98 bebas lebih besar dari taraf nyata Sig. 0,05 , maka dianggap tidak terjadi
masalah heteroskedastisitas, dan begitu juga sebaliknya.
Tabel 4.6 Hasil Uji Park
Sumber : Hasil Pengolahan Data SPSS
Berdasarkan hasi output Tabel 4.6, semua variabel independen tidak signifikan terhadap variabel dependennya sig 0,05. Nilai probabilitas
signifikansi variabel tingkat inflasi 0,404, suku bunga 0,412, dan nilai tukar 0,305 lebih besar dari taraf nyata sig 0,05. Dengan demikian dapat
disimpulkan tidak terjadi gejala heteroskedastisitas dalam model regresi ini.
c. Uji Autokorelasi
Uji Autokorelasi digunakan untuk melihat apakah terdapat korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode sebelumnya
t-1 Erlina, 2011 : 106. Untuk mendeteksi ada tidaknya autokorelasi dalam model regresi ini maka, digunakan Uji Statistik Q : Box-Pierce dan Ljung Box.
Uji ini digunakan untuk melihat autokorelasi dengan lag lebih dari dua. Pada uji
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -34.553
32.764 -1.055
.295 Ln_Inflasi
-.749 .894
-.123 -.838
.404 Ln_SukuBunga
.829 1.004
.121 .825
.412 Ln_NilaiTukar
3.677 3.563
.113 1.032
.305 a. Dependent Variable: LnU2i
99 ini terdapat kriteria pengambilan keputusan bahwa tidak terdapat autokorelasi jika
jumlah lag yang signifikan lebih dari dua Situmorang dan Lufti, 2012 : 133.
Tabel 4.7
Autocorrelations
Series:Unstandardized Residual
Lag Autocorrelation
Std. Error
a
Box-Ljung Statistic Value
df Sig.
b
1 .033
.059 .318
1 .573
2 .017
.059 .401
2 .818
3 -.009
.059 .425
3 .935
4 -.021
.058 .552
4 .968
5 -.075
.058 2.204
5 .820
6 -.066
.058 3.484
6 .746
7 -.159
.058 11.007
7 .138
8 -.027
.058 11.223
8 .189
9 .031
.058 11.501
9 .243
10 -.052
.058 12.319
10 .264
11 -.069
.058 13.770
11 .246
12 .035
.058 14.149
12 .291
13 -.022
.057 14.291
13 .354
14 .118
.057 18.495
14 .185
15 -.035
.057 18.858
15 .220
16 -.002
.057 18.859
16 .276
a. The underlying process assumed is independence white noise. b. Based on the asymptotic chi-square approximation.
Sumber : Hasil Pengolahan Data SPSS
Hasil statistik yang terlihat pada Tabel 4.7 telah memenuhi kriteria dari Uji Statistik Q : Box-Pierce dan Ljung Box, yaitu tidak terdapat autokorelasi jika
jumlah lag yang signifikan lebih dari dua. Dari hasil output bagian Sig. probabilitas dapat dilihat bahwa semua lag signifikan. Enam belas lag memiliki
100 nilai signifikansi lebih besar dari 0,05 sig. 0,05. Hal ini menandakan data
tidak terkena autokorelasi.
d. Uji Multikolinieritas
Uji ini bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi di antara variabel independen. Jika terjadi korelasi, maka
dikatakan terdapat masalah multikolinieritas Erlina, 2011 : 103. Dalam mendeteksi ada atau tidaknya multikolinearitas digunakan karakteristik sebagai
berikut Situmorang dan Lufti, 2012 : 140 : 1. VIF 5 maka diduga memiliki masalah multikolinearitas
2. VIF 5 maka tidak terdapat multikolinearitas 3. Tolerence 0,1 maka diduga memiliki masalah multikolinearitas
4. Tolerence 0,1 maka tidak terdapat multikolinearitas
Tabel 4.8
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
25.437 9.668
2.631 .009
Ln_Inflasi .145
.259 .042
.561 .576
.604 1.655
Ln_SukuBunga -.682
.307 -.167
-2.222 .027
.604 1.655
Ln_NilaiTukar -2.318
1.055 -.129
-2.197 .029
.991 1.009
a. Dependent Variable: Ln_HargaSaham
Sumber : Hasil Pengolahan Data SPSS
Tabel 4.8 menunjukkan variabel independen memiliki angka VIF lebih kecil dari 5, sedangkan nilai tolerance lebih besar dari 0,1. Hal ini menunjukkan tidak
101 ada masalah multikolinieritas dalam model regresi. Hal ini berarti bahwa semua
variabel bebas tersebut layak digunakan sebagai prediktor.
4.2.2.2 Analisis Regresi Linier Berganda
Tabel 4.9 berikut ini menunjukkan hasil estimasi regresi melalui pengolahan data dengan SPSS 16.0 for windows.
Tabel 4.9
Sumber : Hasil Pengolahan Data SPSS
Pengolahan data ini menghasilkan suatu persamaan regresi linier berganda sebagai berikut:
Y= 25,437 + 0,145 X
1
– 0,682 X
2
– 2,318 X
3
Dimana:
+ e
Y = Harga Saham
a = Konstanta
X
1
X = Tingkat Inflasi
2
X = Suku Bunga
3
e = Standard error
= Nilai Tukar
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
25.437 9.668
2.631 .009
Ln_Inflasi .145
.259 .042
.561 .576
.604 1.655
Ln_SukuBunga -.682
.307 -.167
-2.222 .027
.604 1.655
Ln_NilaiTukar -2.318
1.055 -.129
-2.197 .029
.991 1.009
a. Dependent Variable: Ln_HargaSaham
102 Interpretasi:
a. Konstanta sebesar 25,437 menunjukkan bahwa apabila tidak ada variabel
