Regresi Linear Metode Analisis Data

31 pengujian hipotesis yang didasarkan pada distribusi t maupun F tidak bisa lagi dipercaya untuk evaluasi hasil regresi. Akibat dari dampak adanya autokorelasi dalam model regresi menyebabkan estimator OLS tidak menghasilkan estimator yang BLUE dan hanya menghasilkan estimator OLS yang BLUE Widarjono, 2007. Dalam penelitian ini, untuk menguji terjadinya autokorelasi menggunakan uji Durbin-Watson. Hipotesis yang digunakan adalah: Ho: Data X tidak terjadi autokorelasi Ha: Data X terjadi autokorelasi Deteksi autokorelasi Durbin Watson yaitu: Terima Ho jika nilai DW terletak antara batas atas du yaitu: du ≤ d ≤ 4 - du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi positif atau autokorelasi negatif. Terima Ha jika nilai DW lebih rendah daripada batas bawah dl, yaitu dl ≤ 4 maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif. Bila nilai DW lebih besar daripada 4 - dl yaitu d ≥ 4 - dl, maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.

3.4.2 Regresi Linear

Metode yang digunakan untuk mengestimasi model linear berganda adalah metode kuadrat terkecil Ordinary Least Square OLS. Tujuan dari metode kuadrat terkecil adalah untuk meminimumkan jumlah kuadrat error. Model analisis yang digunakan adalah : Universitas Sumatera Utara 32 Y 1 = a + bX 1 +  dimana: Y 1 = Harga Saham Sektor Perdagangan Rupiah X 1 = Bond Rating Perusahaan Sektor Perdagangan Skor a = Konstanta b = Koefisien  = adalah sisa error untuk pengamatan ke-n yang diasumsikan berdistribusi normal yang saling bebas dan identik dengan rata-rata 0 nol dan variansi σ 2 . V 1 = a + bX 1 +  dimana: V 1 = Volume Perdagangan Saham Sektor Perdagangan Lot X 1 = Bond Rating Perusahaan Sektor Perdagangan Skor a = Konstanta b = Koefisien  = adalah sisa error untuk pengamatan ke-n yang diasumsikan berdistribusi normal yang saling bebas dan identik dengan rata-rata 0 nol dan variansi σ 2 . Y 2 = a + bX 2 +  dimana: Y 2 = Harga Saham Sektor Jasa Rupiah X 2 = Bond Rating Perusahaan Sektor Jasa Skor a = Konstanta b = Koefisien  = adalah sisa error untuk pengamatan ke-n yang diasumsikan berdistribusi normal yang saling bebas dan identik dengan rata-rata 0 nol dan variansi σ 2 . V 2 = a + bX 2 +  dimana: V 2 = Volume Perdagangan Saham Sektor Jasa Lot Universitas Sumatera Utara 33 X 2 = Bond Rating Perusahaan Sektor Jasa Skor a = Konstanta b = Koefisien  = adalah sisa error untuk pengamatan ke-n yang diasumsikan berdistribusi normal yang saling bebas dan identik dengan rata-rata 0 nol dan variansi σ 2 . Y 3 = a + bX 3 +  dimana: Y 3 = Harga Saham Sektor Investasi Rupiah X 3 = Bond Rating Perusahaan Sektor Investasi Skor a = Konstanta b = Koefisien  = adalah sisa error untuk pengamatan ke-n yang diasumsikan berdistribusi normal yang saling bebas dan identik dengan rata-rata 0 nol dan variansi σ 2 . V 3 = a + bX 3 +  dimana: V 3 = Volume Perdagangan Saham Sektor Investasi Lot X 3 = Bond Rating Perusahaan Sektor Investasi Skor a = Konstanta b = Koefisien  = adalah sisa error untuk pengamatan ke-n yang diasumsikan berdistribusi normal yang saling bebas dan identik dengan rata-rata 0 nol dan variansi σ 2 . Dalam menganalisis perbedaan harga dan volume perdagangan saham sebelum dan sesudah pengumuman bond rating digunakan metode uji beda rata-rata.

3.4.3 Uji Beda Berpasangan Uji Paired T-Test