Leo Ibrahim Sihombing : Pengaruh Inflasi, Kurs, Investasi dan Suku Bunga Sertifikat Bank Indonesia Terhadap Harga Saham dan Volume Perdagangan Saham PT. Bank Rakyat Indonesia, Tbk di Bursa Efek Indonesia, 2010.
antara X
i
dengan sisa variabel lainnya, kita tidak perlu langsung mengeluarkan variabel tersebut dari model.
Untuk melakukan uji multikolinearitas dengan bantuan SPSS dapat melihat nilai VIF yang ditampilakan pada tabel Coefficients. Dasar Keputusan:
• Apabila nilai koefisien VIF dari suatu variabel xi lebih besar dari 4 maka dapat
dikatakan variabel tersebut bergejala colinearity. •
Sebaliknya, jika nilai koefisien VIF dari suatu variabel xi lebih kecil dari 4 maka dapat dikatakan variabel tersebut tidak bergejala colinearity.
3.8.2. Uji Heteroskedastisitas
Suatu asumsi kritis dari model regresi linear klasik adalah bahwa gangguan Ui semuanya mempunyai varians yang sama. Jika asumsi tidak dipenuhi, kita
mempunyai heteroskedastisitas. Heteroskedastisitas tidak merusak sidat ketiadakbiasan dan konsistensi dari penaksir OLS. Tetapi penaksir ini tidak lagi
mempunyai varians minimum atau efisien. Dengan perkataan lain, mereka tidak lagi BLUE. Panaksir BLUE diberikan oleh metode kuadrat terkecil tertimbang Gujarati,
1995: 194.
Cara Mendeteksi Heteroskedastisitas:
Berikut ini ada beberapa metode, baik formal maupun informal, yang dapat mendeteksi adanya heteroskedastisitasSupranto, 2004: 54.
1. Sifat Persoalannya. Seringkali, sifat persoalan yang diteliti menyarankan atau
menunjukkan kemungkinan adanya heteroskedastisitas. Sebagai suatu kenyataan
dalam data cross-section yang meliputi elemen-elemen atau unit-unit yang heterogen, adanya heteroskedastisitas merupakan suatu aturan rule, bukan hanya
sekedar kekecualian exception. Jadi di dalam analisis yang didasarkan atas data cross section cross sectional analysis, yang mencakup pengeluaran investment
dalam hubungannya dengan penjualan, tingkat bunga, dan lain sebagainya, heteroskedasitas diharapkan akan timbul kalau perusahaan kecil, sedang, dan
besar sama-sama terkena sampel. 2.
Metode Grafik. Apabila tidak ada informasi sebelumnya atau informasi secara empiris tentang adanya heteroskedastisitas, dalam praktiknya praktiknya kita
dapat membuat analisi regresi berdasarkan asumsi bahwa tidak ada heteroskedsastisitas dan kemudian melakukan pengecekan terhadap perkiraan
kesalahan pengganggu residual kuadrat, yaitu e
i 2
, untuk melihat kalau-kalau seluruh e
i 2
menunjukkan pola sistematis. Walaupun e
i 2
tidak sama dengan
i 2
, tetapi dapat dipergunakan sebagai proxy, khususnya kalau sampel cukup besar.
3. Uji dari Park Park Test
Park memformalkan metode grafik, dengan menganjurkan bawah
2 i
merupakan fungsi dari variabel bebas X
i
. Fungsi yang dia anjurkan ialah sebagai berikut:
2 i
=
2
X
i
atau ln
2 i
= ln
2
+ B ln X
i
+ V
i
dimana Vi merupakan kesalahan pengganggu residual.
Leo Ibrahim Sihombing : Pengaruh Inflasi, Kurs, Investasi dan Suku Bunga Sertifikat Bank Indonesia Terhadap Harga Saham dan Volume Perdagangan Saham PT. Bank Rakyat Indonesia, Tbk di Bursa Efek Indonesia, 2010.
Oleh karena pada umunya 2i tidak diketahui, Park mengusulkan menggunakan
e2i sebagai proxy dan membuat regresi berikut: ln e
2 i
= ln
2
+ B ln X
i
+ V
i
= A +B ln X
i
+ V
i
Apabila melalui pengujian hipotesis B ternyata signifikan secara statistik, berarti X mempengaruhi e
2 i
, maka dalam data terjadi heteroskedastisitas. Uji Park Park Test adalah prosedur dua fase tahap a two-stage prosedures.
Pada tahap pertama first stage kita membuat regresi dengan menggunakan OLS, kemudian melakukan regresi tanpa memperhatikan adanya heteroskedastisitas.
Dari regresi ini akan kita peroleh e
2 i
, kemudian pada tahap kedua second stage kita membuat regresi terakhir di atas.
4. Uji Glejser Glejser Test
Uji Glejser hampis sama dengan uji Park. Setelah memperoleh residual atau kesalahan pengganggu e
i
dari regresi OLS, Glejser mengusulkan regresi harga mutlak absolute Value dari e
i
, yaitu | e
i
| terhadap variabel besar X yang dianggap mempunyai hubungan yang kuat dengan
2 i
. Dalam eksperimen yang dilakukan, Glejser menggunakan bentuk fungsi sebagai berikut:
|e
i
| = B X
i
+ v
i
|e
i
| = B + v
i
|e
i
| = B + v
i
|e
i
| = B + v
i
|e
i
| = A + B X
i
+ v
i
|e
i
| = + v
i
|e
i
| = + v
i
di mana seperti biasa v
i
= kesalahan pengganggu residual Glejser telah menemukan bahwa untuk sampel yang besar large sample, empat
pertama dari model di atas akan memberikan hasil memuaskan di dalam usaha untuk mendeteksi adanya heteroskedatisitas. Oleh karena itu, sebagai hal yang
praktis, teknis dari Glejser dapat dipergunakan untuk sampel yang besar dan dapat juga digunakan untuk sampel yang kecil sebagai suatu alat device kualitatif
untuk mempelajari sesuatu yang berkenaan dengan heteroskedastisitas. 5.
