BAB III METODE PENELITIAN
3.8 Metode Analisis Data
Dalam suatu penelitian, jenis data dan hipotesis sangat menetukan dalam ketepatan untuk pemilihan statistik alat uji. Untuk menguji hipotesis dalam penelitian ini, digunakan tahapan analisis sebagai berikut:
1. Menghitung besarnya leverage, ukuran perusahaan, dan total asset turnover pada perusahaan nonkeuangan yang dijadikan sebagai sampel. 2. Melakukan uji asumsi klasik untuk melihat apakah model regresi linier
berganda layak atau tidak digunakan dalam penelitian ini.
3. Melakukan uji hipotesis yaitu analisis regresi linier berganda, yang harus memenuhi kriteria, yaitu uji R2, uji T, dan Uji F.
3.8.1 Statistik Deskriptif
Statistik deskriptif merupakan alat statistik yang berfungsi mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku umum dari data tersebut. Statistik deskriptif digunakan untuk mendeskripsi suatu data yang dilihat dari mean, median, deviasi standar, nilai minimum, dan nilai maksimum. Pengujian ini dilakukan untuk mempermudah dalam memahami variabel variabel yang digunakan dalam penelitian.
3.8.2 Pengujian Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi- asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam penelitian ini adalah uji multikolonieritas, uji autokorelasi, uji heteroskedastisitas, dan uji normalitas.
3.8.2.1 Uji Multikolonieritas
Menurut Ghozali (2006:91), “uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas”. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen.
Pengujian terhadap ada tidaknya multikolinearitas dalam model regresi dapat dilakukan dengan melihat nilai tolerance dan lawannya, serta Variance Inflation Factor
44
(VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah tolerance<0,10 atau sama dengan VIF>10.
3.8.2.2 Uji Autokorelasi
Menurut Ghozali (2006:95), “uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya)”.
Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin_Watson
Tabel 3.3
Kriteria Pengambilan Keputusan Metode Durbin-Watson
Kriteria Pengujian Hipotesis Nol Keputusan 0 < d < dl Terjadi autokorelasi positif Tolak
dl ≤ d ≤ du Tidak ada autokorelasi positif Tidak ada keputusan 4-dl < d < 4 Terjadi autokorelasi negatif Tolak
4-du ≤ d ≤ 4-dl Tidak ada autokoelasi negatif Tidak ada keputusan du < d < 4-du Tidak ada autokorelasi positif
atau negatif
Tidak ditolak
Sumber : (Ghozali, 2006:96) 3.8.2.3 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”.
Dasar analisis yang dapat digunakan untuk menentukan heterokedastisitas, antara lain:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
46
b. Jika tidak ada pola yang jelas, seperti titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.8.3 Uji Normalitas
Menurut Ghozali (2006:110), “uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Proses uji normalitas data dilakukan dengan menggunakan uji Kolmogorov Smirnov.
a. Jika angka signifikan > taraf signifikansi (α) 0,05 maka distribusi data dikatakan normal,
b. Jika angka signifikan < taraf signifikansi (α) 0,05 maka distribusi data dikatakan tidak normal.
Uji normalitas data juga dapat dilihat dengan memperlihatkan penyebaran data (titik) pada normal P Plot of Regression Standardized Residual variabel independen, dimana:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas,
b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Model regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati normal.
3.8.4 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi linier berganda. Analisis regresi linier berganda dihasilkan dengan cara memasukkan input data variabel ke fungsi regresi. Persamaan regresi berganda yang digunakan dapat dinyatakan sebagai berikut:
Y1= α + b
1X1 + b 2X2 + b 3X3+ e Dimana:
Y = Kinerja perusahaan dilihat dari ROE
α = Koefisien
b
1-3 = Koefisien regresi variabel independen x
1 = Leverage x
2 = Ukuran Perusahaan x
3 = Total Assets Turnover e = error
Besarnya koefisien dari masing-masing variabel independen ditunjukkan dengan b
1, b2, dan b3 . Ketiga variabel bebas tersebut merupakan faktor fundamental perusahaan, sedangkan variabel dependennya adalah Kinerja Perusahaan.
48
Pengujian hipotesis pada penelitian ini dilakukan dengan menggunakan uji R, uji-T, dan uji-F.
3.8.4.1 Uji koefisien determinasi/regresi (R2)
Uji regresi digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap variasi naik turunnya variabel dependen. Koefisien determinan berkisar antara nol sampai dengan 1 (0<R2<1). Hal ini berarti bila R2=0 menunjukkan tidak adanya pengaruh antara variabel independen terhadap variabel dependen, bila R2 semakin mendekati 1 menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen, dan bila R2 semakin kecil mendekati 0 maka dapat dikatakan semakin kecil pengaruh variabel independen terhadap variabel dependen.
Untuk memastikan tipe hubungan antar variabel dapat dilihat pada tabel 3.4 berikut ini:
Tabel 3.4
Tabel Hubungan antar Variabel
Nilai Interpretasi
0,0 – 0,19 Sangat Tidak Erat 0,2 – 0,39 Tidak Erat
0,4 – 0,59 Cukup Erat 0,6 – 0,79 Erat
0,8 – 0,99 Sangat Erat
3.8.4.2 Uji signifikan parsial (T-test)
Pengujian T-test digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel independen terhadap variabel dependen. Uji ini juga dapat dilakukan dengan membandingkan t hitung dengan t table dengan ketentuan sebagai berikut: a. Jika t
hitung > ttabel, maka Ha diterima (α =5%) b. Jika t
hitung < ttabel , maka Ha ditolak (α =5%)
Signifikan atau tidaknya pengaruh variabel independen terhadap variabel dependen dapat dilihat dari nilai probabilitas (nilai Sig.) dari t rasio masing-masing variabel independen pada taraf uji (0,05). Kesimpulan dapat diterima atau tidaknya Ha
50
a. Jika probabilitas < 0,05 maka Ha dapat diterima, b. Jika probabilitas > 0,05 maka Ha ditolak.
3.8.4.3 Uji signifikan simultan (F-test)
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh bersama-sama terhadap variabel dependen. Untuk menguji hipotesis ini, digunakan statistik F dengan membandingkan F hitung dengan F tabel dengan kriteria pengambilan keputusan sebagai berikut: a. Jika F
hitung > Ftabel, maka Ha diterima (α =5%), b. Jika F
hitung < Ftabel , maka Ho ditolak (α =5%). Uji signifikansi juga dapat dilihat dari nilai probabilitas (nilai Sig.) dari t rasio masing-masing variabel independen pada taraf uji (0,05). Kesimpulan dapat diterima atau tidaknya Ha
sebagai pembuktian adalah: %5=α
a. Jika probabilitas < 0,05 maka Ha dapat diterima, b. Jika probabilitas > 0,05 maka Ha ditolak.