METODE PENELITIAN
F. Teknik Analisis
Analisis statistik deskriptif bertujuan untuk memberikan gambaran umum tentang semua variabel yang digunakan dalam suatu penelitian. Selain itu, analisis ini berkaitan dengan data yang tersedia dan tidak memberikan perkiraan untuk menguji hipotesis. Nilai pengukuran yang digunakan dalam penelitian ini mewakili mean, standar deviasi, nilai maksimum dan minimum dari semua variabel tersebut (Ghozali, 2016).
Pengukuran yang berbeda memberikan gambaran atau gambaran informasi dilihat dari normal (mean), standar deviasi, perubahan terbesar dan terkecil. Fluktuasi dan standar deviasi mengatasi penyimpangan informasi dari mean. Dengan asumsi simpangan bakunya kecil, ini berarti bahwa contoh atau harga masyarakat dikumpulkan di sekitar nilai rata-rata, kemudian, pada saat itu, cenderung disimpulkan bahwa setiap individu dari contoh atau masyarakat memiliki kesamaan.
Untuk mengkaji informasi penelitian ini, penulis menggunakan teknik investigasi kuantitatif. penelitian kuantitatif yang digunakan dalam tinjauan ini adalah untuk mengklarifikasi hubungan praktis antara faktor bebas dan variabel terikat yang sangat penting nilainya dari keuntungan. Dalam tinjauan ini, hasil yang didapat harus dicoba sebelum memasuki siklus penyelidikan.
Model analisis data yang digunakan dalam penelitian ini untuk menguji hipotesis adalah dengan menggunakan analisis regresi berganda. Data yang terkumpul terlebih dahulu dilakukan melalui uji hipotesis klasik, uji analisis regresi berganda, uji kelayakan model (goodness of fit test), dan uji t yang menguji pengaruh masing-masing variabel independen terhadap beberapa variabel dependen. Akan dianalisis.
1. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis melalui analisis regresi berganda terlebih dahulu data perlu di uji dengan asumsi klasik yang menurut : uji normalitas, uji multikollinieritas, uji heteroskedastisitas.
1) Uji Normalitas Data
Uji normalitas merupakan buat menguji apakah model regresi, variabel independen, ataupun residual mempunyai distribusi normal.
Seperti yang kita ketahui, hipotesis nilai t dan F residual mengikuti distribusi normal. Jika asumsi ini dilanggar, maka uji statistik tidak valid untuk sampel kecil (Ghozali, 2016).
Penelitian ini menggunakan uji statistik nonparametrik (KS) Kolmogorov-smirnov untuk mendeteksi apakah residual berdistribusi normal. Dasar penilaian uji normalitas, yaitu nilai signifikansi yang lebih besar dari 0,05 menunjukkan bahwa data terdistribusi normal, dan
signifikansi yang lebih kecil dari 0,05 menunjukkan bahwa data tidak berdistribusi normal.
2) Uji Multikolinieritas
Uji multikollinearitas digunakan untuk menguji data dalam pemeriksaan tanda-tanda multikollinearitas dan untuk menguji ada tidaknya korelasi antara variabel bebas dari model regresi (Maharani, 2021).
Hubungan linier berganda dapat dilihat dari (i) nilai varians dan inversnya (ii) varians dari faktor inflasi/variabel faktor inflasi (VIF). Bagian yang sering digunakan. Metode pendeteksian adanya uji multikollinieritas adalah dengan nilai toleransi < 0,10 atau sama dengan nilai VIF > 10, dan tingkat korelasi antara lebih dari 95%.
3) Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah terdapat nilai yang konstan atau sama pada residual atau regresi varians setiap periode. Jika terdapat perbedaan antara varians suatu residual dengan pengamatan lainnya, maka dapat disebut heteroskedastisitas (Gozali, 2016).
Uji varians tidak seragam diuji menggunakan metode glejser.
Cara untuk mendeteksi uji ketidakseragaman ini adalah dengan melihat nilai signifikansinya. Jika nilai signifikansinya < 0,05 maka dapat disimpulkan bahwa model regresi memiliki varians yang tidak seragam, tetapi jika nilai signifikansinya 0,05 maka masalah varians tidak seragam.
