85 terdapat gejala multikolineritas data dapat diperbaiki dengan
menggunakan transformasi variabel ke dalam bentuk differensi pertama. Apabila hubungan diantara variabel bebas yang satu dengan yang
lainnya diatas
0,85 maka
dapat dipastikan
terdapat gejala
multikolinearitas. Berikut hasil setelah diolah dengan eviews 6.0:
Tabel 4.7 Hasil Korelasi Uji Multikolinearitas
LNKURS SBI
LNJUB LNKURS
1.000000 0.178845
-0.052158 SBI
0.178845 1.000000
-0.837143 LNJUB
-0.052158 -0.837143
1.000000
Sumber: Data sekunder yang diolah
Terlihat dari tabel diatas nilai korelasi variabel independen hanya mencapai 0.837143, karena nilai 0.837143 0,85 maka diputuskan tidak
terjadi gejala multikolinearitas sehingga dapat dilanjutkan ke pengujian selanjutnya.
e. Hasil Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat hubungan residual antar waktu pada model penelitian yang digunakan
sehingga estimasi menjadi bias. Uji Breusch-Godfrey dapat digunakan untuk mengidentifikasi
terjadinya masalah autokorelasi atau tidak, jika nilai probabilitas X
2
lebih besar dari nilai signifikan α=5 0,05 maka model penelitian terbebas dari masalah autokorelasi dan sebaliknya jika nilai probabilitas
86 lebih besar dari nilai signifikan α=5 0,05 maka model penelitian
mengalami masalah autokorelasi. Berikut hasil aotokorelasi dengan menggunakan eviews 6.0:
Tabel 4.8 Hasil Uji Autokorelasi dengan Uji Breusch-Godfrey
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.220400
Prob. F2,53
0.8028
ObsR-squared
0.478246
Prob. Chi- Square2
0.7873 Sumber: Data sekunder yang diolah
Berdasarkan tabel diatas menunjukkan bahwa nilai prob. Chi Square X
2
adalah sebesar 0,7873 karena nilai prob. Chi Square X
2
lebih besar dibandingkan α yaitu 0,7873 0.05, maka menyatakan bahwa model
penelitian ini terbebas dari permasalahan autokorelasi.
2. Hasil Regresi Metode Ordinary Least Square OLS
Hasil estimasi
hubungan antara
variabel-variabel yang
mempengaruhi harga saham sektor properti dilakukan melalui pendekatan OLS dengan menggunakan transformasi variabel ke dalam
bentuk differensi pertama agar data bersifat stasioner yang ditampilkan pada tabel berikut:
