55 Kemudian ditransformasikan ke dalam bentuk:
LnYit
=
�
+
�
��
+ �
��
+ �
��
+ µ Transformasi model dilakukan ke dalam bentuk natural logarithm untuk
mengurangi efek skewness yang tajam pada data mentah sehingga nilai dari masing-masing variabel menjadi normal. Secara rinci hasil output yang diperoleh
dari hasil estimasi dapat dilihat sebagai berikut:
Tabel 4.3 Koefisien Variabel
Variable Coefficient
Std. Error t-Statistic
Prob.
C - 3.490013
0.457275 -7.632200
0.0000 SPREAD?
0.223157 0.182500
1.222783 0.2381
MV? 0.633251
0.446744 1.417483
0.1744 VR?
- 0.382905 0.053069
-7.215280 0.0000
Sumber: eviews 7 setelah diolah
4.4 Uji Penyimpangan Asumsi Klasik
4.4.1 Hasil Uji Multikolinieritas
Uji multikolineritas dilakukan dengan tujuan untuk menguji apakah model regresi mempunyi korelasi antar variabel bebas Independent variable. Jika antar
variabel bebas ada korelasi yang tinggi , umumnya diatas 0.90 maka hal ini merupakan indikasi adanya multikolinieritas. Hasil estimasi menunjukkan nilai R-
squared yang tidak terlalu tinggi sebesar 0.651493 selain itu nilai t-statistik signifikan pada tingkat kepercayaan 5 dan semua variabel memiliki arah sesuai
dengan teori. Hasil dapat disimpulkan bahwa model yang digunakan dalam estimasi persamaan tersebut tidak terdapat multikolinieritas.
Universitas Sumatera Utara
56
4.4.2 Hasil Uji Normalitas
Uji normalitas dilakukan untuk menguji normal atau tidaknya faktor peganggu. Hasil uji nomalitas dapat dilihat sebagai berikut:
Tabel 4.4 Uji Normalitas
Holding Period
Bid-Ask Spread
Market Value
Variance Return
Jarque-Bera 0.353235
1.201563 2.036564
3.181335 Probability
0.838100 0.548383
0.361215 0.203790
Sumber : Eviews 7 setelah diolah
Berdasarkan hasil uji normalitas yang dilakukan , diperoleh nilai probability
variabel holding period sebesar 0.838100, nilai probability variabel bid-ask spread
sebesar 0.548383, nilai probability variabel market value sebesar 0.361215 dan nilai probability variabel variance return sebesar 0.203790 , dengan
demikian dapat disimpulkan bahwa kesemua variabel memiliki nilai probability 0.05, artinya data berdistribusi normal.
4.4.3 Hasil Uji Heterokedastisitas
Dalam penelitian ini estimasi yang dilakukan pada model persamaan menggunakan metode Coeficient Covariance Method - White Cross Section,
sehingga hasil yang diperoleh terbebas dari heterokedastisitas.
4.4.4 Hasil Uji Autokorelasi
Uji Autokorelasi digunakan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan peganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Hipotesis pengambilan keputusan untuk menguji autokorelasi yang terdapat dalam model persamaan dapat dilihat sebagai
berikut:
Universitas Sumatera Utara
57 H
: Tidak terdapat Autokorelasi H
1
: Terdapat Autokorelasi
Pengambilan keputusan uji autokorelasi dapat dilihat pada tabel sebagai berikut:
Tabel 4.5 Pengambilan Keputusan Aurokorelasi
Nilai DW hasil estimasi model regresi
Kesimpulan
4 – �
�
DW 4 Tolak H
1
tidak terdapat autokorelasi 4
– �
�
DW 4 – �
�
Tidak ada kesimpulan 2 DW 4
– �
�
Terima H �
�
DW 2 Terima H
�
�
DW �
�
Tidak ada kesimpulan 0 DW
�
�
Terima H
1
Terdapat autokorelasi
Hasil estimasi yang diperoleh menunjukan nilai DW sebesar 2.920307, dimana k = 3, n = 30 maka DW
L
= 1.21 dan DW
U
= 1.65 maka pengambilan keputusan autokorelasi dapat dijelaskan dengan tabel pengujian autokorelasi
sebagai berikut:
Gambar 4.1 Pengambilan keputusan Autokorelasi
Universitas Sumatera Utara
58 Dari tabel pengujian autokorelasi diatas dapat disimpulkan bahwa nilai
Durbin Watson terletak pada 4 – 1.21 2.920307 4 sehingga H1 ditolak dan
H0 diterima yang artinya dalam persamaan regresi ini tidak terdapat autokorelasi.
4.5 Hasil Model Estimasi