commit to user perusahaan dapat menunjukkan bahwa semakin besar ukuran atau aset
perusahaan berarti semakin besar juga angka ekponensial atau angka logaritmanya.
2. Leverage
Variabel ini diproksikan dengan
leverage
dengan menggunakan
debt to total assets
, untuk mengetahui sejauh mana aset perusahaan dibelanjai dengan utang yang berasal dari kreditor dan modal sendiri yang berasal
dari pemegang saham.
100 Aktiva
Total Hutang
Total assets
total Debt to
X =
D. Analisis Data
1. Analisis Statistik Diskriptif
Statistik deskriptif memberikan gambaran atau deskriptif suatu data yang dilihat dari rata-rata mean, standar deviasi, varian, maksimum, minimum,
sum, range, kustorsis, sweakness kemencengan distribusi. Statistik deskriptif mendeskripsikan data menjadi sebuah informasi yang lebih jelas dan mudah
dipahami. Stastistik
deskriptif digunakan
untuk mengembangkan
profilperusahaan yang menjadi sampel. Statistik deskriptif berhubungan dengan pengumpulan dan peringkasan data Ghozali :19, 2007.
commit to user
2. Uji Asumsi Klasik
Suatu model regresi berganda yang digunakan untuk menguji hipotesa harus memenuhi asumsi klasik. Uji asumsi klasik tersebut terdiri dari uji normalitas,
uji multikolonieritas, uji autokorelasi dan uji heteroskesdasitas.
a Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model
regresi yang baik adalah data yang berdistribusi normal atau mendekati normal Ghozali : 147,2007. Untuk mendeteksi apakah data berdistribusi
normal atau tidak, penelitian ini menggunakan analisis statistik. Analisis statistik merupakan alat statistik yang sering digunakan untuk menguji
normalitas residual yaitu uji statistik non-parametik Kolmogorov- Smirnov. Dalam mengambil keputusan dilihat dari hasil uji K-S, jika nilai
probabilitas signifikannya lebih besar dari 0,05 maka data terdistribusi secara normal. Sebaliknya, jika nilai probabilitas signifikannya lebih kecil
dari 0,05 maka data tersebut tidak terdistribusi secara normal.
b Uji Multikolinearitas
Uji multikolineritas ini diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain
dalam satu model. Kemiripan antar variabel independen dalam suatu model akan menyebabkan terjadinya korelasi yang sangat kuat antara
suatu variabel independen dengan variabel independen yang lain. Selain itu, deteksi terhadap multikolineritas juga bertujuan untuk menghindari
commit to user kebiasaan dalam proses pengambilan kesimpulan mengenai pengaruh pada
uji parsial masing-masing variabel independen terhadap variabel dependen. Model regresi yang baik seharusnya tidak terjadi korelasi di
antara variabel independen. Uji multikolineritas dilakukan dengan menghitung nilai
variance inflation factor
VIF dari tiap-tiap variabel independen. Nilai VIF kurang dari 10 menunjukkan bahwa, korelasi antar
variabel independen masih bisa ditolerir Ghozali : 95, 2007
c Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui ada tidaknya korelasi antara variabel pengganggu pada periode tertentu dengan variabel pengganggu
periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul
karena residual tidak bebas dari suatu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji
Durbin-Watson, di mana hasil pengujian ditentukan berdasarkan nilai Durbin-Watson.
d Uji Heterokesdastisitas
Heteroskesdastisitas adalah varian residual yang tidak konstan pada regresi sehingga akurasi hasil prediksi menjadi meragukan. Uji heteroskedastisitas
bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variance
dari residual satu observasi ke observasi yang lain. Heteroskesdastisitas menggambarkan nilai hubungan antara nilai
yang diprediksi dengan
Studentized Delete Residual
nilai tersebut. Model
commit to user regresi yang baik adalah homoskedastisitas atau tidak terjadi
heteroskedastisitas.
3. Uji Hipotesis
