BAB III METODE PENELITIAN
F. Metode Analisis Data
Metode analisis data yang digunakan adalah metode analisis statistik dengan menggunakan bantuan software SPSS 15. Peneliti menggunakan uji asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis.
1. Pengujian Asumsi Klasik a. Uji Normalitas data
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Jika nilai residual tidak mengikuti distribusi normal uji statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2005:115). Menurut Ghozali (2005:110) cara untuk mendeteksi apakah residual berdistribusi atau tidak ada dua, yatiu 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 statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorof-Smirnov (K-A)”, yang dijelaskan oleh Ghozali (2005:115). Uji K-S dibuat dengan membuat hipotesis:
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Bila signifikansi > 0,05 dengan α = 5% berarti distribusi data normal dan Ho diterima, sebaliknya bila nilai signifikansi <0,05 berarti distribusi data tidak normal dan Ha diterima.
b. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemuka n adanya korelasi antara variabel independen. Multikolineritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini kita sebut variabel-variabel bebas tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang
baik seharusnya tidak terjadi korelasi diantara variabel bebasnya (Ghozali, 2005: 91). Ada tidaknya multikolinieritas dapat dideteksi dengan melihat :
1. Melihat nilai tolerence
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nila tolerance > 0,10
2. Melihat nilai variance inflation factor (VIF)
Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai VIF < 10
3. Menganalisis matrik korelasi variabel-variabel independen,
Menurut Ghozali (2005:93) untuk matrik korelasi adanya indikasi multikolonieritas dapat dilihat jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 0,95
4. Melihat nilai Condition Index (CI)
Jika nilai CI antara 10 dan 30 terdapat multikolonieritas mederat ke kuat, sedangkan jika nilai CI > 30 artinya terdapat multikolinieritas sangat kuat.
c. Uji Heterokedasitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain. Menurut Erlina (2007:108) ”Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut dengan homoskedasititas. Sebaliknya jika varians berbeda, maka disebut heterokedasitas”. Ada tidaknya heterokedasitas dapat diketahui dengan melihat grafik Scaterplot antar nilai prediksi variabel
independen dengan nilai residualnya. Dasar analisis yang dapat digunakan untuk menentukan heterokedasitas, antara lain:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedasitas,
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedasitas atau terjadi homokedasitas.
Menurut Ghozali (2005:107) ”analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik plot. Oleh sebab itu diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil”. Ada beberapa uji statistik yang dapat digunakan untuk mendeteksi ada tidaknya heterokedasitas, antara lain:
1. Uji Park 2. Uji Glejser
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t (saat ini) dengan kesalahan pada periode t-1 (sebelumnya). Autokorelasi timbul karena observasi yang berurutan sepanjang waktu berkaitan satau sama lain. Masalah ini timbul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu atau time series karena
gangguan pada seorang individu atau kelompok cenderung mempengaruhi gangguan pada individu atau kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Cara yang dapat digunakan untuk mendeteksi adanya masalah autokorelasi adalah dengan menggunakan Uji Durbin Watson (DW test) dengan ketentuan dari Prof. Singgih sebagai berikut:
1. Angka D-W di bawah -2 berarti ada autokorelasi positif,
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3. Angka D-W di atas +2 berarti ada autokorelasi negatif
Run test sebagai bagian dari statistik non parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random yaitu dengan melihat nilai probabilitasnya. Menurut Ghozali (2005:103) bila nila signifikansi > 0,05 dengan α =5% berarti residual random dan Ho diterima, sebaliknya bila nilai signifikan < 0,05 berarti residual tidak random dan Ho ditolak.
2. Pengujian Hipotesis a. Uji Parsial (Uji t)
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual menerangkan variasi variabel dependen. Dalam uji t digunakan hipotesis sebagai berikut ;
Ho : b1, b2, b3, b4= 0 artinya PertumbuhanLaba, Tingkat Suku Bunga, dan
Return on Equity secara parsial tidak mempunyai pengaruh yang signifikan terhadap investasi aktiva tetap.
Ha : b1, b2, b3, b4 ≠ 0 artinya Pertumbuhan Laba, Tingkat Suku Bunga, dan Return on Equity secara parsial mempunyai pengaruh yang signifikan terhadap investasi aktiva tetap.
Kriteria pengambilan keputusan :
√ Ho diterima jika t hitung < t tabel pada α 5 % √ Ha diterima jika t hitung > t tabel pada α 5 %
b. Uji simultan (F)
Uji F dilakukan apakah semua variabel independen atau bebas yang dimasukkan dalam model regeresi mempunyai pengaruh secara bersama-sama terhadap variabel dependen (terikat). Dalam uji F digunakan hipotesis sebagai berikut :
Ho : b1, b2, b3, b4 = 0 artinya Pertumbuhan Laba, Tingkat Suku Bunga, dan Return on Equity secara simultan tidak mempunyai pengaruh yang signifikan terhadap investasi aktiva tetap.
Ha : b1, b2, b3, b4 ≠ 0 PertumbuhanLaba, Tingkat Suku Bunga, dan Return on Equity secara simultan mempunyai pengaruh yang signifikan terhadap investasi aktiva tetap.
Kriteria pengambilan keputusan :
√ Ho diterima jika t hitung ≤ t tabel pada α 5 % √ Ha diterima jika t hitung ≥ t tabel pada α 5 %
Penelitian ini menggunakan analisis linier berganda. Tujuannya adalah untuk mengetahui seberapa besar pengaruh Pertumbuhan Laba, Tingkat Suku Bunga, dan Return on Equity terhadap investasi aktiva tetap. Model dasar sebagai berikut :
Y = a +b1X1+ b2X2 + b3X3 + e
Keterangan:
Y = Investasi aktiva tetap a = Konstanta
X1 = Pertumbuhan Laba
X2 = Tingkat Suku Bunga X3 = Return on Equity
b1-b3 = Koefisien regresi (X1-X3)
e = Tingkat Kesalahan Pengganggu.