36 mengumpulkan data-data yang tercantum pada Indonesian Capital Market
Directory yang berupa data laporan keuangan perusahaan-perusahaan yang tergabung di dalam industri manufaktur yang listing di BEI tahun 2011-2013.
Sumber data yang digunakan dalam penelitian ini adalah laporan keuangan perusahaan industri manufaktur 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 22
3.9.1. Analisis deskriptif
Sangadji dan Sopiah 2010:210 menyatakan analisis deskriptif adalah analisis yang lebih hendak menggambarkan fakta sebagaimana adanya.
Selain itu
analisis ini
juga bertujuan
untuk mengumpulkan,
mengkasifikasikan, 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
memenhi uji asumsi klasik. Uji asumsi klasik yang digunakan antara lain:
Universitas Sumatera Utara
37 1.
Uji Normalitas Uji normalitas dilakukan untuk menguji apakah distribusi sebuah data
mengikuti atau mendekati distribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal
dan grafik dengan melihat histogram dan residualnnya. Dasar pengambilan keputusannya adalah:
a. Jika data menyebar diantara garis diagonal dan mengikuti arah
garis diagonal atau grafik histogramnya menunjukan pola berdistribusi normal, maka model regresi memenuhi asumsi
normalitas. b.
Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau histogram tidak menunjukan data berdistribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Uji normalitas dilakukan melalui analisis grafik dan analisis
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.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas mengakibatkan kemampuan prediksi dari koefisien dalam model menjadi tidak efisien dan tidak memiliki
Universitas Sumatera Utara
38 banyak keberartian. Jika varians dari residual satu pengamatan ke
pengamatan yang lain tetap, maka disebut homoskedartisitas dan jika berbeda disebut heteroskedastisitas. Dasar analisis untuk menentukan
ada atau tidaknya heteroskedastisitas yaitu: a.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu tang 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.
3. 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 mengganggu data lain. Cara yang dapat digunakan untuk mendeteksi
masalah autokorelasi adalah dengan menggunakan nilai Durbin Watson DW dengan ketentuan sebagai berikut:
a. Tidak ada autokorelasi positif jika 0 DW dl
Universitas Sumatera Utara
39 b.
Tidak ada autokorelasi positif jika dl ≤ DW ≥ du c.
Tidak ada autokorelasi negatif jika 4-dl DW 4 d.
Tidak ada autokorelasi negatif jika 4- du ≤ DW ≤ 4-dl
e. Tidak ada autokorelasi positif dan negatif jika du DW 4-dl
Keterangan : du = batas atas dl = batas bawah
4. Uji Multikolineritas
Uji multikolineritas bertujuan untuk menguji apakah didalam model regresi ditemukan adanya korelasi antara variabel independen.
Model regresi yang baik seharusnya tidak ada kolelasi 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 mempunyai persoalan multikolineritas b.
VIF 5 maka tidak terdapat multikolineritas c.
Tolerance 0,1
maka diduga
memunyai persoalan
multikolineritas d.
Tolerance 0, 1 maka tidak terdapat multikolineritas
3.9.3. Regresi Linear Berganda
