Directory yang berupa data laporan keuangan perusahaan-perusahaan yang tergabung di dalam industri properti dan real estate yang listing di BEI tahun
2009-2013. Sumber data yang digunakan dalam penelitian ini adalah laporan keuangan perusahaan industri properti dan real estate yang terdapat pada
Indonesian Capital Market Directory yang diterbitkan oleh Bursa Efek Indonesia, laporan hasil penelitian ilmiah dan jurnal penelitian ilmiah.
3.9. Metode Analisis Data
Data dalam penelitian ini dianalisis dengan menggunakan SPSS versi 18.
3.9.1. Analisis deskriptif
Sangadji dan Sopiah 2010:210 menyatakan analisis dekriptif adalah analisis yang lebih hendak menggambarkan fakta sebagaimana
adanya. Selain itu analisis ini juga bertujuan untuk mengumpulkan, mengklasifikasikan, menganalisis, mengemukakan, dan menggambarkan
data secara sistematis dan objektif, sehingga memberikan informasi dan gambaran mengenai objek yang diteliti.
3.9.2. Asumsi klasik
Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif, maka model tersebut harus
memenuhi uji asumsi klasik. Uji asumsi klasik yang digunakan antara lain : 1. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Normalitas dapat dideteksi
Universitas Sumatera Utara
dengan melihat penyebaran data titik pada sumbu diagonal dan grafik dengan melihat histogram dari residualnya.
Dasar pengambilan keputusannya adalah : 1 Jika data menyebar diantara garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola berdisitribusi 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. Uji normalitas dilakukan melalui analisis grafik dan analisi kolmogorov-
Smirnov K-S. Hipotesisnya sebagai berikut : H0 : data residual berdistribusi normal
H1 : data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan α = 5 berarti data normal dan H0
diterima, sebaliknya bila nilai signifikansi 0,05 berarti data tidak normal dan H1 diterima.
b. Uji Heteroskedastisitas Uji heteroskedastisitas mengakibatkan kemampuan prediksi dari
koefisien dalam model menjadi tidak efisien dan tidak memiliki banyak keberartian. Jika varians dari residual satu pengamatan ke pengamatan
yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
Universitas Sumatera Utara
heteroskedastisitas. Dasar analisis untuk menentukan ada atau tidaknya heteroskedastisitas yaitu :
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1
atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul
dikarenakan residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini biasanya terjadi pada data time
series. Karena gangguan pada satu data cenderung menganggu data lain. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi
adalah dengan menggunakan nilai Durbin Watson DW dengan ketentuan sebagai berikut :
1 Tidak ada autokorelasi positif jika 0 DW dl 2 Tidak ada autokorelasi positif jika dl
≤ DW ≥ du 3 Tidak ada autokorelasi negatif jika 4 - dl DW 4
4 Tidak ada autokorelasi negatif jika 4-du ≤ DW ≤ 4 – dl
5 Tidak ada autokorelasi positif dan negatif jika du DW 4 – dl
Universitas Sumatera Utara
Keterangan : du = batas atas dl = batas bawah
d. Uji multikolineritas Uji multikolineritas bertujuan untuk menguji apakah didalam model
regresi ditemukan adanya korelasi antara variabel independen. Model regresi yang baik seharusnya tidak ada korelasi antara variabel
independen. Menurut Situmorang et.al 2010:136 untuk mendeteksi ada atau tidak adanya multikolineritas dapat dilihat dari nilai tolerance dan
variance inflation factor VIF dengan membandingkan sebagai berikut : a. VIF 5 maka diduga mempuyai persoalan multikolineritas
b. VIF 5 maka tidak terdapat multikolineritas c. Tolerance 0,1 maka diduga mempuyai persoalan multikolineritas
d. Tolerance 0,1 maka tidak terdapat multikolineritas.
3.9.3 Regresi linear berganda
