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