lxvii Return Saham sebesar -94,25 dari PT Sumalindo Lestari Jaya
Tbk pada tahun 2008. 2 Maksimum, untuk Perubahan AKO sebesar 192,2572 yang
diperoleh dari PT Cahaya Kalbar Tbk pada tahun 2006, Perubahan AKI sebesar 455,1296 dari PT Multi Prima Sejahtera Tbk pada
tahun 2007, Perubahan AKP sebesar 608,1531 dari PT Indofood Sukses Makmur Tbk pada tahun 2007, Inflasi tertinggi terjadi pada
tahun 2006 sebesar 13,33, Nilai Tukar Rupiah sebesar 8,24 pada tahun 2006, dan Return Saham sebesar 900,09 dari PT Inti
Keramik Alam Asri Industri Tbk pada tahun 2007. 3 Mean, untuk Perubahan AKO sebesar 1,3386, perubahan AKI
sebesar –2,2477, Perubahan AKP sebesar 1,4078, Inflasi sebesar 9.90, Nilai Tukar Rupiah sebesar -2,35, dan Return Saham
sebesar 23,71. 4 Standard Deviation, untuk Perubahan AKO sebesar 15,05,
Perubahan AKI sebesar 41,57, Perubahan AKP sebesar 46,44, Inflasi sebesar 0,024 Nilai Tukar Rupiah sebesar 0,095, dan
Return Saham sebesar 0,9962.
b. Uji Normalitas
Menurut Ghozali 2005:110 Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel residual memiliki
distribusi normal.
lxviii Ada beberapa cara untuk mendeteksi apakah residual berdistribusi
normal atau tidak yaitu dengan analisis grafik dan uji statistik. Berdasarkan analis grafik kita bisa melihat apakah residual berdistribusi
normal atau tidak dengan melihat penyebaran titik-titik pada garis diagonal maka dikatakan data tersebut memenuhi asumsi normalitas,
dan sebaliknya jika data tersebut tidak mengikuti arah garis diagonal, maka data tersebut tidak memenuhi asumsi normalitas.
Gambar 4.1 Hasil Uji Normalitas Sebelum
Outlier
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ect ed
C u
m P
r o
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: RETURN
Sumber: Data diolah Output SPSS.13
Dari gambar diatas, terlihat bahwa titik-titik kurang menyebar disekitar garis diagonal dan kurang mengikuti arah garis diagonal. Oleh
karena itu, maka dapat diindikasikan bahwa data ini tidak memenuhi asumsi normalitas. Untuk mengatasi permasalahan Normalitas maka
dilakukan outlier terhadap pengamatan yang memiliki nilai residual yang tidak terdistrsibusi normal sehingga total pengamatan kini menjadi
232.
lxix
Gambar 4.2 Hasil Uji Normalitas Setelah
Outlier
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: RETURN
Sumber: Data diolah Output SPSS.13
Dari gambar 4.2 dapat dilihat kini titik-titik telah mengikuti arah garis diagonal. Oleh karena itu, dapat disimpulkan bahwa residual
terdistribusi normal.
c. Uji Asumsi Klasik
1 Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas Ghozali, 2005:91.
Untuk mendeteksi
apakah terdapat
gejala multikolinearitas pada model regresi dapat dilakukan dengan cara
melihat nilai 1 tolerance 2 variance inflation factor VIF. Suatu model regresi dikatakan terkena gejala multikolinearitas apabila
nilai tolerance 0.10 dan nilai VIF 10.
lxx
Tabel 4.2 Hasil Uji Multikolinearitas sebelum
Outlier
Coefficients
a
1.138 .230
4.939 .000
-.003 .004
-.041 -.758
.449 .973
1.028 -.003
.001 -.125
-2.293 .023
.978 1.022
.000 .001
.009 .160
.873 .962
1.040 -8.306
2.236 -.206
-3.715 .000
.934 1.071
3.461 .571
.332 6.061
.000 .964
1.037 Constant
PERUBAHAN AKO PERUBAHAN AKI
PERUBAHAN AKP INFLASI
NILAI TUKAR RUP Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: RETURN a.
