ANALISIS DATA DAN PEMBAHASAN
A. Statistik Deskriptif
3. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui apakah ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
(sebelumnya). Penelitian ini menggunakan alat uji runs test untuk menguji ada tidaknya autokorelasi. Dari hasil pengujian ini dapat dilihat ada tidaknya autokorelasi berdasarkan pada nilai asymp. sig dalam uji run test. Apabila asymp. sig. lebih besar dari 5%, maka tidak terjadi gejala autokorelasi dan sebaliknya jika asymp. sig. lebih kecil 5% maka terjadi gejala aoutokorelasi dalam model regresi yang digunakan dalam penelitian ini. Berikut ini disajikan hasil uji runs test untuk mengindikasikan asumsi autokorelasi dalam model regresi yang digunakan dalam penelitian ini.
commit to user Tabel IV.12
Uji Autokorelasi untuk LNFV sebagai Variabel Dependen melalui Uji Runs Test (Persamaan 1)
Unstandardized Residual
Test Valuea -0.18109
Cases < Test Value 65
Cases >= Test Value 66
Total Cases 131
Number of Runs 60
Z -1.140
Asymp. Sig. (2-tailed) 0.254
a. Median
Sumber: Output SPSS (data sekunder diolah, 2012)
Tabel IV.12 menunjukkan hasil pengujian runs test pada persamaan 1 menunjukkan bahwa Asymp. Sig. sebesar 0,254. Berdasarkan ketentuan yang berlaku umum, apabila nilai asymp sig > 5% maka dapat dinyatakan tidak terdapat autokorelasi, sehingga dapat disimpulkan bahwa tidak terjadi gejala autokorelasi dalam model persamaan 1.
Tabel IV.13
Uji Autokorelasi untuk LNFV sebagai Variabel Dependen melalui Uji Runs Test (Persamaan 2)
Unstandardized Residual
Test Valuea -0.21100
Cases < Test Value 65
Cases >= Test Value 66
Total Cases 131
Number of Runs 58
Z -1.490
Asymp. Sig. (2-tailed) 0.136
a. Median
Sumber: Output SPSS (data sekunder diolah, 2012)
Tabel IV.13 menunjukkan hasil pengujian runs test pada persamaan 2 menunjukkan bahwa Asymp. Sig. sebesar 0,136. Berdasarkan ketentuan yang berlaku umum, apabila nilai asymp sig > 5% maka dapat dinyatakan tidak terdapat
commit to user
autokorelasi, sehingga dapat disimpulkan bahwa tidak terjadi gejala autokorelasi dalam model persamaan 2.
Tabel IV.14
Uji Autokorelasi untuk LNFV sebagai Variabel Dependen melalui Uji Runs Test (Persamaan 3)
Unstandardized Residual
Test Valuea -0.02294
Cases < Test Value 65
Cases >= Test Value 66
Total Cases 131
Number of Runs 56
Z -1.841
Asymp. Sig. (2-tailed) 0.066
a. Median
Sumber: Output SPSS (data sekunder diolah, 2012)
Tabel IV.14 menunjukkan hasil pengujian runs test pada persamaan 3 menunjukkan bahwa Asymp. Sig. sebesar 0,066. Berdasarkan ketentuan yang berlaku umum, apabila nilai asymp sig > 5% maka dapat dinyatakan tidak terdapat autokorelasi, sehingga dapat disimpulkan bahwa tidak terjadi gejala autokorelasi dalam model persamaan 3.
Tabel IV.15
Uji Autokorelasi untuk LNFV sebagai Variabel Dependen Dengan KM sebagai Pemoderasi melalui Uji Runs Test (Persamaan 4)
Unstandardized Residual
Test Valuea -0,15644
Cases < Test Value 65
Cases >= Test Value 66
Total Cases 131
Number of Runs 56
Z -1,841
Asymp. Sig. (2-tailed) 0,066
a. Median
Sumber: Output SPSS (data sekunder diolah, 2012)
Tabel IV.15 menunjukkan hasil pengujian runs test pada persamaan 4 menunjukkan bahwa Asymp. Sig. sebesar 0,066. Berdasarkan ketentuan yang berlaku umum Apabila nilai asymp sig > 5% maka dapat dinyatakan tidak terdapat
commit to user
autokorelasi, sehingga dapat disimpulkan bahwa tidak terjadi gejala autokorelasi dalam model persamaan 4.
Tabel IV.16
Uji Autokorelasi untuk LNFV sebagai Variabel Dependen Dengan KM sebagai Pemoderasi melalui Uji Runs Test (Persamaan 5)
Unstandardized Residual
Test Valuea -0.17550
Cases < Test Value 65
Cases >= Test Value 66
Total Cases 131
Number of Runs 64
Z -0.438
Asymp. Sig. (2-tailed) 0.661
a. Median
Sumber:Output SPSS (data sekunder diolah, 2012)
Tabel IV.15 menunjukkan hasil pengujian runs test pada persamaan 5 bahwa Asymp. Sig. sebesar 0,661. Berdasarkan ketentuan yang berlaku umum Apabila nilai asymp sig > 5% maka dapat dinyatakan tidak terdapat autokorelasi, sehingga dapat disimpulkan bahwa tidak terjadi gejala autokorelasi dalam model persamaan 5
Tabel IV.17
Uji Autokorelasi untuk LNFV sebagai Variabel Dependen Dengan KM sebagai Pemoderasi melalui Uji Runs Test (Persamaan 6)
Unstandardized Residual
Test Valuea -0.15418
Cases < Test Value 65
Cases >= Test Value 66
Total Cases 131
Number of Runs 56
Z -1.841
Asymp. Sig. (2-tailed) 0.066
a. Median
Sumber:Output SPSS (data sekunder diolah, 2012)
Tabel IV.17 menunjukkan hasil pengujian runs test pada persamaan 6 bahwa Asymp. Sig. sebesar 0,066. Berdasarkan ketentuan yang berlaku umum Apabila nilai
commit to user
asymp sig > 5% maka dapat dinyatakan tidak terdapat autokorelasi, sehingga dapat disimpulkan bahwa tidak terjadi gejala autokorelasi dalam model persamaan 6. 4. Uji Heterokedastisitas
Uji heterokedastisitas digunakan untuk mengetahui apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Penelitian ini menggunaan alat uji glejser untuk mendeteksi ada atau tidaknya heterokedastisitas.
