Menurut Sawieo, 2010, heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan dalam suatu persamaan regresi. Dimana regresi
yang baik seharusnya tidak terjadi heteroskedastisitas. Regresi yang baik adalah regresi yang memiliki kesamaan varian residual suatu periode
pengamatan dengan periode pangamatan yang lain, atau adanya hubungan antara nilai yang diprediksi dengan studentized delete residual nilai tersebut
sehingga dapat dikatakan regresi tersebut homoskedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu persamaan regresi
dapat dilihat dari pola gambar scatterplot persamaan tersebut Nugroho 2005:62.
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan penggangu pada periode t
dengan kesalahan periode t ‐1 sebelumnya Thobarry, 2009.
Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi. Untuk mendeteksi
autokorelasi, dapat dilakukan uji statistik melalui uji Durbin ‐
Watson DW test Ghozali, 2001. Dasar pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1. Bila nilai DW terletak diantara batas alas atau upper bound du dan 4- du maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah dari pada batas bawah atau lower bound dl dan 4-du maka koefisien autokorelasi 0, berarti ada autokorelasi
positif. 3. Bila nilai DW lebih besar dari 4-du maka koefisien autokorelasi 0,
berarti ada autokorelasi negatif. 4. Bila nilai DW terletak antara du dan dl atau DW terletak antara 4-du dan
4-di maka hasilnya tidak dapat disimpulkan.
4. Pengujian Hipotesis
Untuk menguji hipotesis yang telah ditentukan teknik analisis yang digunakan
adalah analisis
regresi linier
berganda. Alat analisis ini digunakan untuk mengetahui pengaruh variabel laju
inflasi, tingkat suku bunga dan nilai tukar rupiah terhadap indeks harga saham gabungan di BEI.
5. Pengujian Goodness of Fit
Koefisien determinasi R2 bertujuan untuk mengetahui kekuatan variabel
independen menjelaskan
variabel dependen.