68 klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua
uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana
dan uji autokorelasi tidak perlu diterapkan pada data cross sectional. Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear
yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model.
Perhitungan nilai return yang diharapkan dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik
3.5.2.1 Uji Multikolinearitas
Multikolinaeritas adalah uji untuk mengetahui apakah ada hubungan yang kuat kombinasi linier diantara variabel bebas. Untuk mendeteksi ada tidaknya
multikolinearitas dapat dilihat dari nilai R
2
dan nilai F-statistik, nilai t-statistik serta standart error. Suatu model regresi liner akan menghasilkan estimasi yang
baik apabila model tersebut tidak mengandung multikolinearitas. Multikolinearitas terjadi karena adanya hubungan yang kuat antara sesama
variabel bebas dari suatu model estimasi. Adanya multikolinearitas ditandai dengan:
1. Standar eror tidak terhingga
2. Tidak ada satupun t-
statistik yang signifikan pada α=1, α=5, α=10 3.
Terjadi perubahan tanda atau tidak sesuai dengan teori 4.
R
2
sangat tinggi Uji multikolinearitas diperoleh dengan beberapa langkah yaitu:
Universitas Sumatera Utara
69 ∑e
t
– e
t – 1 2
∑e
t 2
d = a.
Melakukan regresi moel Y =fX
1,
…..X
n
sehingga diperoleh nilai R- square.
b. Melakukan regresi X
1
terhadap seluruh X lainnya, maka diperoleh nilai R
i
square regresi ini disebut auxiliary regression; dan c.
Membandingkan nilai R
i
square dengan R-square. Hipotesa yang dapat dipakai adalah Ho diterima apabila R
i
square R-square model pertama berarti tidak terjadi multikolinearitas dan Ha diterima apabila R
i
square R-square model pertama berarti terjadi masalah multikolinearitas.
3.5.2.2 Uji Autokorelasi
Uji ini merupakan hubungan variabel-variabel dari serangkaian yang tersusun dalam rangkaian waktu. Autokorelasi juga menunjukkan hubungan nilai-
nilai yang berurutan dari variabel yang sama. Autokorelasi dapat terjadi jika kesalahan pengganggu suatu periode korelasi dengan kesalahan pengganggu
periode sebelumnya. Untuk menguji apakah hasil-hasil estimasi tidak mengandung autokorelasi,
maka dipergunakan Uji Durbin-Watson D.W, dimana terlebih dahulu harus ditentukan besarnya nilai kritis dari d
u
dan d
l
berdasarkan jumlah pengamatan dari variabel bebasnya.
Untuk pengujian ini digunakan hipotesis sebagai berikut: Ho : ρ = 0, tidak ada gejala autokorelasi
Ha : ρ ≠ 0, ada gejala autokorelasi Dengan kriteria sebagai berikut:
Universitas Sumatera Utara
70 Ho diterima jika d
u
d 4 − d
l
Artinya data pengamatan tidak terdapat autokorelasi. Ha ditolak jika d d
l
atau d 4 − d
l
Artinya data pengamatan memiliki gejala autokorelasi.
Inconclusive Inconclusive Autokolerasi
− Autokolerasi +
Ho diterima
d
l
d
u
2 4 – d
u
4 – d
l
Gambar 3.3 Kurva Uji Durbin Watson
Keterangan: Ho
= Tidak ada autokorelasi d d
l
= Tolak Ho ada korelasi positif d 4 – d
l
= Tolak Ho ada korelasi negatif du d 4 – d
u
= Terima Ho tidak ada autokorelasi d
l
≤ d ≤ d
u
= Pengujian tidak dapat disimpulkan inconclusive 4 – d
u
≤ d ≤ 4 –d
l
= Pengujian tidak dapat disimpulkan inconclusive
3.6 Definisi Operasional
