3. Analisis kemampuan manajer investasi dalam hal stock selection skill dan market timing ability
bantuan software SPSS versi 15.0 for windows
menggunakan model regresi Treynor-Mazuy.
3.3. Uji Asumsi Klasik
Untuk mendapatkan model regresi yang akan digunakan dalam penelitian ini, maka sebelumnya akan dilakukan pengujian analisis awal sebagai berikut:
3.3.1 Uji Normalitas
Uji normalitas adalah pengujian tentang kenormalan distribusi data. Penggunaan uji normalitas karena pada analisis statistik parametrik, asumsi yang
harus dimiliki oleh data adalah bahwa data tersebut terdistribusi secara normal. Cara untuk mengetahui normalitas residual adalah melalui analisis grafik
Histogram dan Normal PPlot dan analisis statistik. Analisis grafik, yaitu dengan melihat grafik Histogram dan grafik P-Plot yang membandingkan distribusi
komulatif dari distribusi normal, dasar pengambilan keputusannya yaitu: a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas. Analisis statistik, yaitu dengan melihat uji statistik Non-Parametrik
Kolmogorov-Smirnov. Apabila hasil atau nilai Kolmogorov-Smirnov dan nilai Asymp.sig 2-tailed atau probabilitasnya di atas 0,05, maka data telah memenuhi
asumsi normalitas Ghozali, 2006.
3.3.2 Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk melihat apakah ada variabel yang saling berkolerasi pada variabel bebas independent variable. Jika terjadi korelasi
maka terdapat masalah multikolinieritas sehingga model regresi tidak dapat
digunakan.
Mengukur multikolinieritas dapat dilihat dari nilai toleransi atau VIF Variance Inflation Factor dari masing-
masing variabel. Jika nilai toleransi ≤
0,10 atau VIF ≥ 10 maka terdapat multikolinieritas, sehingga variabel tersebut tidak bisa digunakan Ghozali, 2006.
3.3.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi lainnya Ghozali, 2006.
Untuk mendeteksi adanya autokorelasi dalam suatu model regresi dapat dilakukan melakukan pengujian terhadap nilai Durbin-Watson dengan ketentuan
sebagai berikut: Tabel 3. Pengambilan keputusan autokorelasi
Hipotesis Nol H0 Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada korelasi negatif
Tidak ada korelasi negatif Tidak autokorelasi positif atau
negatif Tolak
No decision Tolak
No decision Tidak ditolak
0 d dl dl ≤ d ≤ du
4-dl d 4 4-
du ≤ d ≤ 4-dl du d 4-du
3.3.4 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual pengamatan satu ke pengamatan lain
Ghozali, 2006. Jika varian dari residual satu pengamatan ke pengamatan yang
lain tetap maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau
tidak terjadi heteroskedastisitas. Heterokedastisitas dapat dideteksi dengan melihat
grafik plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID.
Menurut Ghozali 2006, dasar pengambilan keputusan ada tidaknya heterokedastisitas adalah sebagai berikut: