38
diperoleh melalui Indonesian Capital Market Directory ICMD dan laporan keuangan dan tahunan yang terdapat pada BEI.
3.7 Metode Pengumpulan Data
Sesuai dengan jenis data yang diperlukan, yaitu jenis data sekunder, maka metode pengumpulan yang akan digunakan adalah dengan
menggunakan metode studi pustaka dan dokumentasi. Metode studi pustaka adalah suatu metode yang dilakukan dengan
menggunakan cara membaca dan mempelajari literatur-literatur yang berhubungan dengan subyek yang dibahas dalam penelitian. Sedangkan
dokumentasi dilakukan dengan cara mengumpulkan, mencatat, dan mengolah data sekunder berupa laporan tahunan.
3.8 Metode Analisis Data
Mengacu pada kerangka pemikiran yang telah dijabarkan, metode analisis yang akan digunakan adalah regresi linear beganda untuk menjelaskan output
hubungan antara variabel dependen dan variabel independen. Suatu model dapat diakatakan baik sebagai alat prediksi ketika mempunyai sifat best linier unbiased
estimator. Oleh karena itu, sebelum dilakukan analisis regresi, perlu dilakukan uji asumsi klasik. Analisis tersebut dilakukan dengan cara sebagai berikut.
3.8.1 Uji Asumsi Klasik
A. Uji Normalitas Uji normalitas bertujuan unutk menguji apakah dalam model regresi,
variabel pengganggu atau residual memiliki distirbusi memiliki distribusi normal.
Universitas Sumatera Utara
39
Model regresi yang baik adalah yang mendekati normal atau yang normal. Untuk menguji apakah distribusi data normal atau tidak, histogram yang membanding
kan antara observasi data dengan distribusi yang mendekati distribusi normal. Selain itu alat uji yang bisa digunakan adalah metode uji Kolmogorov-Smirnov.
Uji Kolmogorov-Smirnov adalah metode yang umum digunakan unutk menguji normalitas data. Jika nilai Kolmogorov-Smirnov tidak signifikan Variabel
memiliki tingkat signifikan diatas 0,05 maka semua data terdistribusi secara normal.
Namun demikian dengan melihat histogram saja hal ini bisa menyesatkan khususnya unutk sample yang kecil. Metode yang lebih handal adalah dengan
melihat Normal Probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Distribusi
normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal, dan ploting data akan dibandingkan dengan
garis diagonal. “Jika distribusi data adalah normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya “Ghozali,
2006. B. Multikolinieritas
Multikolinieritas adalah adanya suatu hubungan linier yang sempurna antara beberapa atau semua variabel independen. Uji Multikolinieritas bertujuan
untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel bebas. Pada program SPSS, ada beberapa metode yang sering
Universitas Sumatera Utara
40
digunakan untuk mendeteksi adanya multikolineritas. Salah satunya adalah dengan cara mengamati nilai Variance inflation Factor VIF dan Tolerence.
Batas dari VIF adalah 10 dan nilai dari Tolerence adalah 0,1. Jika nilai VIF lebih besar dari 10 dan nilai Tolerence kurang dari 0,1 maka terjadi multikolinieritas.
Bila ada variabel independen yang terkena multikolinieritas, maka signifikan secara statistic, maka variabel independen dalam model regresi tersebut tidak
mengalami heteroskedasitas. C. Heteroskedasitas
Uji heteroskedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksaaan varians dari residual satu pengamatan ke pengamatan yang
lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskeditas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah yang homoskesditas atau tidak heteroskedasitas. Cara mendeteksi adalah dengan melihat grafik scatterplot. Pada output
yang dihasilkan, jika titik titik membentuk suatu pola tertentu, maka hal ini mengindikasikan terjadinya heteroskedasitas, tetapi apabila titik titik pada grafik
scatterplot menyebar diatas dan dibawah angka 0, maka hal ini mengindikasikan tidak terjadi heteroskedasitas.
Cara lain untuk mendeteksinya dengan cara uji park. Uji park mengemukakan metode bahwa varians merupakan fungsi dari variabel-variabel
independen yang dinyatakan dengan persamaan linear yang dibentuk dalam persamaan logaritma. Apabila koefisien parameter beta dari persamaan regresi
linear signifikan secara statistik, hal ini menunjukkan bahwa dalam data model
Universitas Sumatera Utara
41
empiris yang diestimasi terdapat heteroskedasitas. Apabila parameter beta tidak signifikan secara statistik, maka variabel independen dalam model regresi tersebut
tidak mengalami heteroskedasitas. D. Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linier terdapat korelasi antara pengganggu pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Apabila terjadi gejala autokorelasi maka estimator least square masih tidak bias, tetapi menjadi tidak efisien. Dengan demikian,
koefisien estimasi yang diperoleh menjadi tidak akurat.
3.8.2 Analisis Regresi Berganda
Kategori