Uji heteroskedastis Uji Autokorelasi

b. Uji heteroskedastis

Heteroskedastis adalah kondisi ketidaksamaan varian dari variabel independen berkaitan dengan varian nilai variabel dependen. Situasi ini menyebabkan penaksiran koefisien regresi tidak efisien, sehingga akan jauh lebih kecil, lebih besar atau menyesatkan. Heteroskedastis merupakan masalah yang potensial terjadi dalam menarik kesimpulan berdasarkan least squares . Pendeteksian adanya heteroskedastis dapat dilakukan dengan menggunakan White test Gujarati , 2003 : 413. Langkah pengujiannya sebagai berikut : - Ho : tidak ada heteroskedastis homocedastis H1 : ada heteroskedastis - α = 0,05 ; tolak Ho jika ObsR-square 2 k df   atau probabilty P-value α Ada dua cara untuk menyelesaikan masalah heteroskedastis, yaitu : 1. Jika σi 2 diketahui, maka menyelesaikannya dilakukan dengan metode Weighted Least Square WLS. 2. Jika σi 2 tidak diketahui, maka ada 4 empat cara transformasi data, tergantung pada asumsi : a Dibagi dengan Xi jika variasi kesalahannya error variance diasumsikan proporsional terhadap Xi 2 . b Dibagi dengan akar kuadrat Xi atau jika variasi kesalahannya proporsional terhadap Xi. c Asumsi variasi kesalahannya proporsional terhadap EYi 2 maka dilakukan transformasi data dengan membagi persamaan dengan Yi. d Dengan melakukan transformasi ke dalam bentuk log.

c. Uji Autokorelasi

Autokorelasi adalah kondisi di mana kesalahan pengganggu saling berkorelasi. Untuk mengetahui keberadaan autokorelasi bisa dideteksi dengan menggunakan dilakukan pengujian dengan menggunakan pengujian Breusch-Godfrey Serial Correlation LM Test Gujarati, 2003: 472 . Lakukan pengujian dengan prosedur sebagai berikut: - H : tidak ada serial correlations. H 1 : ada serial correlations. - jika obsR-square 2 k df   atau atau probabilty P-value α Autokorelasi atau serial korelasi diartikan sebagai adanya korelasi gangguan pada satu observasi dengan observasi lain. Autokorelasi ini biasanya terjadi pada regresi yang menggunakan data time series . Adanya autokorelasi ini akan menyebabkan: 1. Varians residual error terms yang diperoleh lebih rendah dari semestinya, sehingga menyebabkan R² menjadi lebih tinggi dari seharusnya. 2. Pengujian hipotesis yang dilakukan dengan uji t dan uji F menjadi tidak sah, dan dapat memberikan kesimpulan yang menyesatkan.

2. Mengestimasi Model Yang Akan Digunakan

Berdasarkan uraian-uraian sebelumnya dapat diperoleh fungsi yang menjelaskan faktor- faktor yang mempengaruhi penjualan, yaitu : Penjualan = f lokasi, prosedur operasi, produk yang ditawarkan, harga, suasana toko, pelayanan konsumen, metoda promosi Persamaan di atas dapat dinyatakan dalam model ekonometrika untuk menjelaskan faktor-faktor yang mempengaruhi harga saham, yaitu : Y it = β 0i + β 1 X1 it + β 2 X2 it + β 3 X3 it + β 4 X4 it + β 5 X5 it + β 6 X6 it + β 7 X7 it + μ it Di mana : Y = penjualan X1 = lokasi X1 X2 = prosedur operasi X2 X3 = produk yang ditawarkan X3 X4 = harga X4 X5 = suasana toko X5 X6 = pelayanan konsumen X6 X7 = metoda promosi X7 β = konstanta β 1 , β 2 , β 3 , β 4 , β 5 , β 6 , β 7 = koefisien regresi μ = error term i = produsen ke i

3. Uji Hipotesis

Dari model regresi di atas, untuk membuktikan apakah variabel-variabel independen secara simultan mempunyai pengaruh terhadap variabel dependen, dilakukan uji F. Dalam uji F ini dapat dinyatakan sebagai berikut : a. H o : β 1 = β 2 = β 3 ...= β i = 0 atau variabel independen yang digunakan yaitu return on asset , return on equity , earning per share , debt to equity ratio , capital adequacy ratio, loan to deposit ratio , dan beta saham secara bersama-sama tidak mempengaruhi variabel dependen harga saham.. H 1 : tidak semua koefisien = 0 atau variabel independen yang digunakan yaitu return on asset , return on equity , earning per share , debt to equity ratio , capital adequacy ratio, loan to deposit ratio , dan beta saham secara bersama-sama mempengaruhi variabel dependen harga saham. b. Level of signifikan α = 0,05. c. F hitung sebesar :     1 1 2 2     k n R k R F hitung Di mana : k = jumlah variabel independen, n = jumlah observasi, dan R 2 = koefisien determinasi. Nilai F tabel dapat dicari dengan df 1 = k dan df 2 = n –k–1. H o ditolak apabila nilai F hitung F tabel , artinya semua variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Untuk mengetahui pengaruh secara parsial yang diartikan ada tidaknya suatu variabel independen dalam mempengaruhi variabel dependen digunakan uji t. Dalam uji t ini dapat dinyatakan sebagai berikut : a. H o : β i = 0 atau variabel independen return on asset , return on equity , earning per share , debt to equity ratio , capital adequacy ratio, loan to deposit ratio , dan beta saham secara parsial tidak mempengaruhi variabel dependen harga saham. H 1 : β i ≠ 0 atau variabel independen return on asset , return on equity , earning per share , debt to equity ratio , capital adequacy ratio, loan to deposit ratio , dan beta saham secara parsial mempengaruhi variabel dependen harga saham. i = 0,1,2,3,... b. level of signifikan α = 0,05 c. t hitung sebesar : i i hitung SE t    di mana : β = koefisien regresi SEβ = standard errors dari β Apabila nilai t hitung t tabel , maka H o ditolak, berarti variabel independen secara parsial mempunyai pengaruh terhadap variabel dependen. Pengujian Koefisien Determinasi R 2 digunakan untuk mengukur kedekatan hubungan variabel dalam model yang digunakan. Koefisien determinasi adalah angka yang menunjukkan besarnya proporsi atau persentase variasi variabel dependen yang dijelaskan oleh variabel independen dalam model regresi tersebut, atau besarnya kemampuan varian atau penyebaran dari variabel-variabel independen yang dapat menerangkan variabel dependen. Besarnya nilai R 2 adalah 0 R 2 1, semakin mendekati 1 berarti model tersebut dikatakan baik karena semakin dekat hubungan antara variabel independen, dan sebaliknya. Semakin mendekati 1 maka R 2 tersebut variabel dependen hampir seluruhnya dipengaruhi variabel independen dalam model, dan sebaliknya.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN