BAB III METODE PENELITIAN
F. Metode Analisis Data
Dalam penelitian ini, metode analisis data yang digunakan adalah model analisis regresi berganda dan menggunakan software SPSS 18 (Statistic Product and Services Solution). Peneliti melakukan terlebih dahulu uji asumsi klasik sebelum melakukan pengujian hipotesis.
1. Pengujian Asumsi Klasik a. Uji Normalitas
“Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Menurut Ghozali (2005:110), ”cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dan
grafik dengan melihat histogram dari residualnya”. Dasar pengambilan keputusannya adalah:
1) jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2) jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Uji ini juga digunakan dalam tahap awal dalam metode pemilihan analisis data. Jika data normal digunakan uji parametik dan jika data tidak normal digunakan non parametik atau treatment agar data normal. Tujuan uji normalitas adalah untuk mengetahui apakah data dalam bentuk distribusi normal atau tidak. Untuk menguji normalitas data peneliti mengggunakan uji Kolmogorov Smirnov.
Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov (K-S), yang dijelaskan oleh Ghozali (2005:114). “Uji K-S dibuat dengan membuat hipotesis” :
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Apabila probabilitas > 0,05, maka distribusi data normal dan dapat digunakan regresi berganda. Apabila probabilitas < 0.05, maka distribusi data dikatakan tidak normal, untuk itu perlu dilakukan transformasi data atau menambah maupun mengurangi data.
b. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Deteksi multikolienaritas pasa suatu model dapat dilihat yaitu jika nilai variance inflation factor (VIF) tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolienaritas.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi atau kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya, hal ini sering ditemukan pada time series. Pada data crossection, masalah autokorelasi relatif tidak terjadi.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1) Bila nilai Durbin-Watson (DW) terletak antara batas atas atau Upper Bound (DU) dan 4-DU, maka koefisien autokorelasi sama dengan nol berarti tidak ada autokorelasi.
2) Bila nilai DW lebih rendah dari pada batas bawah atau Lower Bound (DL), maka koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
3) Bila nilai DW lebih besar dari pada (4-DL), maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif.
4) Bila nilai DW terletak diantara batas atas (DU) dan batas bawah (DL) atau DW terletak antara (4-DU) dan (4-DL), maka hasilnya tidak dapat disimpulkan.
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 homokedasitas dan jika berbeda disebut heterokedasitas. Model regresi yang baik adalah yang homokedasitas atau tidak terjadi heterokedasitas.
Untuk mendeteksi ada tidaknya heterokedasitas, menurut Ghozali (2005:105) dapat dilihat dari grafik Scatterplot antara nilai
prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heterokedasitas. Sebaliknya jika tidak ada pola yang jelas, serta titik- titik yang menyebar maka tidak terjadi heterokedasitas.
Menurut Ghozali (2005:105), yang menjadi dasar analisis untuk menentukan ada atau tidaknya heterokedastisitas yaitu :
1) Apabila terdapat pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit). Hal ini mengindikasikan bahwa telah terjadi heterokedastisitas.
2) Apabila tidak terdapat pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka hal ini mengindikasikan tidak terjadi heterokedastisitas.
3) Selain dengan melihat grafik Scatterplot, terjadi atau tidaknya heteroskedastisitas dapat dilihat dari uji statistik. Selain dengan melihat grafik Scatterplot, terjadi atau tidaknya heteroskedastisitas dapat dilihat dari uji statistik. Penelitian ini menggunakan Uji Glejser untuk mendeteksi terjadinya heteroskedastisitas. Uji Glejser ini mengusulkan untuk meregres nilai absolut residual terhadap variabel independen. Jika variabel independen signfikan secara statistik terhadap variabel dependen (signifikansi < 0,05), maka ada indikasi terjadi Heteroskedastisitas. Jika variabel independen tidak signifikan secara statistik terhadap variabel dependen (siginifikansi > 0,05) maka tidak terjadi Heteroskedastisitas.
2. Pengujian Hipotesis
Model penelitian ini menggunakan model regresi linier berganda. Model regresi linier berganda adalah model regresi yang memiliki lebih dari satu variabel independen. “Model regresi linier berganda dikatakan model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik baik multikolinieritas, autokorelasi dan heterokedastisitas (Lubis et.al, 2007: 45)”. Persamaan regresi linier berganda yaitu: Y = α + β1X1 + β2X2 + e Ket : Y = Dividen Tunai X1 X = Laba Bersih 2 α = konstanta
= Arus Kas Operasi
β1, β2 e = error = koefisien regresi a. Koefisien Determinasi (R2 Koefisien Determinasi (R ) 2
) mengukur seberapa jauh kemampuan model menerangkan variasi variabel independen (Ghozali, 2005: 83). Nilai koefisien determinasi dapat dilihat pada R Square. Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square berkisar antara 0 dan 1.
b. Uji Signifikansi Parsial (uji-t)
Secara parsial, pengujian hipotesis dilakukan dengan uji t-test. Menurut Ghozali (2005 : 84) “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/ independen secara individual dalam menerangkan variabel dependen”. Uji-t dilakukan untuk mengetahui signifikan tidaknya pengaruh masing–masing variabel bebas terhadap variabel terikat, atau dengan kata lain untuk menguji pengaruh variabel independen dan variabel dependen secara parsial.
Hipotesis yang akan diuji adalah :
Ho:artinya variabel laba bersih dan arus kas operasi secara parsial tidak mempunyai pengaruh yang signifikan dalam memprediksikan pertumbuhan laba pada perusahaan farmasi yang terdaftar di Bursa Efek Indonesia.
Ha:artinya variabel laba bersih dan arus kas operasi secara parsial mempunyai pengaruh yang signifikan dalam memprediksikan pertumbuhan laba pada perusahaan farmasi yang terdaftar di Bursa Efek Indonesia.
Uji ini dilakukan dengan membandingkan t-hitung dengan t-tabel dengan ketentuan :
Jika t-hitung< t-tabel,maka Ha diterima dan Ho ditolak; Jika t-hitung>t-tabel,maka Ho diterima dan Ha ditolak.
c. Uji Signifikan Simultan (uji-f)
Secara simultan, pengujian hipotesis dilakukan dengan uji F-test. Menurut Ghozali (2005 : 84) “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat”.
Hipotesis yang akan diuji adalah sebagai berikut.
Ho:artinya variabel laba bersih dan arus kas operasi secara secara bersama-sama tidak mempunyai pengaruh yang signifikan dalam memprediksikan pertumbuhan laba pada perusahaan farmasi yang terdaftar di Bursa Efek Indonesia.
Ha:artinya variabel laba bersih dan arus kas operasi secara secara bersama-sama mempunyai pengaruh yang signifikan dalam memprediksikan pertumbuhan laba pada perusahaan farmasi yang terdaftar di Bursa Efek Indonesia.
Uji ini dilakukan dengan membandingkan signifikansi Fhitung
jika F
dengan ketentuan:
hitung < Ftabel pada α 0.05 dan nilai p-value > level of significant sebesar 0,05 , maka Ha
jika F
ditolak, dan
hitung > Ftabel pada α 0.05 dan nilai p-value < level of significant sebesar 0,05 , maka Ha diterima.