1. Home
  2. Lainnya

Pengujian Heteroskedastisitas Pengujian Autokorelasi

3.3.3.3. Pengujian Heteroskedastisitas

Menurut Gujarati 2006 heteroskedastisitas adalah kondisi dimana nilai varian dari variabel independen tidak memiliki nilai yang sama atau nilai ragam error term tidak memiliki nilai yang sama untuk setiap observasi. Untuk menguji adanya pelanggaran asumsi heteroskedatisitas digunakan uji yang diperoleh dari program Eviews. Pengujian heteroskedastisitas adalah untuk menentukan adanya conditional variance dan residual. Bagi data yang bersifat heteroscedastic perhitungan variannya lebih tepat jika menggunakan model GARCH. Proses pengujian heteroskedastisitas dapat dilakukan dengan uji white untuk menentukan suatu residual bersifat heteroskedastisitas atau homoskedastisitas dilakukan uji stsistik dengan menggunakan hipotesis berikut : H : homoskedastisitas H 1 : heteroskedastisitas Jika p-value lebih dari taraf nyata maka tolak H yang berarti model mengandung heteroskedastisitas.

3.3.3.4. Pengujian Autokorelasi

Autokorelasi didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu dan ruang. Akibat dari autokorelasi dapat mempengaruhi efisiensi dan estimatornya. Dampak lain dari autokorelasi pada model adalah varian residual yang diperoleh akan lebih rendah daripada semestinya sehingga menyebabkan R 2 menjadi lebih tinggi. Untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin-Watson DW dalam output Eviews. Untuk mengetahui ada atau tidaknya autokorelasi, maka dilakukan dengan membandingkan DW-statistik dengan DW-tabel. Tabel 3. Tabel untuk menentukan Autokorelasi Ada autokorelasi positif Tidak dapat diputuskan Tidak ada autokorelasi Tidak dapat diputuskan Ada autokorelasi negatif dL du 4-du 4-dL 4 Sumber : Gujarati, 2006 Selain membandingkan niali DW-statistik dengan DW-tabel, autokorelasi juga dapat dideteksi dengan menggunakan dengan Breush-Grodfrey Serial Correlation LM Test . Hipotesis yang digunakan dalam uji Breush-Godfrey adalah: H : tidak ada autokorelasi H 1 : ada autokorelasi Jika nilai p-value kurang dari taraf nyata maka tolak H , artinya model mengandung autokorelasi.

3.4. Analisis Model ARCH-GARCH

Dokumen yang terkait

FAKTOR-FAKTOR YANG MEMPENGARUHI EARNINGS RESPONSE COEFFICIENT (ERC) PADA PERUSAHAAN YANG TERDAFTAR DI JAKARTA ISLAMIC INDEX (JII)

0 25 18

Analisis pengaruh harga komoditas dunia terhadap pergerakan Indeks Harga Saham Gabungan (IHSG), indeks LQ 45, dan Jakarta Islamic Index (JII) di BEI

0 10 132

Faktor yang mempengaruhi perkembangan saham syariah di Jakarta Islamic Index (JII)

0 3 113

ANALISIS FAKTOR-FAKTOR MAKROEKONOMI YANG MEMPENGARUHI RETURN SAHAM JAKARTA ISLAMIC INDEX DAN PERAMALANNYA MENGGUNAKAN VAR

0 3 95

Analisis Pengaruh Faktor-Faktor Fundamental Terhadap Return Saham Syariah Pada Perusahaan yang Tergabung Dalam Jakarta Islamic Index (Jii) Tahun 2007-2011

0 2 7

ANALISIS PENGARUH FAKTOR-FAKTOR FUNDAMENTAL TERHADAP RETURN SAHAM SYARIAH PADA Analisis Pengaruh Faktor-Faktor Fundamental Terhadap Return Saham Syariah Pada Perusahaan Yang Tergabung Dalam Jakarta Islamic Index (JII) tahun 2007-2011.

0 2 14

PENDAHULUAN Analisis Pengaruh Faktor-Faktor Fundamental Terhadap Return Saham Syariah Pada Perusahaan Yang Tergabung Dalam Jakarta Islamic Index (JII) tahun 2007-2011.

0 2 7

KARYA ILMIAH Analisis Pengaruh Faktor-Faktor Fundamental Terhadap Return Saham Syariah Pada Perusahaan Yang Tergabung Dalam Jakarta Islamic Index (JII) tahun 2007-2011.

0 4 17

496 REAKSI SIGNAL FAKTOR MAKROEKONOMI, FUNDAMENTAL, DAN RESIKO SISTEMIS (BETA SAHAM) TERHADAP RETURN SAHAM SYARIAH YANG TERDAFTAR DI JAKARTA ISLAMIC INDEX (JII)

0 0 17

FAKTOR-FAKTOR YANG MEMPENGARUHI RASIO HUTANG DAN PENGARUHNYA TERHADAP HARGA SAHAM PERUSAHAAN YANG TERDAFTAR DI JAKARTA ISLAMIC INDEX (JII) PERIODE 2010-2014

0 0 20