BAB III METODOLOGI PENELITIAN
F. Teknik Analisis Data
Teknik analisis ini merupakan jawaban dari rumusan masalah yang akan
meneliti apakah maing–masing variable bebas (Return On Equity dan Net Profit
Margin) tersebut berpengaruh terhadap variable terikat Pertumbuhan laba baik secara parsial maupun simultan. Berikut adalah teknik analisis data yang
menjawab rumusan masalah dalam penelitian ini :
1. Uji Asumsi klasik
Pengujian asumsi klasik secara sederhana bertujuan untuk
mengidentifikasi apakah model regresi merupakan model yang baik atau tidak.
Ada beberapa pengujian asumsi klasik yang penulis gunakan dalam penelitian ini,
yaitu :
1. Regresi Linear Berganda
Untuk mengetahui hubungan variabel Return On Equity (ROE) dan Net
Profit Margin (NPM) terhadap pertumbuhan laba digunakan regresi linear berganda dengan rumus :
Y = α + β₁X₁ + β₂X₂
Sumber Sugiyono (2010, hal. 277)
Y = Pertumbuhan Laba α= Konstanta
β = Koefisien Regresi
X₁ = Return On Asset (ROA) X₂ = Net Profit Margin (NPM) a. Uji Normalitas
Pengujian ini bertujuan untuk menguji apakah dalam model regresi,
variabel dependen (terikat) dan variabel independen (bebas) keduanya mempunyai
distribusi normal atau tidak. Dalam dasar pengambilan keputusan dalam deteksi
normalitas yaitu jika data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal, maka model regresi memenuhi asumsi normalitas. Tetapi jika data
menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal,
maka model regresi tidak memenuhi asumsi normalitas. Uji normalitas yang
digunakan dalam penelitian ini, yaitu dengan:
Uji Kolmogorov Smirnov
Uji Kolmogorov Smirnov ini bertujuan agar dalam penelitian ini dapat
mengetahui berdistribusi normal atau tidakkah antara variabel independen dengan
variabel dependen ataupun keduanya.
H0: Data residual berdistribusi normal
Ha: Data residual tidak berdistribusi normal
Maka ketentuan untuk uji Kolmogorov Smirnov dalam penelitian ini
adalah sebagai berikut:
a) Asymp. Sig (2-tailed) > 0,05 (α = 5%, tingkat signifikan) maka data
berdistribusi normal.
b) Asymp. Sig (2-tailed) < 0,05 (α = 5%, tingkat signifikan) maka data
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel independen (bebas). Model regresi yang
baik seharusnya bebas multikolinearitas atau tidak terjadi korelasi antar variabel
independen (bebas). Uji multikolinearitas juga terdapat beberapa ketentuan, yaitu:
jika nilai Tolerance dan Value Inflation Factor (VIF) hasil regresi tidak melebihi
dari 4 atau 5, maka dapat dipastikan tidak terjadi multikolinearitas diantara
variabel independen (bebas) tersebut.
c. Uji Heteroskedastisitas
Uji ini bertujuan menguji apakah dalam model regresi terjadi adanya
ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain, jika
varian dari residual satu pengamatan yang lain tetap, maka disebut
homoskedas-tisitas dan jika berbeda disebut heteroskedashomoskedas-tisitas. Model regresi yang baik yaitu yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara mendeteksi ada
atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai
prediksi variabel dependen (terikat) yaitu ZPRED dengan residualnya SRESID.
Deteksi ada atau tidaknya heteroskedastisitas-nya dapat dilakukan dengan melihat
ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED
dimana sumbu Y adalah yang telah diprediksi dan sumbu X adalah residual (Y
prediksi-Y sesungguhnya) yang telah di standardized. Menurut Ghozali (2005,
a) Jika ada pola tertentu, seperti titik-titik yang membentuk suatu pola yang
teratur (bergelombang, melebar kemudian menyempit), maka
mengindikasikan telah terjadi heteroskedastisitas.
b) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan
dibawah angka 0 pada sumbu Y, maka dapat dipastikan tidak terjadi
heteroskedastisitas.
d. Uji Autokolerasi
Uji ini bertujuan untuk menguji apakah dalam sebuah model regresi linear
ada korelasi antara kesalahan penggunaan pada periode ke-t dengan kesalahan
pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Model regresi yang baik adalah bebas dari autokorelasi.
