Y = a + bX1+ bX2 + e Keterangan:
Y = Return Saham
a = Konstanta
b = Koefisien Regresi
X1 = Nilai Penerbitan Obligasi Syariah
X2 = Rating Penerbitan Obligasi Syariah
e = error
Untuk mengetahui apakah model regresi berganda tersebut baik atau tidak maka dapat terlebih dahulu diuji menggunakan Uji Asumsi Klasik. Asumsi klasik
adalah asumsi yang mendasari analisis regresi dengan tujuan mengukur asosiasi atau keterikatan antar variabel bebas. Suatu model dikatakan baik apabila
mempunya sifat-sifat tidak bias sebagai suatu penafsir. Selain itu, model yang baik dan layak dipakai untuk memprediksi apabila sudah lolos dari serangkaian
uji asumsi klasik yang melandasinya. Uji Asumsi Klasik dilakukan dengan Uji Normalitas, Uji Multikolinearitas, Uji Heterokedastisitas, dan Uji Autokorelasi
sebagai berikut ini:
1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui keberadaan variabel pengganggu atau residual di dalam model regresi. Jika data normal, maka
statistik yang digunakan adalah statistik parametrik. Jika sebaliknya, maka statistik non-parametriklah yang digunakan atau peneliti dapat melakukan
treatment agar data normal. Dalam menguji normalitas data, peneliti menggunakan uji
Kolmogrov-Smirnov KS. Konsep dasar dari uji tersebut adalah dengan membandingkan distribusi data yang akan diuji normalitasnya dengan
distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan dalam bentuk Z-score dan diasumsikan normal. Jadi uji
Kolmogrov-Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Apabila nilai signifikansi dari uji KS 0,05
maka data distribusi normal Ghozali, 2011:165.
2. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah suatu model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini
tidak ortogonal Ghozali, 2006:91 Model regresi yang baik seharusnya tidak mengandung
multikolinearitas di dalamnya. Pengujian ini menggunakan nilai VIF Variance Inflation Factors sebagai acuan adanya multikolinearitas. Jika
nilai VIF 2 maka telah terjadi multikolinearitas antar variabel independen. Di samping itu, sebuah model regresi dikatakan mengandung
multikolinearitas apabila korelasi antar variabel independennya lebih besar dari 0,9.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika cariance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas Ghozali, 2006:105.
Terdapat beberapa
cara dalam
mengidentifikasi Heteroskedastisitas. Wulandari 2012:47 mengungkapkan salah satu cara
mengidenetifikasi heteroskedastisitas dalam model regresi adalah metode Chart Diagram Scatterplot yaitu:
1. Jika ada pola tertentu seperti titik-titik yang membentuk pola beraturan gelombang, melebar kemudian menyempit maka model regresi
mengalami Heteroskedastisitas. 2. Jika ada pola yang jelas serta titik-titik yang menyebar ke atas dan
bawah 0 pada sumbu Y maka model tidak mengalami Heteroskedastisitas.
4. Uji Autokorelasi