Sumber: Data diolah Output SPSS. 13
Berdasarkan tabel 4.2, dapat dilihat bahwa nilai tolerance berada di atas 0.05 dan nilai VIF 10. Oleh karena itu, dapat disimpulkan
tidak terdapat gejala Multikolinearitas.
Tabel 4.3 Hasil Uji Multikolinearitas setelah
Outlier
Coefficients
a
.427 .076
5.589 .000
-4.4E-005 .001
-.002 -.043
.966 .977
1.023 -.007
.001 -.486
-11.553 .000
.977 1.024
.001 .000
.062 1.460
.146 .968
1.033 -4.125
.735 -.244
-5.611 .000
.915 1.093
2.320 .181
.547 12.834
.000 .952
1.050 Constant
PERUBAHAN AKO PERUBAHAN AKI
PERUBAHAN AKP INFLASI
NILAI TUKAR RUP Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: RETURN a.
Sumber: Data diolah Output SPSS.13
Dari tabel 4.3 menunjukkan bahwa masing-masing variabel memiliki angka tolerance diatas angka 0,10 dan nilai VIF dibawah
10. Hal ini mengindikasikan bahwa antar variabel bebas pada model ini tidak terjadi masalah multikolinieritas antar variabel regresi ini.
lxxi 2 Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan lainnya. Jika variance dari pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas dan
jika berbeda maka terjadi heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas.
Untuk mendeteksi apakah terdapat gejala heteroskedastisitas pada model regresi dapat dilakukan dengan uji statistik yaitu Uji
Park. Menurut Ghozali 2005:107 penggunaan uji statistik akan dapat lebih menjamin keakuratan hasil. Selain itu, dengan
menggunakan uji statistik kita akan dapat melihat variabel mana yang terkena gejala heteroskedastisitas yang mana hal ini tidak dapat
dilakukan jika menggunakan analisis grafik plots. Uji Park dilakukan dengan meregresikan nilai residual yang
telah dikuadratkan dan ditranformasi kedalam bentuk logaritma natural sebagai variabel dependen terhadap variabel independen.
Persamaan Uji Park adalah sebagai berikut: LnU2i = a +
1
x
1
+
2
x
2
+
3
x
3
+
4
x
4
+
5
x
5
+ e Apabila koefisien parameter beta dari persamaan regresi tersebut
signifikan secara statistik pada tingkat signifikansi 0,05, hal ini menunjukkan bahwa terdapat gejala heteroskedastisitas.
lxxii
Tabel 4.4 Hasil Uji Heteroskedastisitas Uji Park Sebelum
Outlier
Coefficients
a
-.776 .482
-1.611 .108
-.015 .008
-.113 -2.007
.046 .973
1.028 -.001
.003 -.023
-.407 .684
.978 1.022
-.006 .002
-.132 -2.347
.020 .962
1.040 -14.614
4.679 -.179
-3.123 .002
.934 1.071
5.216 1.195
.246 4.366
.000 .964
1.037 Constant
PERUBAHAN AKO PERUBAHAN AKI
PERUBAHAN AKP INFLASI
NILAI TUKAR RUPIA Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: LnU2i a.
Sumber: Data diolah Output SPSS.13
Hasil tampilan output SPSS memberikan koefisien parameter untuk variabel independent Perubahan AKO, Perubahan AKP,
Inflasi, dan Nilai Tukar Rupiah signifikan secara statistik, maka dapat diambil kesimpulan bahwa model regresi terdapat
heteroskedastisitas.
