regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol.
Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilihat dari nilai tolerance dan lawannya variance inflation factor VIF. Kedua
ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Hasil pengujian ini dapat
dilihat dari nilai VIF, dimana VIF = 1Tolerance. Jika nilai tolerance 0.10 atau sama dengan nilai VIF 10, hal itu menunjukkan adanya
multikolinearitas Ghozali, 2013.
3.6.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai prediksi
variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas maka tidak terjadi heteroskedastisitas Ghozali,
2013.
3.6.4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena
observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Cara yang dapat digunakan untuk mendeteksi ada atau tidaknya
attokorelasi yaitu dengan uji Durbin – Watson DW test. Hipotesis yang
akan diuji adalah : H0 : tidak ada autokorelasi r = 0
HA : ada autokorelasi r ≠ 0 Jika du d 4
–du maka tidak terdapat autokorelasi.
3.6.5. Analisis Regresi Linear Berganda
Analisis regresi linear berganda adalah studi mengenai ketergantungan satu variabel dependen dengan satu atau lebih variabel
independen, dengan tujuan untuk mengestimasi dan memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel
independen yang diketahui Damodar, 2004. Dalam analisis regresi, selain mengujur kekuatan hubungan antara
dua variabel atau lebih, juga menunjukkan arah hubungan antara variabel dependen dengan variabel independen. Hasil analisis regresi adalah berupa
koefisien regresi untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu
persamaaan. Persamaan regresi dalam penelitian ini adalah sebagai berikut:
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e Dimana:
Y = Return saham α = Konstanta
β
1,2,3,4
= Penaksiran koefisien regresi X
1
= Frekuensi perdagangan X
2
= Volume perdagangan X
3
= Kapitalisasi pasar X
4
= Trading day e = Variabel residual
3.6.6. Pengujian Secara Individual Uji t
