Metode Analisis Data

E. Metode Analisis Data

Analisis data memiliki tiga tujuan: mendapatkan perasaan terhadap data (feel for the data), menguji kualitas data (goodness of data), dan menguji hipotesis penelitian (Sekaran, 2006: 175). Perasaan terhadap data akan memberi ide awal mengenai seberapa baik skala yang dibuat, seberapa baik pengodean dan pemasukan data dilakukan, dan seterusnya. Menguji ketepatan data dapat dilakukan dengan memasukkan data untuk analisis faktor, memperoleh alfa Cronbach atau keandalah belah dua pengukuran, dan seterusnya. Pengujian hipotesis dicapai dengan memilih menu program piranti lunak yang sesuai untuk menguji setiap hipotesis dengan menggunakan uji statistik yang relevan. Hasil pengujian tersebut akan menentukan apakah hipotesis terbukti atau tidak.

1. Pengujian Kualitas Data

Pengujian asumsi klasik terdiri dari berbagai macam pengujian sebagai berikut:

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2005: 110).

Pengujian normalitas ini menggunakan teknik uji Kolmogorov- Smirnov . Dari pengujian ini dapat diketahui data yang digunakan berdistribusi normal atau tidak. Kriteria pengujian normalitas menggunakan probabilitas yang diperoleh dengan level signifikansi 5%. Apabila nilai probabilitas yang diperoleh lebih besar dari level signifikansi 5%, maka data telah terdistribusi normal. Dan sebaliknya, jika nilai probabilitas yang diperoleh lebih kecil dari level signifikansi 5%, maka data tidak terdistribusi normal. Jika uji normalitas menunjukkan bahwa variabel-variabel yang digunakan dalam penelitian ini cenderung tidak normal, maka digunakan asumsi central limit theorem, yaitu jika jumlah observasi cukup besar (n >30), maka asumsi normalitas dapat diabaikan.

b. Uji Autokorelasi

Autokorelasi menunjuk pada hubungan yang terjadi antara anggota- anggota dari serangkaian observasi yang terletak berderetan secara series

dalam bentuk waktu (untuk time series) atau hubungan antara tempat yang berdekatan (cross sectional). Pada penelitian ini menggunakan Uji Durbin- Watson (DW Test ). (Ghozali, 2005: 96). Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Untuk mendiagnosis adanya autokorelasi dalam suatu model regresi dilakukan pengujian terhadap nilai Durbin-Watson (DW Test). Nilai DW yang didapat dari hasil SPSS akan kita bandingkan dengan nilai DW tabel (batas lebih tinggi (upper bond atau du) dan batas lebih rendah (lower bond atau d1)), dengan menggunakan nilai signifikansi 5%, jumlah sampel (n), dan jumlah variabel independen. Pengambilan keputusan ada tidaknya autokorelasi:

1) Jika 0 < d < d1, maka terjadi autokorelasi positif

2) Jika d1 < d < du, maka tidak ada kepastian apakah terjadi autokorelasi atau tidak (ragu-ragu).

3) Jika 4-d1 < d < 4, maka terjadi autokorelasi negatif

4) Jika 4-du < d < 4-d1, maka tidak ada kepastian apakah terjadi autokorelasi atau tidak (ragu-ragu).

5) Jika du < d < 4-du, maka tidak terjadi autokorelasi baik positif atau negatif.

Bila nilai DW lebih besar dari batas atas (du) dan kurang dari 4-du, maka dapat dinyatakan tidak terdapat autokorelasi (Ghozali, 2005).

c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas (Ghozali, 2005: 105).

Untuk mendeteksi ada tidaknya Heteroskedastisitas, dalam penelitian ini digunakan pendekatan grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2005: 105).

2. Pengujian Hipotesis

Metoda yang digunakan untuk pengujian hipotesis dalam penelitian ini adalah pooled regression yaitu: ROA t1 = α + β ROA t0 + €

(1) ROE t1 = α + β ROE t0 + € (2) NOM t1 = α + β NOM t0 + € (3) ROD t1 = α + β ROD t0 + € (4)

CIE t1 = α + β CIE t0 + € (5)