BAB III METODE PENELITIAN
G. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik, yaitu model analisis regresi berganda dengan bantuan software SPSS versi 16 for Windows. Peneliti melakukan pengujian asumsi klasik terlebih dahulu sebelum melakukan hipotesis.
1. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model yang baik, analisis regresi harus bebas dari asumsi-asumsi klasik sehingga memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Pengujian asumsi klasik tersebut meliputi uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Menurut Ghozali (2006 : 110) “ uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai reidual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menajdi tidak valid.” Cara yang dapat digunakan untuk menguji apakah variabel pengganggu atau residual memiliki distribusi normal adalah dengan melakukan uji Kolmogorov- Smirnov terhadap model yang diuji. Kriteria pengambilan keputusan adalah apabila nilai signifikansi atau probabilitas > 0.05, maka residual
memiliki distribusi normal dan apabila nilai signifikansi atau probabilitas < 0.05, maka residual tidak memiliki distribusi normal.
Selain itu, uji normalitas juga dapat dilakukan dengan melakukan analisis grafik normal probability plot dan grafik histogram. Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali (2006 : 112) sebagai berikut:
1. jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas dan
2. jika data menyebar jauh dari diagonal dan / atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk “menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen” (Ghozali, 2006 : 91). Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel bebas yang bersifat orthogonal adalah variabel yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Multikolinearitas dapat dideteksi dengan melihat nilai tolerance dan
menunjukkan adanya multikolinearitas adalah “nilai tolerance <0.10 atau sama dengan nilai VIF >10” (Ghozali, 2006 : 92).
Cara-cara yang dapat dilakukan jika terjadi multikolinearitas (Gujarati, 2001, 166-171) yaitu:
1. Informasi apriori.
2. Menghubungkan data cross sectional dan data urutan waktu.
3. Mengeluarkan suatu variabel atau variabel-variabel yang bias spesifikasi.
4. Transformasi variabel serta penambahan variabel baru.
c. Uji Heteroskedastisitas
Menurut Ghozali (2006 : 105) “uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel dependen. Menurut Ghozali (2006 : 105) dasar analisis untuk menentukan ada atau tidaknya heteroskedastisitas yaitu:
1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas,
2. jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi
Menurut Gujarati (2001 : 99) “autokorelasi merupakan korelasi yang terjadi antara anggota-anggota dari serangkaian pengamatan yang tersusun
dalamrangkaian waktu sehingga model regresi yang dihasilkan tidak dapat digunakan”. 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 lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada seorang individu/kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan melakukan uji Durbin Watson. Pengambilan keputusan ada tidaknya autokorelasi dapat dilihat dalam tabel 3.3.
Tabel 3.3
Kriteria Pengambilan Keputusan Uji Durbin Watson
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi
positif Tolak 0 < d < dl
Tidak ada autokorelasi
positif No decision dl ≤ d ≤ du
Tidak ada korelasi negatif Tolak 4 - dl < d < 4 Tidak ada korelasi negatif No decision 4 - du ≤ d ≤ 4 - dl Tidak ada korelasi, positif
atau negatif Tidak ditolak Du < d < 4 - du
2. Pengujian Hipotesis
Hipotesis penelitian diuji dengan menggunakan analisis regresi linear berganda. Model persamaannya adalah sebagai berikut:
Keterangan:
Y = Gross Profit Margin
α = konstanta
X1 = Inventory Turnover Ratio X2 = Debtors’ Turnover Ratio
β1, β2 = Koefisien regresi
ε = variabel pengganggu
Pengujian hipotesis secara statistik dilakukan dengan menggunakan: a. Uji Signifikansi Parsial
Secara parsial, pengujian hipotesis dilakukan dengan uji t-test. Menurut Ghozali (2006 : 84) “uji statistik t pada dasarnya menunjukkan seberapa jauhpengaruh satu variabel penjelas/ independen secara individual dalam menerangkan variabel dependen”. Uji ini dilakukan dengan membandingkan signifikansi thitung dengan ketentuan:
− jika thitung< ttabelpada α 0.05, maka Hi ditolak dan − jika thitung> ttabel pada α 0.05, maka Hi diterima.
b. Uji Signifikansi Simultan
Secara simultan, pengujian hipotesis dilakukan dengan uji F-test. Menurut Ghozali (2006 : 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”. Uji ini dilakukan dengan membandingkan signifikansi Fhitung dengan ketentuan:
− jika Fhitung< Ftabel pada α 0.05, maka H1 ditolak dan − jika Fhitung> Ftabelpada α 0.05, maka H1 diterima.