1. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual terdistribusi normal
Ghozali, 2011. Data yang baik adalah data yang terdistribusi normal sehingga dapat memperkecil kemungkinan terjadinya bias. Informasi
terhadap variasi variabel dependen yang tidak dapat diterangkan pada regresi akan termuat dalam residual. Oleh karena itu, untuk melakukan
pemeriksaan terhadap persamaan regresi melanggar asumsi ataukah tidak, maka digunakan analisis residual Nachrowi dan Usman, 2006.
Setelah mendapatkan nilai residual tersebut maka selanjutnya dilakukan analisis uji normalitas melalui uji Kolmogorov-Smirnov dengan
menggunakan level of significant sebesar 0,05 atau sebesar 5. Pengujian normalitas dilakukan dengan membandingkan p-value yang
diperoleh dengan tingkat signifikansi yang ditentukan sebesar 0,05. Bila p-value
≥ 0,05, maka data yang digunakan dalam penelitian merupakan data yang terdistribusi normal dan sebaliknya bila nilai p-value 0,05
maka data tidak terdistribusi normal Priyatno, 2008.
b. Uji Autokorelasi
Autokorelasi sering dikenal dengan nama korelasi serial dan sering ditemukan pada data serial waktu time series. Uji autokorelasi
bertujuan menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Alat ukur yang digunakan untuk
mendeteksi adanya autokorelasi dalam penelitian ini menggunakan tes Durbin-Watson D-W.
Dasar yang digunakan untuk pengambilan keputusan secara umum diperlihatkan dalam tabel di bawah ini :
Tabel 2. Tabel Pengambilan Keputusan Uji Autokorelasi Hipotesis Nol
Jika Kesimpulan
Tidak ada autokorelasi positif
0ddl Tolak
Tidak ada
autokorelasi positif
dlddu No decision
Tidak ada korelasi negatif 4-dl d4
Tolak Tidak ada korelasi negatif
4-du d4-dl No decision
Tidak ada autokorelasi positif atau negatif
dud4-du Tidak ditolak
Sumber : Iqbal Hasan 2008
c. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Menurut
Gozali 2011, model regresi yang baik seharusnya tidak memiliki korelasi di antara variabel independen. Jika terdapat korelasi yang
tinggi antara variabel independen tersebut, maka hubungan antara variabel independen dan variabel dependen menjadi terganggu.
Uji ini dilakukan dengan melihat tolerance value dan VIF Variance Inflation Factor. Jika VIF 10 dan tolerance value 0,1
maka variabel tersebut tidak terdapat multikolonieritas dengan variabel bebas yang lainnya.
d. Uji Heteroskedastisitas
Uji Heteroskedastisitas ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas atau tidak
terjadi heteroskedastisitas. Jika varians berbeda maka disebut heteroskedastisitas.
Model regresi
yang baik
adalah yang
homoskedastisitas atau tidak terjadi heteroskedasitas Ghozali, 2011. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu
dengan menggunakan uji Glejser. Uji Glejser dilakukan dengan meregresi masing-masing variabel independen dengan absolut residual
sebagai variabel dependen. Hipotesis yang digunakan dalam pengujian heteroskedastisitas
adalah sebagai berikut : H
: tidak ada heteroskedastisitas H
a
: ada heteroskedastisitas Dasar pengambilan keputusannya adalah jika signifikasi 0,05
maka H ditolak, artinya ada heteroskedastisitas, sedangkan jika
signifikansi 0,05 maka H diterima, artinya tidak ada
heteroskedastisitas.
2. Analisis Regresi Linier Berganda
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel-
variabel yang lain. Menurut Ghozali 2011 persamaan regresi linear
berganda dapat dinyatakan sebagai berikut:
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ e Keterangan:
Y = Volatilitas Harga Saham α = Konstanta
X
1
= Volume Perdagangan X
2
= Frekuensi Perdagangan X
3
= Order Imbalance β
1,
β
2,
β
3
= Koefisien Regresi e = standar error
3. Uji Hipotesis
Untuk mengetahui seberapa besar pengaruh variabel independen secara parsial terhadap variabel dependen digunakan uji t-test. Untuk
mengetahui seberapa besar pengaruh variabel independen secara simultan terhadap variabel dependen digunakan F-test.
a. Uji Parsial Uji Statistik t
Pengujian hipotesis yang dilakukan secara parsial bertujuan untuk mengetahui pengaruh dan signifikansi dari masing-masing variabel
Kategori