BAB III METODE PENELITIAN
F. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah
metode analisa statistik dengan menggunakan SPSS. Peneliti melakukan
terlebih dahulu uji asumsi klasik sebelum melakukan pengujian hipotesis.
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi
regresi yang dilakukan benar-benar bebas dari adanya gejala
regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi
persyaratan BLUE (Best Linear Unbiased Estimator) yakni tidak terdapat
heteroskedastisitas, tidak terdapat multikolinieritas, dan tidak terdapat
autokorelasi. Jika terdapat heteroskedastisitas, maka varian tidak konstan
sehingga dapat menyebabkan biasnya standar error. Jika terdapat
multikolinieritas, maka akan sulit untuk mengisolasi pengaruh-pengaruh
individual dari variabel, sehingga tingkat signifikansi koefisien regresi
menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih
tetap bias namun tetap konsisten hanya saja menjadi tidak efisien. Oleh karena
itu, uji asumsi klasik perlu dilakukan. Uji asumsi klasik yang dilakukan
peneliti meliputi uji normalitas, uji multikolinearitas, uji heteroskedastisitas,
dan uji autokorelasi.
a. Uji Normalitas
Tujuan uji normalitas ini adalah ingin mengetahui apakah dalam
model regresi antara variabel dependen dengan variabel independen memiliki
distribusi normal atau tidak. Model regresi yang baik adalah memiliki
distribusi data normal atau mendekati normal. Uji normalitas perlu dilakukan
untuk menentukan alat statistik yang dilakukan, sehingga kesimpulan yang
diambil dapat dipertanggungjawabkan. Proses uji normalitas data dilakukan
dengan menggunakan uji Kolmogorov Smirnov. Distribusi data dapat dilihat
1) Jika Zhitung (Kolmogorov Smirnov) < Ztabel (1,96), atau angka signifikan >
taraf signifikansi (α) 0,05 maka distribusi data dikatakan normal,
2) Jika Zhitung (Kolmogorov Smirnov) > Ztabel (1,96), atau 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 standizzed residual
variabel independen, dimana:
1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas,
2) Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah
garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi
mempunyai korelasi antar variabel independen. Multikolinieritas adalah ada
tidaknya korelasi yang sempurna atau korelasi yang tidak sempurna tetapi
relatif tinggi pada variabel-variabel bebasnya (Umar, 2003 : 132). Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebasnya
(Ghozali, 2005 : 91). Cara untuk menguji ada tidaknya multikolinieritas, yaitu:
1) nilai R2 pada estimasi model regresi,
3) menggunakan variance inflation factor dan nilai tolerance.
Multikolinieritas terjadi jika VIF lebih dari 5 dan nilai tolerance lebih
kecil dari 0,10.
Pengujian multikolinieritas data dalam penelitian ini
menggunakan variance inflation factor dan nilai tolerance. Model regresi
linier berganda harus terbebas dari gejala multikolinieritas agar dapat
digunakan dalam penelitian.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah di dalam
model regresi terjadi ketidaksamaan variabel dari residual suatu
pengamatan ke pengamatan yang lain (Ghozali, 2005 : 11). Model regresi
yang baik adalah terjadi homokedastisitas. Untuk melihat ada tidaknya
heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot.
Cara memprediksi pola gambar Scatterplot adalah dengan :
1) titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0,
2) titik-titik data tidak mengumpul hanya di atas atau di bawah saja,
3) penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar,
d. Uji Autokorelasi
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) (Ghozali,
2005 : 95). Metode regresi yang baik apabila tidak terdapat autokorelasi.
Autokorelasi sering terjadi pada sampel dengan data time series. Pengujian
autokorelasi dilakukan dengan menggunakan uji Durbin-Watson. Kriteria
untuk penilaian terjadinya autokorelasi (Situmorang, 2010) yaitu:
Tabel 3.4
Kriteria Pengambilan Keputusan Autokolerasi
Hipotesis nol Keputusan Jika
Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif Tidak ada autokorelasi positif atau negatif Tolak No decision Tolak No decision Tidak ditolak 0 < du < dl dl ≤ d ≤ du 4 – dl < d < 4 4 – du ≤ d ≤ 4 – dl du < d < 4 – du 2. Pengujian Hipotesis
a. Model Regresi Linier Berganda
Model regresi linier berganda adalah model regresi yang
memiliki lebih dari satu variabel independen. Model regresi linier
berganda dikatakan model yang baik jika model tersebut memenuhi
asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik
baik multikolinieritas, autokorelasi dan heteroskedastisitas. Persamaan
regresi linier berganda yaitu :
Dimana:
Y = Return on Assets (ROA)
a = konstanta
X1 = perputaran persediaan
X2 = perputaran piutang
X3 = perputaran aktiva tetap
b1 ,b2 ,b3 = koefisien regresi
e = variabel penganggu
b. Uji Parsial (t-test)
Uji parsial digunakan untuk menguji seberapa jauh pengaruh satu
variabel penjelas/independen secara individual dalam menerangkan variasi
variabel dependen (Ghozali, 2005 : 84). Hipotesis statistik yang diajukan
adalah :
H1 : bi≠ 0 : ada pengaruh.
Kriteria yang digunakan dalam menerima atau menolak hipotesis
adalah :
a. H1 diterima apabila thitung > ttabel, pada α = 5% dan nilai probabilitas <
level of significant sebesar 0,05,
b. H1 ditolak apabila thitung < ttabel, pada α = 5% dan nilai probabilitas >
c. Uji Simultan (F-test)
Uji F dilakukan untuk menunjukkan apakah semua variabel
independen atau bebas yang dimasukkan dalam model regresi berganda
mempunyai pengaruh secara bersama- sama terhadap variabel dependen
(Ghozali, 2005 : 84). Hipotesis yang akan diuji adalah sebagai berikut :
H1 : b0 = b1 = b2 ≠ 0 : semua variabel independen berpengaruh secara bersama.
Kriteria yang digunakan dalam menerima atau menolak hipotesis
adalah :
a. H1 diterima apabila Fhitung > Ftabel, pada α = 5% dan nilai probabilitas <
level of significant sebesar 0,05,
b. H1 ditolak apabila Fhitung < Ftabel, pada α = 5% dan nilai probabilitas >