Tabel 4.5 Hasil Uji Heteroskedastisitas Uji Park setelah
Outlier
Coefficients
a
-3.865 .671
-5.762 .000
-.010 .009
-.075 -1.117
.265 .977
1.023 .000
.005 .002
.030 .976
.977 1.024
-.001 .003
-.017 -.256
.798 .968
1.033 .268
6.460 .003
.041 .967
.915 1.093
-1.415 1.589
-.060 -.890
.374 .952
1.050 Constant
PERUBAHAN AKO PERUBAHAN AKI
PERUBAHAN AKP INFLASI
NILAI TUKAR RUPIA Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: LnU2i a.
Sumber: Data diolah Output SPSS.13
Berdasarkan tabel 4.5, output SPSS menunjukkan bahwa koefisien parameter untuk semua variabel independen tidak ada
yang signifikan secara statistik. Oleh karena itu, model regresi tidak terdapat masalah Heteroskedastisitas.
lxxiii 3 Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi antara residual pada periode t dengan
residual t-1 sebelumnya. Jika terdapat korelasi, maka dikatakan dalam model regresi terdapat problem autokorelasi.
Dalam penelitian ini pengujian Autokorelasi dilakukan dengan Uji Langrange Multiplier Test. Menurut Ghozali 2005:98 Uji
Autokorelasi dengan Langrange Multiplier dilakukan untuk sample di atas 100 observasi. Total observasi yang terdapat dalam penelitian
ini untuk pengujian terhadap variable independent tehadap variable dependen Return y1 berjumlah 300 100. Untuk melakukan
pengujian Langrange Multiplier sebelumnya kita membuat persamaan sebagai berikut:
Res_1 = a + b1PerubahanAKO + b2PerubahanAKI + b3PerubahanAKP + b4Inflasi + b5Nilai Tukar Rupiah
+ b6Res_2 Model Regresi dikatakan terdapat problem autokorelasi jika
terdapat hubungan yang signifikan secara statistik antara variabel Res_2 terhadap Res_1.
lxxiv
Tabel 4.6 Hasil Uji Autokorelasi Langrange
Multiplier Test Sebelum Outlier
Coefficients
a
-.003 .231
-.012 .991
.000 .004
-.004 -.073
.942 .965
1.036 8.94E-007
.001 .000
.001 .999
.978 1.022
1.65E-005 .001
.001 .014
.989 .962
1.040 .044
2.242 .001
.020 .984
.934 1.071
-.003 .572
.000 -.006
.995 .964
1.037 .039
.059 .039
.660 .510
.992 1.008
Constant PERUBAHAN AKO
PERUBAHAN AKI PERUBAHAN AKP
INFLASI NILAI TUKAR RUPIAH
Res_2 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Unstandardized Residual a.
Sumber: Data diolah output SPSS.13
Berdasarkan tabel di atas, terlihat bahwa tidak ada pengaruh yang signifikan antara variabel Res_2 terhadap variabel Res_1, hal
ini menunjukkan bahwa tidak terdapat problem autokorelasi.
Tabel 4.7 Hasil Uji Autokorelasi Langrange
Multiplier Test Setelah Outlier
Coefficients
a
-.050 .088
-.566 .572
.000 .003
-.012 -.162
.872 .985
1.016 .000
.001 -.019
-.254 .800
.968 1.033
3.30E-005 .000
.007 .092
.926 .963
1.038 .430
.837 .041
.513 .609
.896 1.116
-.290 .208
-.109 -1.392
.166 .926
1.080 .048
.076 .048
.634 .527
.982 1.018
Constant PERUBAHAN AKO
PERUBAHAN AKI PERUBAHAN AKP
INFLASI NILAI TUKAR RUPIAH
Res_2 Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: Unstandardized Residual a.
Sumber: Data diolah output SPSS.13
Berdasarkan table 4.7, terlihat bahwa tidak ada pengaruh yang signifikan antara variabel Res_2 terhadap variabel Res_1, hal ini
menunjukkan bahwa tidak terdapat problem autokorelasi.
lxxv
d. Uji Hipotesis