2. Uji Analisis Regresi Berganda
Melalui uji signifikansi kelayakan model (uji statistik F), uji koefisien determinasi (R2) dan uji signifikansi parameter individual (uji statistik t) untuk uji analisis regresi linier berganda. Alpha 5% digunakan untuk mengevaluasi signifikansi model yang diuji dan pengaruh parsial variabel independen terhadap variabel dependen. Nilai koefisien terminasi digunakan untuk menentukan daya prediksi suatu model yang nilainya 0 atau 1. Nilai R2 yang kecil berarti penjelasan variabel bebas sangat terbatas (Fitriah, 2020).
Oleh karena itu, analisis regresi berganda digunakan untuk mengetahui seberapa besar pengaruh variabel bebas terhadap variabel terikat. Persamaan analisis regresi linier berganda dapat dinyatakan sebagai:
𝐘 = 𝐚 + 𝛃𝟏𝐗𝟏+ 𝛃𝟐𝐗𝟐+ 𝛃𝟑𝐗𝟑+ 𝛆
Keterangan:
Y = Relevansi Nilai Laba Akuntansi
a = Konstanta
β1. β2. β3 = Koefisien Regresi Variabel Independen X1 = Resiko Perusahaan
X2 = Leverage
X3 = Kesempatan Bertumbuh
ε = standar eror
3. Uji Hipotesisi 1) Uji statistik t
Uji statistik t digunakan untuk menguji sejauh mana dampak variabel bebas dari variabel terikat (Ghozali, 2016). Nilai signifikansi 0,05 yang berarti terdapat pengaruh kritis antara satu variabel bebas terhadap variabel, sedangkan dengan asumsi nilai signifikan > 0,05 tidak terdapat pengaruh antara satu variabel bebas terhadap variabel.
Derajat kepastian yang digunakan adalah 95% atau tingkat signifikan 5% (α=0,05).
Prinsip uji spekulasi positif adalah:
a. Jika t hitung > t tabel atau sebaliknya dengan asumsi p value <=
0,05, maka pada saat itu Ho Tolak atau Ha mengakui, yang berarti bahwa faktor bebas mempengaruhi variabel terikat.
b. Jika t hitung < t tabel atau sebaliknya dengan asumsi p value >=
0,05 maka pada saat itu Ho Tidak menampik atau tidak mengakui, hal ini menunjukkan bahwa variabel bebas tidak berpengaruh terhadap variabel terikat.
prinsip uji spekulasi negatif:
a. Dengan asumsi -t hitung <-t tabel, atau pesteem <= 0,05, Ho ditolak atau Ha diakui. Artinya faktor independen mempengaruhi variabel yang mempengaruhinya.
b. Jika - t hitung > - t tabel atau pesteem >= 0,05 maka pada saat itu Ho diakui atau Ha ditolak, yang berarti bahwa faktor bebas tidak berpengaruh terhadap variabel terikat.
2) Uji Koefisien Determinasi (R2)
Uji koefisien determinasi (R2) dirancang untuk menghitung persentase variabel dependen penjelas berdasarkan model yang diteliti (Ghozali, 2016). Nilai koefisien determinasi dianggap besar, sehingga dapat ditarik kesimpulan tentang variabel bebas dan informasi yang dibutuhkan untuk memprediksi perubahan variabel terikat. Namun, dibandingkan dengan nilai koefisien determinasi yang relatif kecil, dapat dikatakan bahwa kemampuan variabel independen untuk memberikan informasi yang diperlukan untuk memprediksi perubahan variabel dependen terbatas (Maharani, 2021).
Koefisien determinasi (R2) pada dasarnya mengukur tingkat akurasi atau kesesuaian regresi berganda, yaitu goodress of fit dari regresi berganda, yaitu kontribusi seluruh variabel independen terhadap variabel dependen. Adjusted R-squared digunakan dalam penelitian ini karena ada beberapa variabel independen yang digunakan dalam penelitian ini.
54 BAB IV