BAB III METODE PENELITIAN
E. Metode Analisis Data
2. Uji Asumsi Klasik
Pengujian regresi linier berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lolos dari asumsi klasik. Syarat-syarat yang harus dipenuhi adalah data tersebut harus terdistribusikan secara normal, tidak mengandung multikolonieritas, dan heteroskedastisitas. Untuk itu sebelum melakukan pengujian regresi linier berganda perlu dilakukan lebih dahulu pengujian asumsi klasik, yang terdiri dari:
a. Uji Normalitas
Pengujian normalitas memiliki tujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
commit to user
Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogrov-Smirnov (K- S). Jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan diatas 0,05 maka data residual terdistribusi dengan normal. Sedangkan jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan dibawah 0,05 maka data residual terdistribusi tidak normal (Ghozali, 2006).
b. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen (Ghozali, 2006). Uji multikolonieritas ini digunakan karena pada analisis regresi terdapat asumsi yang mengisyaratkan bahwa variabel independen harus terbebas dari gejala multikolonieritas atau tidak terjadi korelasi antar variabel independen. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance lebih dari 0,10 atau sama dengan nilai VIF yang kurang dari 10 (Ghozali, 2006).
c. 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). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang
commit to user
waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena gangguan pada individu atau kelompok yang sama pada periode berikutnya. Pada data cross section (silang waktu), masalah autokorelasi relatif jarang terjadi karena gangguan pada observasi yang berbeda berasal dari individu atau kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozali, 2006). Jika ada masalah autokorelasi, maka model regresi yang seharusnya signifikan, menjadi tidak layak untuk dipakai (Santoso, 2000).
Dalam pengujian ada tidaknya masalah autokorelasi, peneliti akan menggunakan uji Run test dengan alat bantu SPSS. Menurut Ghozali (2006), jika nilai signifikansi > 0,05 maka tidak terjadi autokorelasi baik positif atau negatif.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Sebuah model regresi yang baik adalah model regresi yang mempunyai data yang homoskedastisitas atau tidak terjadi heterokedastisitas. Kebanyakan data cross section mengandung situasi heteroskedastisitas karena data ini menghimpun data yang
commit to user
mewakili berbagai ukuran (kecil, sedang, atau besar) (Ghozali, 2006). Untuk mendeteksi ada atau tidaknya heterokedastisitas dalam model, peneliti akan menggunakan uji Glejser dengan bantuan program SPSS. Apabila koefisien parameter beta > 0.05 maka tidak ada masalah heteroskedastisitas (Ghozali, 2006).
Penelitian ini menggunakan model regresi berganda (multiple regression analysis), karena terdiri dari satu variabel dependen dan beberapa variabel independen (Sekaran, 2006). Persamaan regresi dirumuskan sebagai berikut:
PE = α + b1MAND + b2EFEK + b3EFIS + b4RBO + b5RBM + e
Tabel 3.1
Keterangan Persamaan Regresi Berganda
3. Uji Hipotesis
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of Fit-nya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik (Ghozali, 2006).
Simbol Keterangan
PE MAND
Pertumbuhan Ekonomi Rasio Kemandirian EFEK Rasio Efektivitas EFIS Rasio Efisiensi
RBO Rasio Belanja Operasional RBM Rasio Belanja Modal α
β1, …,β5
Konstan
Koefisien regresi
commit to user
a. Model Regresi
Pengujian ini untuk mengetahui apakah model regresi yang digunakan layak (fit) untuk melakukan pengujian hipotesis dalam penelitian ini. Pengujian ini dilakukan dengan alat bantu program SPSS versi 16.0. Kriteria pengujiannya adalah seperti berikut ini. 1) H0 tidak ditolak dan HA tidak mampu didukung yaitu apabila ρ
value > 0.05 atau bila nilai signifikansi lebih dari nilai alpha 0,05 berarti model regresi dalam penelitian ini tidak layak (fit) untuk digunakan dalam penelitian.
2) H0 ditolak dan HA berhasil didukung yaitu apabila ρ value > 0.05 atau bila nilai signifikansi kurang dari nilai alpha 0,05 berarti model regresi dalam penelitian ini layak (fit) untuk digunakan dalam penelitian.
b. Uji Koefisien Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Koefisien determinasi ini digunakan karena dapat menjelaskan kebaikan dari model regresi dalam memprediksi variabel dependen. Semakin tinggi nilai koefisien determinasi maka akan semakin baik pula kemampuan variabel independen dalam menjelaskan variabel dependen (Ghozali, 2006).
Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam
commit to user
menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
c. Uji Signifikasi Parameter Individual
Uji ini digunakan untuk mengetahui apakah variabel bebas secara individual mempengaruhi variabel terikat dengan asumsi variabel independen lainnya konstan. Kriteria pengujiannya adalah seperti berikut ini.
1) H0 tidak ditolak dan HA tidak berhasil didukung yaitu apabila ρ
value < 0.05 atau bila nilai signifikansi lebih dari nilai alpha 0,05 berarti variabel independen secara individual tidak berpengaruh terhadap variabel dependen.
2) H0 ditolak dan HA berhasil didukung yaitu apabila ρ value > 0.05 atau bila nilai signifikansi kurang dari nilai alpha 0,05 berarti variabel independen secara individual berpengaruh terhadap variabel dependen.
commit to user