Definisi Operasional Variabel Metode Pengumpulan Data Analisis Regresi berganda Uji Parsial Uji t Jadwal Penelitian

3.6. Definisi Operasional Variabel

Tabel 3.2. Definisi Operasional Variabel Variabel Definisi Variabel Indikator Skala Independen : a Debt to Total asset Ratio DAR menunjukkan berapa bagian dari keseluruhan aktiva yang dibelanjai oleh hutang x 100 Rasio b Debt to Total Equity Ratio DER Menunjukkan kemampuan modal sendiri perusahaan untuk memenuhi seluruh kewajibannya x 100 Rasio c Long Term Debt to Total Asset Ratio LDAR Menunjukkan besarnya tingkat penggunaan hutang jangka panjang dibandingkan dengan total aset yang dimiliki perusahaan. Rasio d Long Term Debt To Total Equity Ratio LDER Memperbandingkan proporsi utang jangka panjang dengan ekuitas saham biasa Rasio Dependen: Return On Equity ROE. Menunjukkan kemampuan dari modal yang diinvestasikan dalam keseluruhan aktiva dan ekuitas untuk menghasilkan keuntungan bersih Rasio x 100 Rasio

3.7. Metode Pengumpulan Data

Metode pengumpulan data dalam penelitian ini dilakukan melalui metode dokumentasi. Data dikumpulkan dari berbagai sumber data yang relevan dengan penelitian, yaitu melalui buku, jurnal, skripsi, dan data-data internet. Universitas Sumatra Utara

3.8. Teknik Analisis Data

Teknik penelitian yang digunakan dalam penelitian ini adalah dengan analisis statistik yang menggunakan software statistis spss versi 18.0. Metode analisis data dilakukan dengan tahapan sebagai berikut :

1. Pengujian Asumsi Klasik

a Uji Normalitas Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan jika data tidak normal, maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Menurut Ghozali 2005, ”cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya”. Dasar pengambilan keputusannya adalah : 1. jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas. 2. jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Universitas Sumatra Utara Dalam penelitian ini Peneliti menggunakan uji Kolmogorov Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis : Ho : data residual berdistribusi normal, Ha : data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan α = 5 berarti distribusi data normal dan Ho diterima, sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal dan Ha diterima. Data yang tidak terdistribusi secara tidak normal dapat ditransformasi agar menjadi normal. Jika data tidak normal ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto 2004, yaitu : 1. dengan melakukan transformasi data ke bentuk lain, yaitu: Logaritma Natural, akar kuadrat, Logaritma log, 2. lakukan trimming, yaitu mengubah observasi yang bersifat outlier, 3. lakukan winsorizing, yaitu mengubah nilai-nilai data outlier menjadi nili-nilai minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal.

b. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel – variabel Universitas Sumatra Utara independen antara yang satu dengan yang lainnya. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah : 1 koefisien – koefisien regresi menjadi tidak dapat ditaksir, 2 nilai standar error setiap koefisien regresi menjadi tak terhingga. Ada tidaknya multikolonieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matrik korelasi variabel-variabel independen. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah jika nilai Variance Inflation Factor VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolenearitas. c Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data time series. Pada data cross-section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian ini untuk mendeteksi ada tidaknya autokorelasi adalah menggunakan uji Durbin Watson dengan ketentuan sebagai berikut : 1. bila nilai DW Durbin-Watson terletak antara batas atas DU dan 4- DU, maka koefisien autokorelasi sama dengan nol artinya tidak terjadi autokorelasi, Universitas Sumatra Utara 2. bila nilai DWDL batas bawah maka koefisien autokorelasi lebih besar dari nol artinya ada autokorelasi positif, 3. bila nilai DW4-DL, maka koefisien autokorelasi lebih kecil dari nol artinya ada autokorelasi negatif, 4. bila nilai DW terletak antara DU dengan DL atau DW terletak diantara 4-DU dan 4-DL, maka hasilnya tidak dapat diputuskan ada autokorelasi atau tidak. d Uji Heteroskedastisitas Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Menurut Nugroho 2005 cara memprediksi ada tidaknya heterokedastisitas pada suatu model dapat diihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang menyatakan model regresi linear berganda tidak terdapat heteroskedastisitas jika : 1. titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0, 2. titik-titik data tidak mengumpul hanya di atas atau di bawah saja, 3. penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, 4. penyebaran titik-titik data sebaiknya tidak berpola. Universitas Sumatra Utara

