D. Metode Analisis Data
1. Analisis Regresi Linier Berganda
Sebelum analisis regresi berganda digunakan dalam pengujian hipotesis, terlebih dahulu model tersebut akan diuji uji normalitas dan asumsi klasik, yang mana asumsi ini merupakan asumsi yang mendasari analisis regresi.
a. Uji Asumsi Klasik 1. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik distribusi dan analisis statistik P-P Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, atau garis histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. (Ghazali,2005:110,112).
Normalitas data akan dilakukan menggunakan uji Kolmogorov Smirnov.
Klomogorov Smirnov
H0 : Data tidak terdistribusi dengan normal Ha : Data terdistribusi dengan normal
Dalam pengujian hipotesis, kriteria untuk menolak atau tidak menolak H0 berdasarkan P-value adalah sebagai berikut :
Jika P-value < 0.05 H0 diterima Jika P-value > 0.05 H0 ditolak 2. Uji Multikolonieritas
Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilihat dari :
a. nilai tolerance (TOL) dan lawannya,
b. variance inflation factor (VIF). Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = I / tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolarance < 0,10 atau sama dengan nilai VIF > 10. (Ghazali, 2005:91).
3. Uji Heteroskedastisitas
Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Deteksi adanya heteroskedastisitas dilakukan dengan cara melihat grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Jika pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. (Ghazali, 2005:105).
4. Uji Autokorelasi
Autokorelasi dikenalkan oleh Maurice G. Kandali dan William R. Buckland. Uji ini merupakan pengujian asumsi dalam regresi diamana nilai variable dependent tidak berkolerasi dengan nilai variable itu sendiri, baik nilai periode sebelumnya atau nilai periode sesudahnya. Untuk mendeteksi gejala autokorelasi menggunakan uji Durbin-waston (DW). Uji ini menghasilkan nilai DW hitung (d) dari nilai DW tabel (dl dan dv).
Menurut Suharyadi dan Purwanto (2004:529), Terdapat satu cara untuk mendeteksi gejala autokorelasi yaitu :
1. Metode grafik yang menghubungkan antara error (e) atau residu dengan waktu, apabila terdapat hubungan yang sistematis baik meningkat atau menurun menunjukan adanya autokorelasi.
2. Menggunakan uji Durbin-Watson (dw). Uji ini menghasilkan nilai dw dihitung (d) dan nilai dw tabel (dL & dV).
Rumus untuk menghitung dw adalah ∑ (et – et-1)2 ∑e2
Dan Hipotesisnya adalah sebagai berikut :
H0 : Tidak ada autokorelasi, jika Durbin Watson-2 sampai dengan 2
Ha : Ada autokorelasi positif / negative jika Durbin Watson <-2 maka terjadi autokerelasi positif, dan jika DW > 2 maka terjadi autokorelasi negatif.
b. Uji Regresi Berganda
Menurut Arikunto (2002;56) Analisis regresi berganda adalah analisis tentang hubungan antara satu dependent variabel dengan dua atau lebih independent variabel. Untuk mengukur pengaruh variabel independent dengan variabel dependen dapat digunakan analisa regresi
berganda. Dimana variabel independent dilambangkan dengan “x” dan variabel dependen dengan “y”. rumus regresi garis lurus berganda tersebut berupa :
Keterangan :
y = varibel dependen, yaitu profitabilitas x1 = variabel independen, yaitu perputaran kas
x2 = variabel independent, yaitu perputaran persediaan x3 = variabel independent, yaitu leverage
a = nilai y pada x = 0
b = perobahan nilai y apabila x berubah 1 unit e = error
c. Pengujian Hipotesis 1. Uji Global atau Uji F
Uji global disebut juga uji signifikan serentak atau uji f. uji ini dimaksudkan untuk melihat kemampuan menyeluruh dari variabel bebas yaitu X1, X2,… Xk., untuk dapat atau mampu menjelaskan tingkah laku atau keragaman variabel tidak bebas Y. Uji global juga dimaksudkan untuk mengetahui apakah semua variabel bebas memiliki koefisien regresi sama dengan nol.
