BAB III METODOLOGI PENELITIAN
E. Metode Analisis Data
Metode analisis data dalam penelitian ini menggunakan metode analisis regresi yang perhitungannya menggunakan SPSS versi 21.0. Regresi digunakan untuk mengukur besarnya pegaruh variabel independen terhadap variabel dependen. Analisis regresi ada 2 jenis, yaitu regresi linier sederhana dan regresi linier berganda. Penelitian ini menggunakan regresi linier berganda karena variabel independen yang digunakan lebih dari satu variabel. Metode analisis regresi berganda yang digunakan dalam penelitian ini meliputi statistik deskriptif, uji asumsi klasik, uji hipotesis dan uji statistik.
1. Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Termasuk dalam statistik deskriptif antara lain adalah penyajian data melalui tabel, grafik, diagram lingkaran, perhitungan modus, median, mean, perhitungan desil, persentil, perhitungan penyebaran data melalui perhitungan rata– rata dan standar deviasi. Dalam statistik deskriptif juga, dapat dilakukan mencari kuatnya hubungan antar variabel melalui analisis korelasi, melakukan prediksi dengan analisis
sampel atau populasi (Sugiyono, 2013). Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata–rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness(kemencengan distribusi) (Ghozali, 2013).
2. Uji Asumsi Klasik
Pengujian asumsi klasik digunakan untuk menguji apakah persamaan regresi yang telah ditentukan merupakan persamaan yang dapat menghasilkan estimasi yang tidak bias. Uji asumsi klasik ini terdiri dari :
a. Uji multikolonieritas
Multikolonieritas adalah suatu kondisi yang menunjukkan satu atau lebih variabel independen terdapat korelasi dengan variabel independen lainnya. Uji multikolonieritas bertujuan untuk menguji apakah model regresi ada korelasi antar variabel independen. Model regresi dikatakan baik apabila tidak terjadi korelasi diantara variabel independen. Adanya multikolonieritas dapat dilihat daritolerance value atau nilai tolerance dan Variance Inflation Factor (VIF). Melihat nilai Tolerance : Jika nilai Tolerance > 0.10 artinya tidak terjadi Multikolonieritas terhadap data yang diuji, begitu pula sebaliknya. Melihat nila VIF (Variance Inflation Factor) : Jika nilai VIF < 10.00 artinya tidak terjadi Multikolonieritas.
b. Uji Normalitas
deviasi. Uji normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal. salah satu pengujian normalitas yang akan digunakan dalam penelitian ini adalah dengan menggunakan teknik Kolmogorov Smirnov. Uji normalitas Kolmogorov-Smirnov adalah uji yang bertujuan untuk mengetahui apakah data dalam variabel yang akan dianalisis berdistribusi normal. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal. Data berdistribusi normal artinya data mempunyai sebaran merata sehingga benar-benar mewakili populasi. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal begitu pula sebaliknya (Ghozali, 2013).
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode tdengan kesalahan pengganggu pada periode sebelumnya (t-1). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada data time series karena “gangguan” pada seorang individu atau kelompok
regresi yang bebas dari autokorelasi. Autokorelasi dapat dideteksi dengan beberapa cara yaitu uji Durbin-Watson, uji Lagrange Multiplier, Run Test dan uji Box Pierce dan Ljung Box. Dalam penelitian ini, peneliti menggunakan Run Test. Uji run test sebagai bagian dari statistik non-parametik digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Apabila nilai Asymp. Sig. > 0,05 maka data terjadi secara random dan tidak terjadi autokorelasi antar nilai residual.
d. Uji Heteroskedastisitas
Uji 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 lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model yang baik harus homoskedastisitas. Uji heteroskedastisitas dalam penelitian ini
menggunakan analisis grafik scatterplot dan metode spearman’s rho.
