a. Jika ada pola tertentu seperti titik-titik yang ada membentuk suatu pola teratur bergelombang,
melebar kemudian
menyempit, maka
terjadi heteroskedastisitas.
b. Jika tidak ada pola tertentu yang jelas seperti titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terdapat heteroskedastisitas.
IV. HASIL DAN PEMBAHASAN
4.1. Uji Asumsi Klasik
4.1.1 Uji Normalitas
Berdasarkan analisis grafik P-Plot sebagaimana terdapat pada Lampiran 1, data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau
grafik histogramnya yang menunjukkan pola distribusi normal sehingga model regresi dapat memenuhi asumsi normalitas. Sedangkan berdasarkan uji statistik
Non-Parametrik Kolmogorov-Smirnov terhadap residual regresi didapatkan hasil sebagai berikut:
Tabel 4. Ringkasan uji normalitas non-parametrik kolmogorov-smirnov
Kelompok Kolmogorov-Smirnov Z
Asymp.sig 2-tailed Kesimpulan
A 0,895
0,399 terdistribusi normal
B 0,656
0,782 terdistribusi normal
C 0,968
0,305 terdistribusi normal
D 0,457
0,985 terdistribusi normal
E 0,810
0,529 terdistribusi normal
F 0,815
0,520 terdistribusi normal
Terlihat bahwa nilai P-value yaitu Asymp.sig 2-tailed bernilai di atas 0,05 level of significant
α, maka dapat disimpulkan bahwa residual telah memenuhi asumsi distribusi normal berdasarkan uji statistik normalitas Non-Parametrik
Kolmogorov-Smirnov.
4.1.2 Uji Multikolinieritas
Dengan melihat tabel coefficient hasil regresi didapatkan nilai toleransi 0,785 dan nilai VIF Variance Inflation Factor 1,274. Dengan syarat terjadinya
multikolinieritas apabila nilai toleransi ≤ 0,10 atau VIF ≥ 10, maka berdasarkan hasil uji tersebut variabel dinyatakan bebas multikolinieritas dan bisa digunakan
dalam model regresi.
4.1.3 Uji Autokorelasi
Untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode
t-1 sebelumnya maka dilakukan uji autokorelasi.
Dengan jumlah variabel bebas k = 2 dan jumlah sampel n = 27, maka berdasarkan tabel Durbin-Watson didapat dl = 1,24 dan du = 1,56.
Tabel 5. Ringkasan uji autokorelasi durbin-watson
Kelompok dl
du Durbin-
Watson d 4-du
4-dl Keputusan
A 1,24
1,56 1,804
2,4 2,76
tidak ada autokorelasi B
1,24 1,56
1,573 2,4
2,76 tidak ada autokorelasi
C 1,24
1,56 2,119
2,4 2,76
tidak ada autokorelasi D
1,24 1,56
1,878 2,4
2,76 tidak ada autokorelasi
E 1,24
1,56 2,300
2,4 2,76
tidak ada autokorelasi F
1,24 1,56
2,085 2,4
2,76 tidak ada autokorelasi
Berdasarkan uji diatas dapat disimpulkan bahwa model regresi bebas autokorelasi.
4.1.4 Uji Heterokedastisitas
Berdasarkan pengamatan terhadap scatterplot sebagaimana terdapat pada Lampiran 3, titik-titik yang muncul memiliki kecenderungan untuk menyebar dan
tidak membentuk pola tertentu yang jelas, sehingga dapat disimpulkan bahwa
model regresi cukup baik homokedastisitas atau tidak terjadi heteroskedastisitas.
4.2. Analisis Kinerja Reksa Dana
Pada bagian ini ditampilkan kinerja kelompok reksa dana yang dihitung berdasarkan
periode penelitian Januari 2008 sampai dengan Maret 2010, yaitu periode dimana IHSG mengalami fase kejatuhan market crash dan pemulihan
pasar market rebound yang dihitung berdasarkan tingkat pengembalian rata-rata disetahunkan annual average return. Kemudian kinerja kelompok reksa dana
saham di Indonesia diperbandingkan berdasarkan metode pengukuran dengan penyesuaian risiko yang dimilikinya risk-adjusted measures menggunakan
indeks pengukuran kinerja Sharpe, Treynor, dan Jensen Alpha. Indeks Sharpe menggambarkan kinerja portofolio berdasarkan total risiko
yang dimilikinya melalui pengukuran risk premium terhadap standar deviasi atau
dl du
4-du 4-dl
4 2
terima tolak h0
tolak h0
