METODE PENELITIAN 3.1 Jenis Penelitian
3.8 Teknik Analisis
Teknik analisis yang digunakan dalam penelitian ini adalah metode analisis deskriptif dan analisis regresi. Metode Deskriptif adalah suatu metode analisis data dengan mengumpulkan data, menyusun, menginterpretasikan dan menganalisis data tersebut sehingga memberikan keterangan yang lengkap bagi pemecahan masalah yang dihadapi dalam penelitian ini.
Analisis regresi berganda dilakukan untuk mengetahui adanya pengaruh ada hubungan antara variabel-variabel independen dengan variabel dependen dengan menggunakan nilai beta unstandardized karena variabel yang digunakan mempunyai satuan yang sama yaitu persentase. Mekanisme analisis regresi berganda dilakukan dengan pengujian asumsi klasik (teoritis) meliputi uji normalitas data, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi, dilanjutkan dengan pengujian hipotesis. Untuk mengetahui proporsi dari total variasi variabel dependen yang dijelaskan oleh beberapa variabel independen secara bersama-sama diukur melalui koefisien determinasi yang dinyatakan dalam nilai . Kemudian dilakukan uji signifikansi keseluruhan terhadap regresi berganda yang ditaksir, dalam hal ini ROA berkorelasi linear dengan Current ratio, Cash ratio, Quick Ratio Working capital to total asset ratio, inventory turnover secara bersama-sama yang dikenal dengan uji
statistik f. Selanjutnya dilakukan uji signifikansi t yakni menguji signifikansi koefisien regresi (beta) masing-masing variabel independen secara parsial.
Model regresi yang dirumuskan dalam penelitian ini adalah: ROA = a + β1 QR + β2 WCTA+ β3 IT + β4 OR + β5 TIE + e dimana:
ROA = Return on asset
QR = Quic Ratio
WCR = Working capital to total asset ratio IT = Inventory turnover
OR = Operating Ratio TIE = Time Interest Earned
a = Koefisien konstanta (intercept)
β1 – β5 = Koefisien variabel independen
e = Variabel Pengganggu
3.8.1.1 Pengujian Asumsi Klasik
Sehubungan dengan penggunaan data sekunder dalam penelitian ini, maka untuk mendapatkan ketepatan model yang akan dianalisis perlu dilakukan pengujian atas beberapa persyaratan asumsi klasik yang mendasari model regresi di atas. Pengujian asumsi klasik ini terdiri dari uji normalisasi, uji multikolinieritas, uji heteroskedastisitas, serta uji autokorelasi.
3.8.1.1.1 Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regressi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak. Model regressi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas dapat dilakukan dengan uji statistik. Test statistik sederhana yang dapat dilakukan adalah berdasarkan nilai kurtosis atau skewness. Nilai Z dari uji Skewness dapat dihitung dengan rumus sebagai berikut: (Erlina, 2011:102)
Zhitung =
Sedangkan nilai t kurtosis dapat dihitung dengan rumus: Zkurtosis
=
Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistic menjadi tidak valid untuk jumlah sampel kecil. (Erlina, 2011:101)
3.8.1.1.2 Multikolinearitas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variable independen. Model regresi yang baik seharusnya tidak trejadi korelasi diantara variable independen. Bayak cara yang dapat digunakan untuk mendeteksi adanya multikolinearitas, namun tidak ada kesepakatan umum tentang tentang uji yang paling tepat. Ada dua uji multikolinearitas yang sering digunakan yaitu dengan melihat nilai Variance Inflation Faktor (VIF).
VIF =
VIF yang tinggi menunjukkan bahwa multikolinearitas telah menaikkan sedikit varian pada koefisisn estimasi, akibatnya menurunkan nilai t. semakin tinggi VIF, semaik berat dampak dari multikolinearitas. Pada umumnya jika nilai VIF>10, maka terjadi multikolinearitas yang cukup berat diantara variable independen. (Erlina, 2011:104).
Disamping itu, cara lain yang dapat digunakan untuk mendeteksi adanya gejala multikolinearitas adalah dengan melihat koefisien korelasi sedrhana antara variabel-variabel independen/penjelas. Apabila r tinggi nilai absolutnya, maka ada dua variabel penjelas tertentu berkorelasi dan masalah multikolinearitas ada dalam persamaan tersebut. Suatu model terdapat gejala multikolinearitas, jika korelasi diantar variabel independen lebih besar dari 0.8 (Erlina, 2011:104).
