1. Mean nilai rata-rata yakni nilai rata-rata dari data yang diamati. 2. Maximum nilai tertinggi yakni mengetahui nilai tertinggi dari data
3. Minimum nilai terendah yakni mengetahui nilai terendah dari data. 4. Standar deviasi digunakan untuk mengetahui variabilitas dari
penyimpangan terhadap nilai rata – rata.
3.4.2. Uji Asumsi Klasik
Sebelum pengujian regresi dilakukan, terlebih dahulu perlu dilakukan pegujian asumsi klasik yang berguna untuk mengetahui apakah data
yang digunakan telah memenuhi ketentuan dalam model regresi. Pengujian ini meliputi sebagai berikut :
a. Uji Normalitas
Uji normalitas ini bertujuan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen keduanya
memiliki distribusi normal atau tidak Ghozali, 2009. Uji normalitas menggunakan uji Kolmogorov-Smirnov uji K-S dengan bantuan
program komputer SPSS. Prosedur uji normalitas data adalah sebagai berikut:
1 Meregresi fungsi empirik, dan diperoreh nilai residual. 2 Menganalisis nilai residual dengan metode uji one-sample
Kolmogorov-Smirnov 3 Kesimpulan, apabila nilai Asymp. Sig 2 tailed 0,05 atau 5
maka residual berdistribusi normal.
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel bebas. Model regresi yang
baik sebaiknya tidak terjadi korelasi diantara variabel bebas. Multikolinearitas berarti ada hubungan linear yang sempurna atau
pasti antar beberapa atau semua variabel bebas dalam model regresi, sehingga kofisien regresi tidak tentu dan kesalahan menjadi tidak
terhingga.
c. Uji Autokorelasi
uji autokorelasi bertujuan untuk menguji apakah suatu model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang
berurutan sepanjang waktu berkaitan satu sama lain. Uji yang digunakan untuk mendeteksi adanya autokorelasi adalah Durbin
Watson DW.
d. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dalam sebuah model regresi dengan tujuan apabila suatu regresi terjadi ketidaksamaan
varians dari residual dan pengamatan. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut dengan
homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Masalah heteroskedastisitas sering terjadi pada data silang crossection daripada runtut waktu time series.
Heteroskedastisitas timbul karena adanya pelanggaran terhadap asumsi klasik dan karena adanya data yang outlier. Dalam
perhitungan heteroskedastisitas dapat dilakukan dalam banyak model salah satunya menurut Ghozali 2009 adalah menggunakan
uji glejser. Pengujian dengan uji Glejser yaitu meregresi nilai absolut residual sebagai variabel dependen terhadap masing-masing
variabel independen.
3.5. Analisis Linear Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen X1, X2,....Xn dengan variabel dependen Y.
Analisis ini digunakan untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen. apakah masing-masing variabel
independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan
atau penurunan. Data yang digunakan biasanya berskala interval atau rasio. Model persamaan regresi linear berganda sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+e Keterangan :
Y = return saham a = Konstanta
b = Koefisien regresi dari masing-masing variabel independen