xxix Hasil pengujian menggunakan uji Kolmogorov-Smirnov dari hasil output SPSS
12.00. jika nilai Asymp. Sig.2-tailed lebih besar dari α 5 maka model regresi
memenuhi asumsi normalitas Imam Ghozali, 2002 : 57.
3.7.2 Uji Asumsi Klasik
Uji asumsi klasik adalah untuk menguji model analisis yang digunakan. Metode regresi ordinary least square akan menghasilkan persamaan yang baik
apabila memenuhi pengujian sebagai berikut :
1. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independent beta saham dan return
saham. Dengan program SPSS 12.00 multikolineritas dapat dilihat dari nilai tolerance dan lawannya serta variance inflation factor VIF. Kedua ukuran ini
menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak
dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance rendah sama dengan nilai VIF tinggi karena VIF=1tolerance dan menunjukkan adanya
kolinearitas yang tinggi. Nilai cut-off yang umum dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF diatas 10 Imam Ghozali, 2002:57.
2. Uji Heteroskedastisitas
Heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas.
xxx Modal
regresi yang
baik adalah
tidak terjadi
heteroskedastisitas. Heteroskedastisitas pada model regresi dilakukan pengujian dengan menggunakan
uji Park. Untuk pengujian dengan menggunakan metode Park di ketahui dengan
nilai residu yang sudah diabsolutkan diregresikan dengan masing- masing variabel bebas, dan selanjutnya melakukan uji t, jika hasil p value 0,05 , maka telah
terjadi heteroskedastisitas, demikian pula sebaliknya.
3. Uji Autokorelasi
Autokorelasi adalah suatu keadaan dimana kesalahan pengganggu dari periode sebelumnya. Dalam hal ini kesalahan pengganggu tidak bebas tetapi satu
sama lain tidak saling berhubungan. Untuk mengetahui adanya autokorelasi dapat dideteksi dengan Durbin Watson statistik. Menurut Ghozali 2002 apabila nilai
DW lebih besar dari pada batas atas d
u
maka tidak terdapat autokorelasi pada model regresi. Bila nilai DW lebih rendah dari batas bawah atau lower bound d
l
, maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.
Apabila nilai DW terletak antara batas atas atau upper bound d
u
dan 4-d
u
, maka koefisien autokorelasi sama dengan nol, tidak ada autokorelasi. Namun jika
nilai DW terletak antara batas atas d
u
dan batas bawah d
l
atau DW terletak antara 4-d
u
dan 4-d
l
, maka hasilnya tidak dapat disimpulkan.
3.8 Pengujian Hipotesis
