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