Uji koralasi rank dari Spearman Spearman’s rank correlation test Koefisien korelasi rank dari Spearman di defenisikan sebagai berikut:
r
s
= 1 – 6
di mana d
i
= perbedaan dalam rank yang diberikan kepada dua karakteristik yang berbeda dari individu atau fenomena ke i
n = banyaknya individu atau fenomena yang diberi rank Koefisien korelasi rank tersebut dapat dipergunakan untuk mendeteksi
heteroskedastisitas, sebagai berikut: kita anggap berlaku hubungan Y
i
= A + B X
i
+
i
Leo Ibrahim Sihombing : Pengaruh Inflasi, Kurs, Investasi dan Suku Bunga Sertifikat Bank Indonesia Terhadap Harga Saham dan Volume Perdagangan Saham PT. Bank Rakyat Indonesia, Tbk di Bursa Efek Indonesia, 2010.
Tahap I : Terapkan regresi tersebut pada data Y dan X dan hitung kesalahan
pengganggu residual e
i
, perkirakan
i
. Tahap II
: Tanpa memperhatikan tanda dari e
i
, yaitu kita ambil nilai mutlaknya, |e
i
|, kemudian buat rank dari kedua variabel |e
i
| dan X
i
sesuai dengan urutan yang menaik menurun ascending or descending order dan hitung koefisien korelasi dari rank Spearman
seperti rumus di atas. Tahap III :
Dengan anggapan bahwa koefisein korelasi rank sebenarnya
s
= Rho s, akan sebesar nil, dan n b, signifikan dari r sampel, dapat
diuji dengan uji t sebagai berikut: t =
dengan df = n – 2 Apa bila nilai t yang dihitung melebihi niali t yang kritis critical t value dari
tabel t, kita dapat dapat menerima hipotesis bahwa ada heteroskedastisitas. Kalau tidak kita tolak hipotesis. Apabila model regresi mencakup lebih dari dua variabel
bebas, r
s
dapat dihitung antara e
i
dengan setiap variabel bebas X secara terpisah dan dapat diuji untuk mengetahui signifikan tidaknya dengan menggunakan uji t
dengan rumus r
s
dan rumus uji t di atas. 6.
Uji Goldfeld-Quandt Sumodiningrat, 2001: 269 Pengujian ini didasarkan atas dua asumsi dasar, yaitu: 1 jumlah pengamatan
sekurang-kurangnya dua kali jumlah variabel bebas dalam model, 2 U
i
adalah
nir-otokorelasi dan berdistribus normal. Uji Goldfeld-Quandt ini hanya untuk sampel-sampel besar, dan meliputi langkah-langkah berikut:
Langkah pertaman: Susunlah pengamatan-pengamatan menurut besar variabel bebas X
i
. Langkah kedua:
Hilangkan sejumlah tertentu pengamatan yang ditengah-tengah katakanlah c dari analisis. Jumlah pengamatan sisanya, yaitu n-c pengamatan, masing-masing
bagian terdiri dari ½ n-c jumlah pengamatan. Satu bagian terdiri dari nilai-nilai X yang kecil, sedangkan bagian lainnya mencakup nilai-nilai X yang besar.
Langkah tiga: Taksirlah regresi secara terpisah dengan prosedur OLS untuk setiap bagian, dan
dapatkan jumlah residu kuadrat setiap bagian. Katakanlah menunjukkan
jumlah residu dari sampel yang mengandung nilai-nilai X kecil, dan dari
sampel yang mengandung nilai-nilai X yang besar. Langkah keempat:
Hitung nilai F = ; yang akan mempunyai distribusi F dengan derajat
bebas [½ n – c – k] baik untuk pembilang maupun untuk penyebut dari ratio itu n = jumlah pengamatan; c = jumlah pengamatan di tengah-tengah yang
dihilangkan, dan k = jumlah parameter yang ditaksir.
Leo Ibrahim Sihombing : Pengaruh Inflasi, Kurs, Investasi dan Suku Bunga Sertifikat Bank Indonesia Terhadap Harga Saham dan Volume Perdagangan Saham PT. Bank Rakyat Indonesia, Tbk di Bursa Efek Indonesia, 2010.
Jika U adalah homoskedastik, maka dua varian, yaitu dan
seharusnya sama, karena itu F akan cenderung sama dengan satu. F besar menunjukkan
adanya heteroskedastisitas. Lankah kelima:
Ujilah hipotesis mengenai homoskedastisitas sebagai berikut: H
: U
i
adalah homoskedastik H
a
: U
i
adalah heteroskedastik Apabila nilai hitung F dari langkah keempat tersebut lebih besar daripada niali
F tabel atau F teoritis, maka H ditolak artinya, U adalah homoskedastik.
Apabila F lebih kecil daripada F tabel, H tidak ditolak.
Dengan bantuan SPSS dapat dilakukan uji heteroskedasitas melalui metode grafik yang ditampilkan pada Charts, yaitu hasil menggambarkan nilai u
i 2
terhadap nilai-nilai variabel bebas. Grafik yang baik tidak mengandung heteroskedastsitas
adalah grafik yang tidak mencerminkan suatu pola yang sistematis atau dapat dikatakan random Nachrowi, 2006: 114.
3.8.3. Uji Autokorelasi