suatu model dikatakan cukup baik dan dikatakan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi klasik yang
melandasinya. Pengujian asumsi klasik diperlukan untuk mengetahui apakah
hasil estimasi regresi yang dilakukan benar-benar terbebas dari adanya gejala
heteroskedastisitas, gejala
multikolinearitas, dan
gejala autokorelasi.
Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE Best Linear Unbiased
Estimator yakni tidak terdapat heteroskedastisitas, tidak terdapat
multikolinearitas, dan tidak terdapat autokorelasi Sudrajat, 1988:164. Jika terdapat heteroskedastisitas, maka varian tidak konstan
sehingga dapat menyebabkan biasnya standar error. Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh
individual dari variabel, sehingga tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir
masih tetap bias dan masih tetap konsisten hanya saja menjadi tidak efisien. Oleh karena itu, uji asumsi klasik perlu dilakukan. Pengujian-
pengujian yang dilakukan adalah sebagai berikut:
3.5.2.1 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka
disebut Homoskedastisitas
dan jika
berbeda disebut
Heteroskedastisitas Ghozali, 2006:105. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi
Heteroskedastisitas. Ada beberapa cara untuk mendeteksi ada tidaknya
heteroskedastisitas, yaitu anatara lain: 1. Melihat grafik plot
Ada tidaknya heteroskedastisitas dapat diketahui dengan melihat ada tidaknya pola tertentu pada diagram
scatterplot antara nilai prediksi variabel terikat ZPRUD
dengan residualnya SRESID di mana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi
– Y sesungguhnya yang telah di-studentized. Dasar analisis uji
heteroskedastisitas melalui grafik plot adalah sebagai berikut: a. Jika pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan
telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
2. Uji Glejser Glejser mengusulkan untuk meregresi nilai absolut
residual terhadap variabel bebas. Uji glejser dilakukan dengan persamaan regresi sebagai berikut:
| U t| = α + ΒX
e
+ vt Di mana return saham vt adalah unsur kesalahan Ghozali,
2006:108. Jika variabel independen signifikan secara statistik
mempengaruhi variabel dependen dengan taraf signifikansi 5, maka ada indikasi terjadi heteroskedastisitas.
Heteroskedastisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang
konstant dari satu observasi ke observasi lainnya Hanke Reitsch,1998:259. Artinya, setiap observasi mempunyai
reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam spesifikasi model.
Gejala heteroskedastisitas lebih sering dijumpai dijumpai dalam data silang tempat daripada runtut waktu, maupun juga sering
muncul dalam analisis yang menggunakan data rata-rata Ananta, 1987:62-63.
3.5.2.2 Uji Multikolinearitas
