Deskripsi Data Penelitian HASIL PENELITIAN DAN PEMBAHASAN

yang dipakai terdapat data yang negatif sehingga tidak dapat dilakukan transformasi logaritma, maka dapat digunakan transformasi GLS untuk mencari taksiran yang BLUE Best Linear Unbiased Estimator dengan cara terboboti atau cross section weights. Berikut adalah hasil uji autokorelasi setelah metode yang digunakan sudah ditransformasikan menjadi EGLS Estimated Generalized Least Square: Tabel 6. Uji Autokorelasi EGLS F-statistic 13,64937 Durbin-Watson stat 2,110519 Prob F-statistic 0,000002 Sumber: lampiran 15, halaman 101 Dari hasil uji autokorelasi EGLS, dapat dilihat bahwa nilai Durbin Watson sebesar 2,110519 atau 1,72452,1105192,2755. Hal ini menunjukkan tidak ada autokorelasi antar variabel, sehingga model regresi layak digunakan. b. Uji Normalitas Uji normalitas pada penelitian ini menggunakan teknik deteksi Jarque-Bera J-B test seperti yang telah dipaparkan dalam bab III. Regresi linier yang normal diasumsikan bahwa probabilitas gangguan residual berdistribusi normal atau memiliki rata-rata sama dengan nol, sehingga data tidak unbiased dan memiliki varian yang minimum Gujarati, 2009. Hasil uji normalitas dapat dilihat pada gambar berikut: 1 2 3 4 5 6 7 8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 Series: Standardized Residuals Sample 2013 2015 Observations 36 Mean 0.003299 Median -0.036178 Maximum 0.548409 Minimum -0.559497 Std. Dev. 0.290318 Skewness 0.244625 Kurtosis 2.167822 Jarque-Bera 1.397828 Probability 0.497125 Gambar 3. Hasil Uji Normalitas Sumber : lampiran 16, halaman 102 Dari gambar di atas, probabilitas sebesar 0,497125 atau lebih besar dari taraf signifikansi. Jadi, data dalam penelitian ini lolos asumsi normalitas. c. Multikolinearitas Multikolinearitas dapat dideteksi dengan menguji koefisien korelasi antar variabel independen. Apabila nilai koefisien korelasi antar variabel independen lebih besar dari 0,8 0,8 maka dapat disimpulkan bahwa model mengalami masalah multikolinearitas. Namun, apabila nilai koefisien korelasi 0,8 maka dapat disimpulkan bahwa tidak terjadi multikolinearitas Gujarati, 2009. Hasil pengujian multikolinearitas disajikan dalam tabel berikut: Tabel 7. Hasil Uji Multikolinearitas Market Timing Stock Selection Ukuran Umur Market Timing 1,000000 -0,338996 0,005639 0,171893 Stock Selection -0,338996 1,000000 -0,274486 0,034701 Ukuran 0,005639 -0,274486 1,000000 -0,237100 Umur 0,171893 0,034701 -0,237100 1,000000 Sumber: lampiran 17, halaman 103 Berdasarkan pengujian terhadap nilai koefisien korelasi pada tabel 7, tidak ada variabel yang nilainya lebih dari 0,8 sehingga dapat disimpulkan bahwa tidak terdeteksi masalah multikolinearitas. d. Uji Heteroskedastisitas Seperti yang telah dipaparkan sebelumnya pada bab III, untuk melakukan uji heteroskedastisitas dalam penelitian ini menggunakan uji Park dimana variabel terikat diganti dengan menggunakan log . Berikut adalah hasil uji Park: Tabel 8. Hasil Uji Heteroskedastisitas Variabel Probabilitas C 0,5717 Market Timing 0,0752 Stock Selection 0,1415 Ukuran 0,8543 Umur 0,8986 Sumber : lampiran 18, halaman 104 Rule of thumb yang digunakan dalam uji Park adalah data penelitian dikatakan lolos asumsi heteroskedastisitas apabila nilai probabilitas dari masing-masing variabel bebas lebih dari tingkat signifikansi yang digunakan. Hasil pada tabel 8 menyatakan seluruh variabel bebas memiliki nilai probabilitas lebih dari tingkat signifikansi yang