BAB III METODE PENELITIAN
3.8 Metode Analisis Data
Dalam menganalisis data, penulis menggunakan metode analisis dengan bantuan software SPSS, dengan terlebih dahulu melakukan uji asumsi klasik sebelum melakukan pengujian hipotesis. Tujuan utama dari analisis data adalah meringkas data dalam bentuk yang mudah dipahami dan mudah ditafsirkan, sehingga hubungan antar problem penelitian dapat dipelajari dan diuji.
1. Analisi Deskriptif
Analisis yang digunakan dalam penelitian ini adalah dengan mengumpulkan, mengklasifikasikan dan menginterprestasikan data penelitian sehingga diperoleh gambaran yang lebih jelas mengenai keadaan perusahaan yang sedang diteliti.
2. Uji Asumsi Klasik
a. 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.” Uji normalitas menguji apakah dalam sebuah model regresi, variabel terikat, variabel bebas, atau keduanya mempunyai distribusi normal atau tidak. Uji normalitas perlu dilakukan untuk menentukan alat statistik yang digunakan, sehingga kesimpulaan yang diambil dapat dipertanggung jawabkan.
Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik. Jika data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. Selain itu, dapat digunakan uji statistik Kolmogorov-Smirnov (K-S), yang dijelaskan oleh Ghozali (2005:115). Bila nilai signifikan > 0.05 berarti distribusi data tidak normal, sebaliknya bila nanti signifikan < 0.05 berarti distribusi data normal.
Dalam penelitian ini, uji normalitas dilakukan dengan menggunkan grafik histogram, normal probability plot, dan uji Kolmogorov-Smirnov.
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 diantara variabel independen (Ghozali, 2005:91).
Jika terjadi korelasi maka dinamakan terdapat problem multikolinearitas (multiko). Pengujian multikolinearitas dilakukan dengan melihat nilai Variance Inflation Faktor (VIF) dan korelasi di antara variabel independen. Jika nilai VIF lebih besar dari 10 maka terjadi multikolinearitas di antara variabel
independen. Di samping itu, suatu model dikatakan terdapat gejala multikolinearitas jika kolerasi di antara variabel independen lebih besar dari 0,1.
c. Uji Heteroskedastisitas
Uji heterokedastisitas menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan lain. Jika varians dari residual dari satu pengamatan ke pengamatan lain tetap maka disebut homokedastisitas. Dan jika varians dari residual dari satu pengamatan ke pengamatan yang lain berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Salah satu cara mendeteksi terjadinya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik Scatter-Plot. Dasar analisis menurut (Ghozali, 2005:105) adalah:
1. Jika pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka mengindikasikan terjadinya heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedatisitas.
d. Uji Autokorelasi
Menurut Ghozali (2005:95) uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya). Autokorelasi ini muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.
Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu (time series) karena “gangguan” pada seseorang individu / kelompok cenderung mempengaruhi “gangguan” pada individu / kelompok yang sama periode berikutnya.
Penggunaan program SPSS bertujuan untuk mendeteksi adanya problem autokorelasi adalah dengan melihat besaran DURBIN-WATSON yaitu panduan mengenai angka D-W (Durbin-Watson)pada tabel D-X.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
a. Angka D-W dibawah -2 berarti ada auotokorelasi positif b. Angka D-W diantara -2 sampai +2 berarti tidak ada
autokorelasi
Autokeralasi bisa diatasi dengan berbagai cara, misalnya dengan melakukan transformasi data dan menambah data observasi.
3. Pengujian Hipotesis Penelitian
Pengujian hipotesis yang digunakan dalam penelitian ini adalah dengan menggunakan analisis regresi berganda. Regresi berganda digunakan untuk menganalisis pengaruh variabel independen terhadap variabel dependennya. Berikut ini merupakan model regresi yang digunakan :
Y = a + b1 X1 + b2 X2 + e Keterangan :
Y = Rentabilitas Modal Sendiri a = Konstanta b1,b2 = Koefisien regresi X1 = Struktur modal X2 = Return on Asset e = Error a. Koefisien Determinasi (R2)
Koefisien Determinasi (R2) 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 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 varibel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat”.
H0 : b1 : b2 = 0, artinya variabel LDER dan ROA yang terdapat pada model ini tidak berpengaruh signifikan terhadap variabel ROE
Bentuk pengujian :
H1 : b1 : b2 ≠ 0, artinya variabel LDER dan ROA yang terdapat pada model ini berpengaruh signifikan terhadap variabel ROE. Pada penelitian ini nilai Fhitung akan dibandingkan dengan Ftabel pada tingkat signifikan (α) = 5%, dimana :
H0 diterima jika : Signifikansi > 0,05 H0 ditolak jika : Signifikansi ≤ 0,05
Kriteria penilaian hipotesis pada uji F ini, adalah :
a. jika Fhitung < Ftabel pada α 0.05, maka H1 ditolak dan b. jika Fhitung > Ftabel pada α 0.05, maka H1 dterima. c. Uji signifikan 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”.
H0 : b1: b2= 0, artinya tidak terdapat pengaruh yang signifikan dari LDER dan ROA terhadap variabel ROE.
Bentuk pengujian :
H1 : b1 : b2 ≠ 0 , artinya terdapat pengaruh yang signifikan dari LDER dan ROA terhadap variabel ROE.
Pada penelitian ini nilai T hitung akan dibandingkan dengan T
tabel pada tingkat signifikan (α) = 5%., dimana :
H0 diterima jika : Signifikan > 0,05 H0 ditolak jika : Signifikan ≤ 0,05
Kriteria pengambilan keputusan pada uji – t ini adalah :
a. jika Thitung < Ttabel pada α 0.05, maka H1 ditolak dan