42 Persamaan dasar yang digunakan dalam model persamaan regresi linear
berganda dalam penelitian ini adalah sebagai berikut:
Y
t
= a + β1X1
t-1
+ β 2X2
t-1
+ β3X3
t-1
+ e Keterangan:
Y
t
= Perubahan harga saham perusahaan bulan ke-t a = Konstanta
β1 = Koefisien regresi dari variabel perubahan suku bunga bulan ke t-1 β2 = Koefisien regresi dari variabel perubahan inflasi bulan ke t-1
β3 = Koefisien regresi dari variabel perubahan kurs tengah US dolar bulan ke t-1
X1
t-1
= Perubahan suku bunga bulan ke t-1 X2
t-1
= Perubahan inflasi bulan ke t-1 X3
t-1
= Perubahan kurs tengah US dolar bulan ke t-1 e = Error
4.4.1. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk menguji, apakah model regresi yang digunakan dalam penelitian ini layak diuji atau tidak. Uji asumsi klasik digunakan
untuk memastikan bahwa multikolinearitas, autokorelasi, dan heteroskedastisitas tidak terdapat dalam model yang digunakan dan data yang dihasilkan terdistribusi
normal. Jika keseluruhan syarat tersebut terpenuhi, berarti bahwa model analisis telah layak digunakan. Uji penyimpangan asumsi klasik, dapat dijabarkan sebagai
berikut:
4.4.1.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen memiliki data yang terdistribusi
normal atau tidak. Data yang terdistibusi normal menujukkan bahwa tidak terdapat nilai ekstrem yang nantinya dapat mengganggu hasil data penelitian.
Model regresi yang baik adalah yang memiliki distribusi data normalmendekati normal. Untuk mendeteksi normalitas data maka dilakukan analisis statistik yang
salah satunya dapat dilihat melalui uji Kolmogorov-Smirnov K-S. Dalam uji K- S terdapat nilai asymp. sig 2-tailed yang dapat digunakan sebagai alat bantu
untuk mengetahui apakah data terdistribusi normal atau tidak. Jika nilai asymp. sig. 2-tailed lebih besar dari nilai
α pada tingkat signifikansi 0,05 maka dapat dikatakan bahwa data terdisribusi normal Suliyanto 2005. Namun sebaliknya
43 apabila nilai asymp. sig 2-tailed
α pada tingkat signifikansi 0,05 maka dapat dikatakan bahwa data tidak terdistribusi normal.
4.4.1.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Untuk mendeteksi ada atau
tidaknya multikoliniearitas didalam model ini adalah sebagai berikut : 1
Jika nilai tolerance 1 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model
regresi. 2
Jika nilai tolerance 1 dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
4.4.1.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan
kesalahan periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi.
Untuk mendeteksi autokorelasi, dapat dilakukan dengan uji Durbin Watson dW test. Pengambilan keputusan ada tidaknya autokorelasi ditentukan
sebagai berikut: Jika nilai durbin Watson dW berada di antara nilai dU hingga 4-dU berarti asumsi tidak terjadinya autokorelasi terpenuhi. Sementara apabila
nilai dWdL terjadi autokorelasi yang positif dan apabila nilai dW4-dL terjadi autokorelasi negatif. Sementara apabila nilai dW berada di antara dL sampai
dengan dU dLdWdU atau nilai dW berada di antara 4-dU sampai dengan4-dL 4-dUdW4-dL maka hal ini menunjukkan tidak ada kesimpulan.
4.4.1.4. Uji Heteroskedastisitas