Uji Heteroskedastisitas dilakukan untuk mendeteksi adanya penyebaran atau pancaran dari variabel-variabel. Selain itu juga untuk menguji apakah dalam sebuah model regressi terjadi ketidaksamaan varian dari residual dari satu pengamatan ke pengamatan yang lain. Jika varian dari residual dari pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regressi yang baik adalah tidak terjadi heteroskedastisitas. Uji heteroskedastisitas pada penelitian ini menggunakan metode grafik untuk melihat pola dari variabel yang ada berupa sebaran data. Salah satu cara untuk melihat ada tidaknya heterokedastisitas adalah dengan melihat scatter diagram nilai residu terhadap waktu atau terhadap satu dari lebih variabel-variabel bebas yang diduga sebagi penyebab heterokedastisistas. Suatu model mengandung heterokedastisistas apabila nilai-niai residunya membentuk pola sebaran yang meningkat, yaitu secara terus menerus bergerak menjauhi garis
nol. Selain itu dapat juga dilihat melalui grafik normalitasnya terhadap variabel yang digunakan. Jika data yang dimiliki terletak menyebar disekitar garis diagonal dan mengikuti arah garis diagonal maka model regressi memenuhi asumsi normalitas dan tidak ada yang berpencar maka dapat dikatakan tidak
terjadi heteroskedastisitas tetapi homokedastisitas. Untuk mengetahui adanya
gejala heteroskedastisitas dalam model regresi, maka digunakan uji Glejser yang dilakukan dengan menggunakan rumus:
[ei] = βi Xi + Vi
dimana:
e
i = ResidualXi = Variabel independen yang diperkirakan mempunyai hubungan erat dengan variance ( i2)
Vi = Unsur kesalahan 3.8.1.1.4 Autokorelasi
Pengujian asumsi klasik yang keempat pada model regresi adalah uji autokorelasi, yang digunakan untuk mengetahui apakah pada
model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1.
Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Gejala autokorelasi tersebut dapat dengan menggunakan Durbin-Watson test melalui nilai DW yang diperoleh, yang berpedoman pada angka pada skala dl, du, 4-du, dan 4-dl. Pedoman pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: (Erlina, 2011:107)
3.8.1.1.4.1 Bila nilai DW terletak di antara batas atas atau upper bond (DU), yaitu antara DU dan 4-DU, maka koefisien autokorelasi sama dengan nol yang berarti tidak terjadi autokorelasi
3.8.1.1.4.2 Bila nilai DW lebih rendah dari batas bawah atau lower bound (DL), maka koefisien autokorelasi
lebih besar dari nol yang berarti terjadi autokorelasi positif.
3.8.1.1.4.3 Bila nilai DW lebih besar daripada (4-DL), maka koefisien autokorelasi lebih kecil dari nol yang berarti terjadi autokorelasi negatif
3.8.1.1.4.4 Bila nilai DW terletak di antara batas atas (DU) dan batas bawah (DL), yaitu antara DUdan DLatau antara (4-DU) dan (4-DL), maka hasilnya tidak dapat disimpulkan. 3.9 Pengujian Hipotesis
Untuk melakukan pengujian terhadap hipotesis-hipotesis yang diajukan, perlu digunakan analisis regresi melalui uji t maupun uji f. Tujuan digunakan analisis regresi adalah untuk mengetahui pengaruh variabel-variabel independen terhadap variabel-variabel dependen, baik secara parsial maupun secara simultan, serta mengetahui besarnya dominasi variabel-variabel independen terhadap variabel-variabel dependen.
3.9.1 Uji t statistik
Dalam melakukan uji hipotesis pertama dan hipotesis ke dua, digunakan uji t. Uji t dilakukan untuk mengetahui ada tidaknya pengaruh yang signifikan dari masing-masing variabel independen
terhadap variabel dependen. Uji t ini dilakukan dengan cara menilai tingkat signifikansi t hitung, dimana apabila tingkat signifikansi tersebut lebih kecil dari alfa (α), maka berarti terdapat pengaruh yang signifikan antara variabel independen terhadap variabel dependen, sehingga hipotesis diterima.
Uji keberartian koefisien (bi) dilakukan dengan statistik-t. Hal ini digunakan untuk menguji koefisien regresi secara parsial dari variabel independennya. Uji ini dilakukan untuk menguji hipotesis pertama dan hipotesis kedua, adapun hipotesis dirumuskan sebagai berikut :
H0: β1 s/d 5 = 0 dan H1: β1 s/d 5 ≠ 0
Artinya terdapat pengaruh yang signifikan dari variabel independen (Xi) terhadap variabel dependen (Y).
Nilai t-hitung dapat dicari dengan rumus:
t
hitung = bi Error Standar (bi) regresi KoefisienJika t hitung > t tabel(α, n-k-l), maka H0 ditolak; dan Jika t hitung < t tabel(α, n-k-l), maka H0 diterima. 3.9.2 Uji F Statistik
Uji ini digunakan untuk menguji keberartian pengaruh dari seluruh variabel independen secara bersama-sama terhadap variabel dependen. Hipotesis ini dirumuskan sebagai berikut :
H0 : p = 0 H1 : p ≠ 0
Nilai F hitung dapat dicari dengan rumus :
F hitung = K) -(N / R2) -(1 1) -(k / 2 R
Jika F hitung > F tabel ( α, k-1, n-k), maka H0 ditolak dan H1 diterima atau dikatakan signifikan, artinya secara bersama-sama variabel bebas (X1 s/d X5) berpengaruh signifikan terhadap variabel dependen (Y) = hipotesis diterima.
Jika F hitung < F tabel ( α, k-1, n-k), maka H0 diterima dan H1 ditolak atau dikatakan tidak signifikan, artinya secara bersama-sama variabel bebas (X1 s/d X5) berpengaruh tidak signifikan terhadap variabel dependen (Y) = hipotesis ditolak.