X2
Variabel Definisi
Indikator Skala
ROA Z
Perbandingan laba bersih setelah pajak
terhadap total aktiva
Laba Bersih Setelah Pajak ×100
Total Aktiva Rasio
3.6. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah analisis regresi berganda.Analisis regresi digunakan untuk memprediksi seberaoa jauh
perubahan variabel dependen jika variabel independennya dimanipulasi.Sebelum melakukan regresi, peneliti terlebih dahulu melaukan uji asumsi klasik dan
statistik deskriptif.
3.6.1. Uji Asumsi Klasik
Asumsi klasik adalah asumsi yang mendasari analisis regresi dengan tujuan mengukur asosiasi atau keterikatan antarvariabel
bebas.Terdapat 4 empat pengujian terkait uji asumsi klasih yaitu uji normalitas data, uji multikolinearitas, uji heteroskedastisitas dan uji
autokolerasi. a.
Uji Normalitas Data Uji normalitas bertujuan untuk mengetahui keberadaan variabel
pengganggu atau residual di dalam model regresi.Jika data normal, maka staistik yang dipergunakan adalah statistic parametric.Jika
sebaliknya, maka statistic non parametriklah yang digunakan atau peneliti dapat melakukan treatment agar data normal.
Universitas Sumatera Utara
Dalam menguji normalitas data, peneliti menggunakan Kolgomorov Smirnov untuk menemukan distribusi residual. Jika
sig
atau
p-value
0,05 maka data berdistribusi normal Ghozali, 2005:27 b.
Uji Multikolinearitas Multikolinearitas adalah situasi adanya korelasi variabel-variabel
dependen antara yang satu dengan yang lainnya. Erlina, 2007:107. Model
regresi yang
baik seharusnya
tidak mengandung
multikolinearitas di dalamnya.Pengujian ini menggunakan nilai VIF Variance
Inflation Factors
sebagai acuan
adanya multikolinearitas.Jika nilai VIF lebih besar dari 2, maka telah terjadi
multikolinearitas antara variabel independen. Di samping itu, sebuah model regresi dikatakan mengandung multikolinearitas apabila korelasi
antara variabel independennya lebih besar dari 0,9. c.
Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk melihat ketidaksamaan varians
dari residual dalam model regrei dari satu pengamatan ke pengamatan yang lain. Model regresi yang baik tidak diperbolehkan mengandung
heteroskedastisitas. Terdapat
beberapa cara
dalam mengidentifikasi
keterjadian heteroskedastisitas. Wulandari 2012:47 mengungkapkan salah satu
cara mengidentifikasi heteroskedastisitas dalam model regresi adalah metode chart Diagram Scatterplot yaitu :
Universitas Sumatera Utara
1 Jika ada pola tertentu seperti titik-titik yang membentuk pola
beraturan gelombang, melebar kemudian menyempit, maka model regresi mengalami heteroskedastisitas.
2 Jika ada pola yang jelas serta titik-titik yang menyebar ke atas
dan bawah 0 pada sumbu Y, maka model tidak mengalami heteroskedastisitas.
d. Uji Autokorelasi
Menurut Algifari 2000:88 dalam Wulandari 2012:46 autokorelasi adalah korelasi antar anggota sampel yang diurutkan berdasarkan
waktu. Penyimpangan asumsi ini biasanya muncul pada observasi yang eenggunakan data
time series.
pengujian autokorelasi digunakan untuk mengetahui keberadaan korelasi antara anggota serangkaian data
observasi yang diurutkan menurut waktu. Pengujian autoorelasi dapat menggunakan Durbin-Watson Test Uji Durbin-Watson dengan
keterangan pada table 3.3. Tabel 3.5.
Tabel Durbin Watson Kondisi
Nilai
Ada autokorelasi D-W di bawah -2
Tidak ada autokorelasi D-W di antara -2 s.d. +2
Ada Autokorelasi Negatif D-W di atas 2+
Universitas Sumatera Utara
3.7.. Pengujian Hipotesis Penelitian 3.7.1. Pengujian Hipotesis Pertama H1
