67
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 169
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,21240122
Most Extreme Differences Absolute
,092 Positive
,092 Negative
-,092 Kolmogorov-Smirnov Z
1,191 Asymp. Sig. 2-tailed
,117 a. Test distribution is Normal.
b. Calculated from data.
Sumber: Hasil Penelitian, 2016 Data Diolah
Dari Tabel 4.2 besarnya Kolmogorov-Smirnov K-S adalah 1,191 dan nilai Asymp. Sig 2-tailed = 0,117 dimana angka ini lebih besar dibandingkan nilai
signifikannya yaitu 0,05. Dengan demikian, maka dapat disimpulkan bahwa residual berdistribusi normal.
2. Uji Heteroskedastisitas
Data persamaan regresi pasti muncul residu, yakni variabel lain yang terlibat, tetapi tidak dimuat dalam model, sehingga variabel tersebut diasumsikan
bersifat acak. Jika data residu tidak bersifat acak maka dapat dikatakan data terkena heteroskedastisitas. Uji ini bertujuan untuk menguji apakah sebuah grup
mempunyai varians yang sama diantara anggota grup tersebut. Jika variansnya sama, maka dapat dikatakan terdapat homokedastisitas, namun sebaliknya, maka
dikatakan terjadi heteroskedastisitas. Data yang baik adalah data yang tidak mengalami heteroskedastisitas. Uji heteroskedastisitas yang digunakan dalam
68
penelitian ini adalah Spearman’s Rank Correlation Test Spearman Rho yang mana uji ini mengkorelasikan nilai absolut residual dengan masing-masing
variabel independen.
Tabel 4.3 Hasil Uji Heteroskedastisitas
Sumber: Hasil Penelitian, 2016 Data Diolah
Berdasarkan hasil uji heterokedastisitas Spearman Rho di atas nilai korelasi variabel independen dengan nilai absolut residual yaitu 0,541 dan 0,490. Nilai
korelasi kedua variabel tersebut lebih besar dari 0,05. Oleh karena itu, tidak terdapat heterokedastisitas di dalam model regresi ini.
3. Uji Multikolinearitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat besaran korelasi antara variabel
independen dan besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu: Tolerance 0,10 dan Variance Inflation Factor VIF 5,00. Pengujian
multikolinearitas dapat dilakukan dengan melihat korelasi diantara variabel
Correlations
StockSelectionS kill
MarketTimingAb ility
ABS_RES
Spearmans rho
StockSelectionSkill Correlation Coefficient
1,000 ,092
-,047 Sig. 2-tailed
. ,235
,541 N
169 169
169 MarketTimingAbility
Correlation Coefficient ,092
1,000 -,053
Sig. 2-tailed ,235
. ,490
N 169
169 169
ABS_RES Correlation Coefficient
-,047 -,053
1,000 Sig. 2-tailed
,541 ,490
. N
169 169
169
69
independen. Berikut disajikan tabel hasil perhitungan Tolerance dan VIF serta matriks korelasi antara variabel independen.
Tabel 4.4 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
Constant ,086
,017 5,185
,000 MarketTimingAbility
-,011 ,004
-,218 -2,878
,005 ,998
1,002 StockSelectionSkill
-,029 1,311
-,002 -,022
,983 ,998
1,002 a. Dependent Variable: KinerjaReksaDana
Sumber: Hasil Penelitian, 2016 Data Diolah
Berdasarkan Tabel 4.3 dapat diketahui bahwa nilai tolerance dari masing- masing variabel independen lebih besar dari 0,10. Yaitu variabel market timing
ability dan variabel stock selection skill sebesar 0,998. Nilail VIF dari masing-masing variabel independen diketahui kurang dari
5,00. yaitu variabel market timing ability dan variabel stock selection skill sebesar 1,002.
Berdasarkan tabel di atas dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen dalam model ini.
4. Uji Autokorelasi