2. Pengujian Hipotesis

Hipotesis diuji dengan analisis regresi linier berganda untuk menganalisis pengaruh variabel independen terhadap dependen. Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak, digunakan uji t t-test dan uji F F-test.

a. Analisis Regresi berganda

Model regresi yang digunakan adalah sebagai berikut : Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + e Dimana : Y = Profitabilitas ROE a = konstanta X 1 = Debt to Total Asset Ratio DAR X 2 = Debt to Equity Ratio DER X 3 = Long Term Debt to Total Asset Ratio LDAR X 4 = Long Term Debt to Equity Ratio LDER b 1234 = koefisien regresi dari masing-masing variabel e = standard error

b. Uji Parsial Uji t

Pengujian ini bertujuan untuk menguji pengaruh variabel bebas terhadap variabel terikat secara terpisah parsial. Tingkat kepercayaan adalah 95 dan level pengujian yang digunakan α 5. Adapun bentuk pengujiannya adalah : Universitas Sumatra Utara Kriteria pengambilan keputusan: H diterima jika t hitung t tabel pada α = 5 H ditolak jika t hitung t tabel pada α = 5

c. Uji Simultan Uji F

Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas berpengaruh secara simultan terhadap variabel terikat. Pada penelitian ini nilai F hitung akan dibandingkan dengan F tabel pada tingkat signifikan α = 5 Kriteria pengambilan keputusan : H o diterima jika F hitung F tabel pada α = 5 H a diterima jika F hitung F tabel pada α = 5

3. Koefisien Determinasi

Nilai Adjusted R Square menunjukkan proporsi variabel dependen yang dijelaskan oleh variabel independen. Semakin tinggi nilai Adjusted R Square maka akan semakin baik bagi model regresi variabel terikat juga semakin besar. Kelemahan mendasar dalam penggunaan koefisien determinasi adalah biasa terhadap jumlah variabel independen. Semakin banyak variabel independen ditambahkan ke dalam model maka R square akan meningkat walaupun variabel tersebut tidak berpengaruh secara signifikan ke dalam model. Oleh karena itu banyak Universitas Sumatra Utara peneliti yang menganjurkan untuk menggunakan nilai Adjusted R Square untuk mengevaluasi model Situmorang et al, 2010.

3.9 Jadwal Penelitian

Jadwal penelitian direncanakan sebagai berikut: Tabel 3.3 Jadwal Penelitian NO TAHAPAN PENELITIAN 2013 Apr Mei Juni Juli Agt Sep Okt Nov Des 1 Pengajuan Judul 2 Pencarian Data Awal 3 Penyelesaian Proposal 4 Pengumpulan dan Pengolahan Data 5 Bimbingan Skripsi 6 Penyelesaian Laporan Penelitian Universitas Sumatra Utara

BAB IV HASIL DAN PEMBAHASAN

4.1 Data Penelitian

Objek penelitian ini adalah perusahaan Logam dan Sejenisnya yang terdaftar di Bursa Efek Indonesia, dimana jumlah seluruh perusahaan logam dan sejenisnya tersebut adalah 16 perusahaan. Setelah data terkumpul, seluruh perusahaan yang termasuk dalam populasi diseleksi berdasarkan kriteria yang telah ditentukan. Dari penyeleksian tersebut diperoleh 16 perusahaan yang menjadi sampel atau 45 data observasi yang memenuhi kriteria. Berikut tabel data DAR, DER, LDAR, LDER dan ROE untuk tahun 2010 - 2012.

4.2 Statistik Deskriptif

Menurut Sugiyono 2004, statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Statistik deskriptif dalam penelitian ini hanya untuk mendeskripsikan data sampel, dan tidak membuat kesimpulan yang berlaku untuk populasi di mana sampel di ambil. Menurut Ghozali 2005, statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness kemencengan distribusi. Gambaran statistik seluruh sampel dapat dilihat dari tabel 4.1 Universitas Sumatra Utara