Untuk melakukan pengujian secara global, maka ada beberapa langkah yang diperlukan yaitu:
b. Menyusun Hipotesis
Hipotesa yang ingin diuji adalah kemampuan variabel bebas menjelaskan tingkah laku variabel tidak bebas, apabila variabel bebas tidak dapat mempengaruhi variabel bebas dapat dianggap nilai koefisien regresinya sama dengan nol sehingga berapapun nilai variabel babas tidak akan berpengaruh terhadap variabel bebas.
Dalam menyusun hipotesa selalu ada hipotesa nol dan hipotesa alternatif. Untuk hipotesa nol selalu mengandung unsur kesamaan, maka dapat dirumuskan hipotesa nol adalah koefisien regresi sama dengan nol. Untuk hipotesa alternatifnya adalah koefisien regresi tidak sama dengan nol. Hipotesanya kemudian dirumuskan sebagai berikut;
H0: β1= β2 = 0 H1: β1≠β2 ≠ 0
c. Menentukan daerah keputusan
Untuk uji ini digunakan table F. untuk mencari nilai F-tabel perlu diketahui derajat bebas pembilang pada kolom, derajat bebas penyebut pada baris dan taraf nyata. Umumnya ada dua taraf nyata yang dipakai yaitu 1% dan 5%, untuk derajat pembilang digunakan nilai k-1, yaitu jumlah variabel dikurang 1. Dan untuk derajat penyebut digunakan n-1, yaitu jumlah sample dikurangi dengan jumlah variable.
d. Menentukan nilai F-hitung
Nilai F-hitung ditentukan dengan rumus sebagai berikut:
F = ) 3 ( ) 1 ( ) 1 ( 2 2 n R k R Keterangan : R2 = Koefisien Determinasi
k = Jumlah Variabel Independen
n = Jumlah sample e. Menentukan daerah keputusan
Menentuakn wilayah H0 dan H1, serta membandingkan dengan nilai F-hitung untuk mengetahui apakah menerima H0 atau menerima H1.
f. Memutuskan hipotesa
Jika F-hitung > F-tabel maka H0 ditolak, dan jika F-hitung < F-tabel maka H0 diterima.
Jika probabilitas signifikan < 0,01 maka H0 ditolak, dan jika probabilitas signifikan > 0,01 maka H0 diterima.
2. Uji t atau ujiIndividual
Untuk menetukan uji-t ada beberapa langkah yang diperlukan seperti berikut ini.
a. Menentukan hipotesa
Variabel bebas berpengaruh tidak nyata apabila nilai koefisiennya sama dengan nol, sedangakn variabel bebas akan berpengaruh nyata apabila niali koefisiennya tidak sama dengan nol. Hipotesa selengkapnya adalah sebagai berikut :
H0 : β1 = 0 H1 : β1≠ 0
H0 : β2 = 0 H1 : β2≠ 0 b. Menetukan daerah kritis
Daerah kritis ditentukan oleh nilai t-tabel dengan derajat bebas yaitu n-k, dan taraf nyata α.
c. Menetukan nilai t-hitung
Nilai t -hit ung unt uk koefisien b1 dan b2 dapat dirumuskan sebagai berikut: t-hitung = i i i Sb B b dengan Bi = 0 maka t-hitung = i i Sb b Dimana :
bi = Koefisien variabel ke-i
Bi = Parameter ke-i yang dihipotesiskan
Sbi = Kesalahan standar variabel ke-i
d. Menentukan daerah keputusan e. Menentukan keputusan
Jika t-hitung > t-tabel, maka H0 ditolak. Dan jika hitung < t-tabel, maka H0 diterima.
Jika profitabilitas signifikan < 0,01 dan 0,05 maka H0 ditolak. Dan jika profitabilitas signifikan > 0,01 dan 0,05, maka H0 diterima.
