43
IHSG secara signifikan. Kemudian, dilihat dari masing-masing nilai probablitas statistik-t dari tiap-tiap variabel, kecuali variabel Inflasi memiliki nilai
probabilitas t-statistic yang lebih kecil dari tingkat signifikansi 5, dapat disimpulkan
bahwa masing-masing
variabel kecuali
variabel Inflasi
mempengaruhi variabel dependen. Untuk melihat apakah OLS merupakan model yang tepat dalam menjelaskan pengaruh IHSSK, Inflasi dan SBI terhadap IHSG,
akan dilakukan uji asumsi klasik regresi terhadap nilai sisaan dari model.
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah sisaan data yang digunakan mempunyai sebaran normal atau tidak.
Tabel 4.3 Uji Normalitas
Series : Residuals Sample : 1 90
Observations : 90 Jarque-Bera
5.624922
Pobability
0.060057
Berdasarkan Tabel 4.3, terlihat bahwa nilai probability Jarque Bera lebih besar dari tingkat signifikansi 5 0.06 0.05. Sehingga, H
ditolak, artinya sisaan data berdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas menguji apakah dalam model regresi terdapat adanya korelasi antar variabel bebas. F
1
adalah nilai F hitung dari regresi auxiliary antara IHSSK X
1
dengan Inflasi X
2
dan SBI X
3
. F
2
adalah nilai F hitung dari regresi auxiliary antara inflasi X
2
dengan IHSSK X
1
dan SBI X
3
. F
3
adalah nilai F hitung dari regresi auxiliary antara SBI X
3
dengan IHSSK X
1
dan Inflasi X
2
.
44
Tabel 4.4 Uji Multikolinearitas
F hitung F tabel = 3.13
F
1
=19.58 H
ditolak F
2
=0.77 H
diterima F
3
=20.36 H
ditolak Nilai F tabel dengan tingkat signifikansi 5 dan derajat kebebasan 1 dan 88
adalah sebesar 3.95. Dari hasil regresi auxiliary, nilai F
1
lebih besar dari F tabel 19.853.13 yang berarti H
ditolak, artinya terdapat multikolinearitas antara X
1
dengan X
2
dan X
3
. Nilai F
2
lebih kecil dari F tabel 0.773.13, penerimaan H artinya tidak terdapat multikolinearitas antara antara X
2
dengan X
1
dan X
3
. Kemudian, nilai F
3
lebih besar dari F tabel , penolakan H artinya terdapat
multikolinearitas antara X
3
dengan X
1
dan X
2
. Jika model mengandung multikolinearitas, salah satu pilihannya adalah membiarkan model tetap
mengandung multikolinearitas. Model tetap menghasilkan estimator yang BLUE karena masalah estimator yang BLUE tidak memerlukan asumsi tidak adanya
korelasi antar variabel independen. Multikolinearitas hanya menyebabkan kesulitan dalam memperoleh estimator dengan standard eror yang kecil [10].
c. Uji Autokorelasi
Uji autokorelasi digunakan untuk melihat apakah terdapat korelasi antara anggota pengamatan satu dengan lain. Banyak metode yang digunakan untuk
mendeteksi masalah autokorelasi, salah satunya dengan metode Breusch-Godfrey.
Tabel 4.5 Breusch-Godfrey Serial Correlation LM test:
F-Statistic 108.5874
Prob F2,84 0.000000
ObsR-squared 64.89829
Prob.Chi-Square2 0.000000
45
Nilai probability sisaan sebesar 0.0000, artinya jauh lebih kecil dari tingkat signifikansi 0.05 0.000.05, maka H
ditolak. Kesimpulan yang didapat bahwa sisaan mengandung autokorelasi.
d. Uji Heteroskedastisitas