Tabel IV.18
Uji Heterokedastisitas untuk LNFV sebagai Variabel Dependen melalui Uji Glejser (Persamaan 1, 2 dan 3)
Variabel Sig Kriteria Keterangan
ROE 0.070
Sig>0,05 Tidak terjadi Heterokedastisitas
ROA 0.165
Sig>0,05 Tidak terjadi Heterokedastisitas
LNEPS 0.058
Sig>0,05 Tidak terjadi Heterokedastisitas Sumber: Output SPSS (data sekunder diolah, 2012)
Tabel IV.18 menunjukkan hasil pengujian heterokedastisitas pada melalui uji glejser. Menunjukkan bahwa nilai sig untuk variabel independen ROE dalam persamaan 1 adalah sebesar 0,070, variabel ROA pada persamaan 2 sebesar 0,165 dan variabel LNEPS pada persamaan 3 sebesar 0,058. Hasil uji tersebut mengindikasikan bahwa tidak terjadi gejala heterokedastisitas pada persamaan regresi yang digunakan dalam penelitian karena seluruh variabel independen dalam persamaan 1,2 dan 3 telah memenuhi kriteria nilai probabilitas (Sig) > 0,05.
commit to user Tabel IV.19
Uji Heterokedastisitas untuk LNFV sebagai Variabel Dependen Dengan Kmsebagai Pemoderasi melalui Uji Glejser (Persamaan 4)
Variabel Sig Kriteria Keterangan
ROE 0.318 Sig>0,05 Tidak terjadi Heterokedastisitas KM 0.461 Sig>0,05 Tidak terjadi Heterokedastisitas MOD_ROE_KM 0.756 Sig>0,05 Tidak terjadi Heterokedastisitas Sumber: Output SPSS (data sekunder diolah, 2012)
Tabel IV.19 merupakan hasil pengujian heterokedastisitas pada persamaan 4 melalui uji glejser di atas menunjukkan bahwa nilai sig untuk variabel independen ROE dalam persamaan ini adalah sebesar 0,318, variabel KM sebesar 0,461 dan variabel Mod_ROE_KM sebesar 0,756. Hasil uji tersebut mengindikasikan bahwa tidak terjadi gejala heterokedastisitas pada persamaan regresi yang digunakan dalam penelitian karena seluruh variabel independen dalam persamaan 4 telah memenuhi kriteria nilai probabilitas (Sig) > 0,05.
Tabel IV.20
Uji Heterokedastisitas untuk LNFV sebagai Variabel Dependen Dengan KM sebagai Pemoderasi melalui Uji Glejser (Persamaan 5)
Variabel Sig Kriteria Keterangan
ROA 0.101 Sig>0,05 Tidak terjadi Heterokedastisitas KM 0.184 Sig>0,05 Tidak terjadi Heterokedastisitas MOD_ROA_KM 0.493 Sig>0,05 Tidak terjadi Heterokedastisitas
Sumber: Output SPSS (data sekunder diolah, 2012)
Tabel IV.20 merupakan hasil pengujian heterokedastisitas pada persamaan 5 melalui uji glejser di atas menunjukkan bahwa nilai sig untuk variabel independen ROA dalam persamaan ini adalah sebesar 0,101, variabel KM sebesar 0,184 dan variabel Mod_ROA_KM sebesar 0,493. Hasil uji tersebut mengindikasikan bahwa tidak terjadi gejala heterokedastisitas pada persamaan regresi yang digunakan dalam
commit to user
penelitian karena seluruh variabel independen dalam persamaan 5 telah memenuhi kriteria nilai probabilitas (Sig) > 0,05.
Tabel IV.21
Uji Heterokedastisitas untuk LNFV sebagai Variabel Dependen melalui Uji Glejser (Persamaan 6)
Variabel Sig Kriteria
Keterangan
LNEPS
0.194 Sig>0,05 Tidak terjadi Heterokedastisitas
KM
0.423 Sig>0,05 Tidak terjadi Heterokedastisitas
MOD_LNEPS_KM 0.150
Sig>0,05 Tidak terjadi Heterokedastisitas Sumber: Output SPSS (data sekunder diolah, 2012)
Tabel IV.21 menunjukkan hasil pengujian heterokedastisitas pada persamaan 6 melalui uji glejser di atas bahwa nilai sig untuk variabel independen LNEPS dalam persamaan ini adalah sebesar 0,194, variabel KM sebesar 0,423 dan variabel Mod_LNEPS_KM sebesar 0,150. Hasil uji tersebut mengindikasikan bahwa tidak terjadi gejala heteroskedastisitas pada persamaan regresi yang digunakan dalam penelitian karena seluruh variabel independen dalam persamaan 6 telah memenuhi kriteria nilai probabilitas (Sig) > 0,05.