panel. Menurut Ariefianto 2012: 148 data panel adalah data yang berstruktur
urut waktu sekaligus cross section.
Adapun persamaan regresi tersebut adalah sebagai berikut: Y =
α + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+
�
Keterangan : Y
= Kinerja Reksa Dana Saham α
= Konstanta b
1
...b
3
= Koefisien regresi X
1
...X
3
X
1
= Fund Longevity X
2
= Fund Cash Flow X
3
= Fund Size
�
= Koefisien residual
3.8.1 Uji Asumsi Klasik
3.8.1.1 Uji Multikolinearitas
Tujuan uji ini adalah tidak boleh terdapat multikolinearitas diantara variabel penjelas pada model tersebut yang diindikasikan oleh hubungan sempurna atau
hubungan yang tinggi diantara beberapa atau keseluruhan variabel penjelas Sangadji dan Sopiah, 2010:249. Untuk mendeteksi apakah terindikasi terjadi
gejala multikolinearitas, dapat digunakan pendekatan matriks korelasi dari variabel bebas. Jika terdapat nilai korelasi di atas 0,8 antar variabel bebas, maka
diindikasi terjadi multikolinearitas.
3.8.1.2 Uji Heteroskedastisitas
Asumsi homokesdastisitas menyatakan terjadi kesamaan varians dari error errors with constant variance untuk setiap tingkatan atau level dari variabel-
Universitas Sumatera Utara
variabel bebas. Ketika asumsi homoskedastisitas tidak dipenuhi, maka peristiwa tersebut disebut heteroskedastisitas. Uji heteroskedastisitas bertujuan menguji
apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan yang lain. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2013: 134. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji white. Dasar
pengambilan keputusan adalah melihat angka probabilitas dari statistik uji white, dengan ketentuan sebagai berikut Gio, 2015:57.
Jika probabilitas koefisien regresi variabel bebas ≥ 0,05, maka tidak terjadi
heteroskedastisitas. Jika probabilitas koefisien regresi variabel bebas
0,05, maka terjadi heteroskedastisitas.
3.8.1.3 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
ssepanjang waktu berkaitan satu sama lainnya Ghozali, 2013: 107. Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi
terjadi autokorelasi. Gujarati 2003:489 mengemukakan dalam keadaan pelanggaran asumsi
independensi dari error, estimator-estimator yang dihasilkan dengan metode kuadrat terkecil ordinary least square masih bersifat tak bias, konsisten, secara
Universitas Sumatera Utara
asismtotik terdistribusi normal, namun estimator-estimator tersebut tidak lagi efisien. Sebagai akibatnya, uji signifikansi
� dan � yang biasa tidak lagi valid.
3.8.2 Pengujian Hipotesis