Autokorelasi digunakan untuk data time series (runtut waktu) bukan untuk data
cross section (misalnya angket). Salah satu cara dalam melakukan identifikasinya adalah dengan melihat nilai Durbin Watson (D–W). Kriteria pengujiannya adalah
sebagai berikut:
1) Jika nilai D–W di bawah -4, berarti ada autokorelasi positif.
2) Jika nilai D–W diantara –4 sampai +4 berarti tidak ada autokorelasi.
3) Jika nilai D–W di atas +4, berarti ada autokorelasi negatif.
2. Pengujian Hipotesis
Uji hipotesis digunakan untuk memeriksa atau menguji apakah koefisien
regresi yang didapat signifikan. Ada dua jenis koefisien regresi yang dapat
a. Uji t (Uji Persial)
Digunakan untuk menguji koefisien regresi secara individual. Pengujian
ini dilakukan untuk mengetahui apakah secara parsial masing-masing variabel
bebas mempunyai pengaruh signifikan atau tidak terhadap variabel terikat. Setelah
didapat nilai t hitung maka selanjutnya nilai t hitung dibandingkan dengan t table.
Untuk menguji signifikansi hubungan, digunakan rumus uji statistik t sebagai
berikut :
= √ − 2 √1 −
Sumber: Sugiyono (2010, hal.184) Keterangan :
t = nilai t hitung r = koefisien korelasi n = banyaknya sampel
Bentuk pengujian:
H0: rs = 0, artinya tidak terdapat hubungan signifikan antara variabel bebas
(X) dengan variabel terikat (Y).
H0: rs≠ 0, artinya terdapat hubungan yang signifikan antara variabel bebas (X) dengan variabel terikat (Y).
Kriteria pengambilan keputusan:
H0 diterima jika : –ttabel≤ thitung≤ ttabel, pada α = 5 %, df = n–2 H0 ditolak jika : thitung> ttabel atau –thitung>–ttabel
H0 diterima
-ttabel 0 ttabel
Gambar III.1 Kriteria Pengujian Hipotesis Uji t
b. Uji Signifikan Simultan (Uji Statistik F)
Uji F digunakan untuk melihat kemampuan menyeluruh dari setiap
variabel bebas (independen) untuk dapat menjelaskan keragaman variabel terikat,
serta untuk mengetahui apakah semua variabel memiliki regresi sama dengan nol.
Rumus uji F yang digunakan sebagai berikut:
= 1 − − − 1 Sumber: Sugiyono (2010, hal.192) Keterangan:
Fh = Nilai F hitung
R = Koefisien korelasi ganda k = Jumlah variabel independen n = Jumlah anggota sampel
Bentuk pengujian:
H0 = Tidak ada pengaruh yang signifikan Return On Equity (X1) dan Net Profit
Margin (X2) secara bersama-sama terhadap Pertumbuhan laba(Y).
Ha = Ada pengaruh signifikan Return On Equity (X1) dan Net Profit Margin
Kriteria pengambilan keputusan:
a. Tolak H0 apabila Fhitung>Ftabel atau –Fhitung<–Ftabel
b. Terima H0 apabila Fhitung<Ftabel atau –Fhitung>–Ftabel
H0 diterima
-Ftabel 0 Ftabel
Gambar III.2 Kriteria Pengujian Hipotesis Uji F
3. Koefisien Determinasi (R-Square)
Nilai R – Square adalah untuk bagaimana melihat variasi nilai variabel
terikat dipengaruhi oleh variasi nilai variabel bebas.
D = R x 100% Keterangan :
D = Determinasi
35 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN