi dalam penelitian ini
69 menggunakan uji Durbin Watson DW test, dengan hasil sebagai
berikut:
Tabel 4.12.
Hasil Uji Auto Korelasi
Untuk mendeteksi adanya autokorelasi, secara umum bisa diambil patokan sebagai berikut:
Angka D-W di bawah -2 berarti ada autokorelasi positif Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi
Angka D-W di atas +2 berarti ada autokorelasi negative Berdasarkan Tabel 4.12 di atas, angka D-W berada diantara -2 samapai
+2 yaitu 1,686. Maka dapat disimpulkan bahwa tidak terdapat masalah autokorelasi pada model regresi tersebut. Artinya tidak ada korelasi antara
kesalahan pengganggu pada periode t dengan periode t-1
2. Uji hipotesis
a. Koefisien determinasi R
2
Koefisien determinasi R
2
sering diartikan sebagai seberapa besar kemampuan semua variabel bebas dalam
menjelaskan varians dari variabel terikatnya. Nilai koefisien
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .849
a
.721 .704
.0399343 1.686
a. Predictors: Constant, R_JII, R_IHSG b. Dependent Variable: R_DPLK
70 determinasi yang mendekati 1 menandakan bawa variabel-variabel
memberikan hampir
memberikan semua
informasi yang
dibutuhkan untuk memprediksi variabel dependen. Hasil uji koefisien determinasi dapat dilihat pada tabel 4.14. berikut:
Tabel 4.13.
Hasil Uji Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.849
a
.721 .704
.0399343 a. Predictors: Constant, R_JII, R_IHSG
b. Dependent Variable: R_DPLK
Tabel 4.13 menunjukkan bahwa koefisien determinasi R
2
sebesar 0.721 72,1. Artinya variabel bebas yang terdiri dari JII dan IHSG berpengaruh sebesar 72,1 terhadap DPLK Muamalat.
Sedangkan sisanya sebesar 27,9 dipengaruhi oleh variabel lain yang tidak dimasukkan ke dalam model.
Adapun nilai Adjusted R Square sebesar 0,704 adalah sebuah statistik yang berusaha mengoreksi koefisien determinasi agar lebih
mendekati ketepatan model dalam populasi. Pada penelitian ini dapat disimpulkan bahwa variabel independen mampu menjelaskan variabel
dependen sebesar 70,4 sedangkan sisanya dijelaskan oleh variabel lain.