Pada scatter plot terlihat titik-titik yang tersebar di sepanjang garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data
berdistribusi normal. Namun, seringkali data kelihatan normal karena mengikuti arah garis diagonal, padahal belum tentu data tersebut berdistribusi normal.
Untuk memastikan apakah data di sepanjang garis diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1 sample KS
yakni dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai Asym.sig 2-tailed taraf nyata = 0,05 maka data residual
berditribusi normal, sebaliknya jika nilai Asym.sig 2-tailed taraf nyata maka data residual tidak berdistribusi normal.
Tabel 4.5 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
36 .0000000
232.73008533 .091
.077 -.091
.548 .925
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Hasil Penelitian, 2011 data diolah
Pada Tabel 4.5 dapat dilihat bahwa nilai Asymp.Sig.2-tailed adalah sebesar 0,925 lebih besar dari taraf nyata = 0,05. Dengan demikian dapat
disimpulkan bahwa data residual berdistribusi normal.
2. Uji Multikolinearitas
Multikolinieritas artinya ada hubungan linier yang sempurna di antara beberapa atau semua variabel independen. Uji multikolinearitas bertujuan untuk
menguji apakah model regresi ditemukan adanya korelasi atas variabel bebas independen. Model regresi yang baik seharusnya bebas multikolinearitas atau
tidak terjadi korelasi diantara variabel independen. Untuk mengetahui apakah terjadi multikolinieritas dapat dilihat dari
besarnya angka VIF seperti terlihat pada Tabel 4.5.
Tabel 4.6 Uji Multikolinearitas
Coefficients
a
6194.473 433.806
14.279 .000
-.279 .043
-.608 -6.460
.000 .905
1.105 -161.262
33.968 -.447
-4.747 .000
.905 1.105
Constant Ni_Tkr
SBI Model
1 B
Std. Error Unstandardized
Coefficients Beta
Standardized Coefficients
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: IHSG a.
Sumber : Hasil Penelitian, 2011 data diolah
Untuk mendeteksi ada atau tidak adanya multikolinieritas dapat dilakukan dengan melihat toleransi variabel dan variance inflations factor VIF dengan
membandingkan sebagai berikut: 1. VIF 5 maka di duga mempunyai persoalan multikolinieritas
2. VIF5 maka tidak terdapat multikolinieritas 3. Tolerance 0,1 maka di duga mempunyai persoalan multikolinieritas
4. Tolerance 0,1 maka tidak terdapat multikolinieritas Situmorang, 2011:136
Dari output di atas terlihat bahwa semua data variabel tidak terkena multikolinieritas karena nilai VIF 5 dan nilai toleransi 0,1 sehingga model
regresi layak dipakai untuk memprediksi IHSG di BEI berdasarkan masukan variabel Nilai Tukar RupiahUS DOLLAR dan Tingkat Suku Bunga SBI.
3. Uji Autokorelasi
Penyimpangan autokorelasi dalam penelitian ini diuji dengan uji Durbin Watson DW-test. Hasil regresi dengan level of significant 0,05 =0,05 dengan
sejumlah variabel bebas k=2 dan banyaknya data n=36.
Tabel 4.7 Uji Autokorelasi Durbin Watson
Model Summary
b
.858
a
.736 .720
239.67878 .453
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, SBI, Ni_Tkr a.
Dependent Variable: IHSG b.
Sumber : Hasil Penelitian, 2011 data diolah
Berdasarkan hasil hitung, nilai Durbin-Watson DW-test adalah sebesar 0,453 sedangkan dalam DW-tabel untuk k=2 dan n=36, besarnya DW-tabel; dL
DW batas bawah = 1,153; dU DW batas atas = 1,376; 4-dU = 2,624; dan 4- dL= 2,847; maka dapat disimpulkan bahwa DW-test terletak pada daerah uji. Hal
ini dapat dilihat pada Gambar 4.6
Gambar 4.6 Statistik d Durbin-Watson
O 1.153
1.376 2
2.624 2.847
Sumber : Hasil Penelitian, 2011 data diolah
Sesuai dengan Gambar 4.6 menunjukkan bahwa DW-test berada di daerah penerimaan H0 sehingga dapat dikatakan bahwa tidak terjadi autokorelasi positif
Ho ditolak Bukti
autokorelas i positif
Daerah keragu
- raguan
Ho diterima
Tidak ada autokorelas
i Daerah
keragu- raguan
Ho ditolak Bukti
autokorelas i negatif
R egression Standardized Predicted Value
2 1
-1 -2
-3 -4
R eg
re ss
io n
S tu
d en
ti ze
d R
es id
u al
3 2
1
-1 -2
Scatterplot D ependent Variable: IH SG
maupun negatif. Berdasarkan hasil tersebut maka model analisis bebas dari adanya autokorelasi dan dapat digunakan untuk memprediksi IHSG berdasar
masukan variabel Nilai Tukar RupiahUS DOLLAR dan Tingkat Suku Bunga SBI.
4. Uji Heteroskedastisitas