54
investor terutama yang mengharapkan memperoleh capital gain, karena hal ini dipandang sebagai salah satu komponen biaya dalam perdagangan saham.
4.3. Analisis Data
4.3.1. Uji Normalitas
Uji normalitas data digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal yang dapat dilakukan dengan berbagai metode
diantaranya adalah uji regresi OLS Ordinary least Square. Berikut hasil uji normalitas:
Tabel 4.4. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
15 ,0000000
,41438907 ,204
,204 -,124
,788 ,563
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber: lampiran 6 Berdasarkan tabel tersebut diatas dapat diketahui bahwa nilai statistik
Kolmogorov-Smirnov yang diperoleh mempunyai taraf signifikan yang lebih dari dari 0,05 yaitu sebesar 0,563, dimana nilai tersebut telah sesuai dengan kriteria
bahwa sebaran data disebut berdistribusi normal apabila memiliki taraf signifikan
0,05.
55
4.3.2. Uji Asumsi Klasik
Teknik analisis yang digunakan dalam penelitian ini adalah model regresi yang diperoleh dari model kuadrat terkecil biasa ordinary least squares
merupakan model regresi yang menghasilkan estimasi linier tidak bias yang terbaik Best linear Unbias Estimator BLUE. Kondisi ini akan terjadi jika
dipenuhi beberapa asumsi klasik yaitu :
1. Pengujian Autokolerasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya Imam Ghozali, 2006 : 95.
Berdasarkan hasil pengujian yang dilakukan diperoleh nilai Durbin Watson sebagai berikut:
Gambar 4.1. Kurva Durbin Watson
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif
DW=1.534
daerah keragu
raguan korelasi negatif
ada auto daerah
keragu raguan
korelasi positif ada auto
4 dL=0,946
4 – dU =2,457
4 – dL =3,054
dU=1,543
Sumber : Gujarati, 1999, 216, Ekonometrika Dasar
56
Berdasarkan gambar kurva Durbin Watson tersebut nilai yang diperoleh terletak di daerah keragu-raguan, sehingga dapat dianggap bahwa
tidak terjadi autokorelasi pada persamaan regresi dapat dipenuhi.
2. Pengujian Multikolinier
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation Factor VIF.
Berdasarkan hasil pengujian, diperoleh hasil bahwa nilai VIF untuk masing- masing variabel adalah sebagai berikut:
Tabel 4.5. Hasil Pengujian Multikolinier No Variabel
Tolerance VIF Keterangan
1 2
Volume Perdagangan X
1
Varians Return X
2
0,952 0,952
1,051 1,051
Non Multikolinier Non Multikolinier
Sumber : Lampiran 7 Dari tabel di atas dapat diketahui bahwa nilai VIF untuk variabel
volume perdagangan dan varians return mempunyai nilai VIF lebih kecil dari 10, yang berarti bahwa pengujian multikolinieritas dalam penelitian ini
terbebas dari penyimpangan multikolinier.
3. Pengujian Heteroskedastisitas
Hasil uji heteroskedastisitas diperoleh dari hasil pengujian dengan menggunakan bantuan program SPSS 13.0 dengan menggunakan uji Gletser
dengan meregres nilai absolut residual terhadap variabel bebas Ghozali, 2001:72.. Hasil pengujian Uji Gletser dapat dilihat pada tabel berikut ini:
57
Tabel 4.6. Hasil Pengujian Heteroskedastisitas No Variabel
Taraf Signifikansi
Keterangan
1 2
Volume Perdagangan X
1
Varians Return X
2
0,082 0,537
Non Heteroskedastisitas Non Heteroskedastisitas
Sumber : Lampiran 8 Hasil Uji Heteroskedastisitas pada taraf signifikan diperoleh hasil
yang menunjukkan nilai signifikansi semua variabel 0,05; berarti tidak terjadi heteroskedastisitas. Dengan demikian asumsi tidak terjadi
heteroskedastisitas dapat dipenuhi.
4.3.3. Hasil Pengujian Regresi Linier Berganda