Metode uji heteroskedastisitas dengan korelasi Spearman’s rho yaitu mengkorelasikan variabel independent dengan nilai unstandardized residual (Duwi Priyatno : 2013). Pengujian menggunakan tingkat signifikansi 0,05 dengan uji 2 sisi. Jika korelasi antara variabel independen dengan residual di dapat signifikansi lebih dari 0,05 maka dapat dikatakan bahwa tidak terjadi masalah heteroskedastisitas pada
3. Uji Hipotesis
Hipotesis dalam penelitian ini diuji dengan menggunakan model regresi berganda (multiple regression). Model regresi berganda umumnya digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen dengan skala pengukuran interval atau rasio dalam suatu persamaan linier. Analisis regresi berganda merupakan eksistensi dari model regresi dalam analisis bivariat yang umumnya digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen. Pengujian hipotesis dalam penelitian ini dilakukan atas tiga variabel dengan menggunakan rumus persamaan matematis seperti di bawah ini :
Y = α + β1X1+ β2X2+ β3X3+ ε
Keterangan :Y : Kinerja Keuangan (ROE)
α : Konstanta
β1-β3 : Koef. Regresi atau Koefisien variable independen, apabila nilai β
positif maka akan terjadi kenaikan pada variabel dependen (Y),
sedangkan jika nilai β negatif akan terjadi penurunan pada
variabel dependen (Y). X1 : Intellectual Capital(IC)
X2 : Rate of Growth of Intellectual Capital(ROGIC) X3 : Kualitas penerapanGood Corporate Governance
4. Uji Statistik
a) Koefisien Determinasi (R²)
Koefisien determinasi (R²) atau dibaca R Square pada regresi linear sering diartikan sebagai seberapa besar kemampuan semua variabel bebas dalam menjelaskan varians dari variabel terikatnya. nilai R² Square adalah antara 0 sampai dengan 1. Nilai R yang kecil berarti kemampuan variabel – variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel – variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Kelemahan mendasar dalam menggunakan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan dalam model. Apabila satu variabel independen ditambah, R² akan meningkat tanpa mempedulikan apakah variabel tersebut berpengaruh secara siginifikan atau tidak terhadap variabel dependen. Oleh karena itu, penelitian ini menggunakan nilai adjusted R² untuk mengevaluasi model regresi. Adjusted R Square Interpretasinya sama dengan R Square. Nilai Adjusted R Square dapat bernilai negatif, sehingga jika nilainya negatif, maka nilai tersebut dianggap 0, atau variabel bebas sama sekali tidak mampu menjelaskan varians dari variabel terikatnya.
b) Uji Signifikansi Simultan (Uji Statistik F)
bebasnya secara bersama-sama terhadap variabel terikatnya. Atau untuk menguji apakah model regresi yang kita buat baik/signifikan atau tidak baik/non signifikan. Pengujian ini menggunakan uji F yaitu dengan membandingkan F hitung dengan F tabel. Uji ini dilakukan dengan syarat:
(1) Bila F hitung < F tabel maka H0 diterima dan ditolak H1, artinya
bahwa secara simultan variabel independen tidak berpengaruh terhadap variabel dependen;
(2) Bila F hitung > F tabel, maka H0ditolak dan menerima H1 artinya
bahwa secara simultan variabel independen berpengaruh terhadap variabel dependen.
Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan bahwa apabila nilai signifikansi > 0,05 maka H1 ditolak, sedangkan apabila nilai signifikansi < 0,05 maka H1 diterima (Sunyoto, 2009).
c) Uji Signifikansi Parameter Individual (Uji Statistik t)
Pada dasarnya, uji t digunakan untuk mengukur seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Uji ini dilakukan dengan syarat:
1) Bila t hitung < t tabel maka H0 diterima dan ditolak H1, artinya
2) Bila t hitung > t tabel, maka H0 ditolak dan menerima H1 artinya
bahwa secara parsial variabel independent berpengaruh terhadap variabeldependent.
Pengujian ini juga dapat menggunakan pengamatan nilai
signifikan t pada tingkat α yang digunakan (penelitian ini
menggunakantingkat α sebesar 5%).
Analisis ini didasarkan pada perbandingan antara nilai signifikansi t dengan nilai signifikansi 0,05 dengan syarat-syarat sebagai berikut : 1) Jika signifikansi t < 0,05 maka Ho ditolak yang berarti variabel
independent secara parsial berpengaruh terhadap variabel dependent;
2) Jika signifikansi t > 0,05 maka Ho diterima yang berarti variabel independent secara parsial tidak berpengaruh terhadap variabel dependent.