BAB III METODE PENELITIAN
3.7 Metode Analisis Data
3.6. Definisi Operasional Variabel Penelitian Tabel 3.2
Operasionalisasi Variabel
Variabel Definisi Pengukuran Skala Data Sumber Data Variabel Dependen : Likuiditas perusahaan Kemampuan perusahaan dalam melunasi kewajiban jangka pendek Aktiva lancar/ kewajiban lancar Rasio Annual Report Variabel Independen : Perputaran modal kerja Kegiatan operasi suatu kas diinvestasikan dalam komponen – komponen modal kerja sampai kembali lagi menjadi kas. Total penjualan/ modal kerja bersih Rasio Annual Report
Return spread Selisih antara return yang dihasilkan aset perusahaan dengan return asset bebas resiko ROA – suku bunga SBI Rasio Annual Report
Sumber: Data diolah oleh Peneliti, 2011
memberikan jawaban dari maslaah yang dibahas dalam penelitian ini. Dalam
31 menganalisis data, peneliti menggunakan program SPSS 18.0. Adapun metode analisis data yang digunakan dalam penelitian ini adalah sebagai berikut :
3.7.1. Pengujian Asumsi Klasik 3.7.1.1. Uji Normalitas
Menurut Erlina dan Mulyani ( 2007 : 103 ) “ Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal “. Cara yang dapat digunakan untuk menguji apakah variabel pengganggu atau residual memiliki distrisubsi normal adalah dengan melakukan uji Kolmogrov-Smirnov terhadap model yang diuji. Kriteria pengambilan keputusan adalah apabila nilai signifikansi atau probabilitas lebih besar dari 0,05 maka residual memiliki distribusi normal dan apabila nilai signifikansi lebih kecil dari 0,05 maka residual tidak memiliki distribusi normal. Pengujian dengan model histogram memiliki ketentuan bahwa data normal berbentuk lonceng. Data yang baik adalah data yang memiliki pola distribusi normal. Jika data melenceng ke kanan atau melenceng ke kiri berarti data tidak terdistribusi secara normal.
Dasar pengambilan keputusan dalam uji normalitas menurut Ghozali ( 2005 : 110 ) sebagai berikut :
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b). 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.
32 Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal, yaitu: (1) lakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma (Log) atau natural (ln), (2) menambah jumlah data, (3) menghilangkan data yang dianggap sebagai penyebab tidak normalnya data, dan (4) menerima data apa adanya.
3.7.1.2. Uji Autokorelasi
Menurut Ghozali ( 2005 : 95 ) “ uji autokorelasi menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pangganggu paa periode t-1 ( sebelumnya )”. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson (DW). Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut :
a). 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.
b). nilai DW lebih rendah dari pada batas bawah atau Lower Bound (DL), maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.
autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif.
33 d). Bila nilai DW terletak di antara batas atas (DU) dan batas bawah (DL) atau DW terletak antara ( 4-DU) dan (4-DL), maka hasilnya tidak dapat disimpulkan.
3.7.1.3. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel bebas ( independen ). Model regresi yang baik harusnya tidak terjadi korelasi antara variabel bebas. Untuk menguji ada tidaknya multikolinearitas di dalam model regresi menurut Ghozali ( 2005 : 95 ) dapat dilihat dari :
i. Nilai tolerance dan lawannya
ii. Variance inflation factor
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. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi ( karena VIF=1/Tolerance ). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah Tolerance < 0.10 atau sama dengan VIV > 10.
Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lainnya. Jika residual dari satu pengamatan ke pengamatan lain tetap,
34 maka disebut Homokedastisitas dan jika varians berbeda maka disebut Heteroskedastisitas. Suatu model dikatakan terdapat gejala heterosdekastisitas jika koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistik.
Menurut Imam Ghozali (2005:105), uji heteroskedastisitas bertujuan mengujiapakah dalam model regresi terdapat ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Konsekuensinya adanya heteroskedastisitas dalam model regresi adalah penaksir yang diperoleh tidak efisien, baik dalam sampel kecil maupun besar. Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah dengan melihat pada grafik scatter plot.
Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit) maka mengindikasikan telah terjadi heteroskedastisitas. Jika tak ada pola yang jelas maka tidak terjadi gejala heteroskedastisitas.
Untuk mengetahui ada tidaknya heteroskedastisitas juga dapat diketahui dengan melakukan uji glejser. Jika variabel bebas signifikan
heteroskedastisitas (Ghozali, 2005:69).
3.7.2. Pengujian Hipotesis
Metode analisis yang digunakan dalam penelitian ini adalah analisis berganda dengan terlebih dahulu menguji variabel – variabel dari
35 karakteristik perusahaan. Hal ini dilakukan untuk mencari tingkat signifikan yang lebih tinggi di antara variabel – variabel tersebut. Variabel perputaran modal kerja dan return spread dengan tingkat signifikan yang
paling tinggi akan di regresi dengan indeks likuiditas perusahaan.
3.7.2.1 Metode Regresi Linear Berganda
Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen terhadap satu atau lebih variabel independen, dengan tujuan untuk mengestimasi dan memprediksi rata – rata populasi atau nilai rata – rata variabel dependen, berdasarkan nilai independen yang diketahui [ Ghozali ( 2005 )]. Variabel independen dalam penelitian in adalah perputaran modal kerja dan return spread. Sedangkan variabel dependennya adalah likuiditas perusahaan. Adapun persamaan untuk menguji hipotesis secara keseluruhan pada penelitian ini adalah sebagai berikut :
Y = α + β1X1 + β2X2 + e Keterangan :
β = Koefisien regresi X1 = Perputaran modal kerja X2 = Return spread
e = error
36
3.7.2.2. Uji Signifikan Parameter Individual ( Uji Statistik t )
Menurut Ghozali ( 2005 : 84 ), uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen. Pengujian dilakukan dengan menggunakan significance level 0.05 (α = 5%). Penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut :
a). Jika nilai signifikan ≥ 0.05, maka hipotesis ditolak ( koefisien regresi
tidak signifikan ). Ini berarti secara parsial, variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen. b). Jika nilai signifikan ≤ 0.05, maka hipotesis diterima ( koefisien
regresi signifikan ). Ini berarti secara parsial, variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependen.
3.7.2.3. Uji Signifikan Parameter Simultan ( Uji Statistik F )
Menurut Ghozali ( 2005 : 84 ) uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimaksudkan dalam model mempunyai pengaruh secara simultan terhadap variabel dependen. Pengujian secara simultan terhadap variabel dependen. Pengujian
Ketentuan penolakan atau penerimaan hipotesis adalah sebagai berikut : a). Jika nilai signifikan > 0.05 maka hipotesis diterima ( koefisien regresi
tidak signifikan ). Ini berarti bahwa secara simultan variabel
37 independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
b). Jika nilai signifikan < 0.05 maka hipotesis ditolak ( koefisien regresi signifikan ). Ini berarti secara simultan variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
3.7.3. Koefisien Determinasi
Koefisien determinasi ( R2 ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi berada diantara nol dan satu. Nilai R2 yang kecil seperti kemampuan variabel – variabel independen dalam menjelaskan variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel indpenden memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen ( Ghozali , 2005 : 83 ). Data dalam penelitian ini akan diolah dengan menggunakan program Statistical
Package for Social Science ( SPSS ) 18.0. Hipotesis dalam penelitian ini
dipengaruhi oleh nilai signifikan koefisien variabel yang bersangkutan setelah dilakukan pengujian. Kesimpulan hipotesis dilakukan berdasarkan
terhadap variabel dependen.