Negative -.138
Kolmogorov-Smirnov Z .718
Asymp. Sig. 2-tailed .682
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah oleh Penulis, 2013
4.2.2.2 Uji Multikolinieritas
Multikolinieritas suatu keadaan dimana di antara variabel bebas dalam model regresi terdapat korelasi yang signifikan. Model regresi yang baik tidak
mengandung multikolinieritas. Untuk mendeteksi ada tidaknya multikolinieritas digunakan Variance Inflation Factor VIF. Apabila nilai tolerance 0,10 atau
nilai VIF 10, maka tidak ada multikolinieritas antar variabel bebas dalam model regresi. Dari hasil model regresi menghasilkan nilai tolerance dan VIF sebagai
berikut :
Tabel 4.2.2.2 Hasil Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
T Sig.
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF
1 Constant
.064 .087
.740 .466
KURS DOLLAR X1 -2.864
.715 -.734
-4.004 .001
.471 2.122 SUKU BUNGA BI X2
-.444 1.148
-.071 -.387
.702 .471 2.122
a. Dependent Variable: RETURN SAHAM Y
Berdasarkan Tabel di atas, dapat dilihat bahwa nilai tolerance dari 2 variabel bebas semuanya lebih besar dari 0,10, demikian pula nilai VIF lebih
kecil dari 10 tolerance= 4,71 0.10 dan VIF = 2,122 10. Dengan demikian
Universitas Sumatera Utara
dapat disimpulkan bahwa model regresi tidak mengindikasikan adanya multikolinieritas atau asumsi non multikolinieritas terpenuhi.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode saat ini t
dengan kesalahan pengganggu sebelumnya t-1. Jika terjadi korelasi, maka terdapat autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Jika
terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang
bebas dari autokorelasi. Pendeteksian ada tidaknya autokorelasi dapat dilakukan dengan
menggunakan uji Durbin Watson DW-test. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah
dengan Uji Durbin Watson. Pengambilan keputusan ada tidaknya autokeralsi adalah sebagai berikut:
1. Jika d lebih kecil dari dl atau lebih besar dari 4-dl, maka hipotesis nol
ditolak, yang berarti terdapat autokorelasi; 2.
Jika du d 4-du maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
Berikut adalah nilai Durbin Watson yang dihasilkan dari model regresi :
Universitas Sumatera Utara
Tabel 4.2.2.3
Hasil Nilai Durbin Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .787
a
.620 .588
.0372541 2.070
a. Predictors: Constant, SUKU BUNGA BI X2, KURS DOLLAR X1
Berdasarkan tabel di atas diketahui nilai Durbin-Watson DW adalah 2,070, dimana nilainya berada pada selang 1,5562 du dan 2,4438 4-dU.
Sehingga dari hasil tersebut dapat disimpulkan bahwa model regresi mengindikasikan adanya autokorelasi atau asumsi bebas autokorelasi pada model
terpenuhi Nilai Du=1,5562, didapatkan di tabel statistic dengan N= 27, KJumlah variabel x=2.
4.2.2.4 Uji Heteroskedastisitas
