2 Return on Equity ROE
Return on Equity ROE dihitung dengan membandingkan laba bersih dengan modal sendiri. ROE dihitung dengan rumus sebagai berikut:
ROE= 3
Net Profit Margin NPM Net Profit Margin NPM dihitung dengan membandingkan laba bersih
setelah pajak terhadap penjualan. NPM dapat dihitung dengan rumus sebagai berikut:
NPM =
b. Variabel Terikat Dependen
Variabel dependen dalam penelitian ini adalah aktiva pajak tangguhan dimana aktiva pajak tangguhan yang digunakan dalam penelitian ini adalah hasil
transformasi aktiva pajak tangguhan suatu sampel ke logaritma natural LN
E. Metode dan Teknik Analisis Data 1. Pengujian Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas,
gejala multikolinearitas, dan gejala autokorelasi. Model regresi akan dapat
Universitas Sumatera Utara
dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE best linear unbiased estimator yakni tidak terdapat heteroskedastistas, tidak
terdapat multikolinearitas, dan tidak terdapat autokorelasi Ghozali, 2005:110. Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat
menyebabkan biasnya standar error. Jika terdapat multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga
tingkat signifikansi koefisien regresi menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih tetap bias dan masih tetap konsisten hanya saja
menjadi tidak efisien. Oleh karena itu, uji asumsi klasik perlu dilakukan. Pengujian-pengujian yang dilakukan adalah sebagai berikut. Metode analisis data
yang digunakan dalam penelitian ini model analisis regresi sederhana dengan menggunakan bantuan software SPSS for windows version 16.
a. Uji Normalitas Menurut Ghozali 2005: 110,”Uji Normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel pengganggu memiliki distribusi normal”. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak yaitu dengan analsis grafik dan uji statistik.
1 Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histrogram yang membandingkan antara data observasi dengan
Universitas Sumatera Utara
distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel
yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi
normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka
garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. 2
Analisis Statistik Uji statistik lain yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik non-parametrik. Kolmogorov-SmirnovK-S. Uji KS dibuat dengan membuat hipotesis :
Ho : data residua l berdistribusi normal, Ha : data residual tidak berdistribusi normal.
b. Uji Multikolinieritas Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi
ditemukan korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling
berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen sama dengan nol. Multikolineritas dapat juga dilihat dari 1
nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel
independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen dan diregres terhadap variabel independen lainnya.
Universitas Sumatera Utara
Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah
sama dengan nilai VIF tinggi karena VIF=1 tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolineritas adalah nilai tolerance 0.10
atau sama dengan nilai VIF 10. c. Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan yang lain.
Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut dengan heteroskedastisitas.
Untuk melihat ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai
prediksi variabel dependen dengan residualnya. Jika ada pola seperti titik-titik yang membentuk pola tertentu yang teratur maka terjadi heteroskedastisitas.
Namun, jika tidak ada pola yang jelas serta titik menyebar ke atas dan di bawah angka 0 pada sumbu Y, berarti tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada
korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem
autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan
pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu times series karena ”ganguan” pada seorang
Universitas Sumatera Utara
individu kelompok cenderung mempengaruhi ”gangguan” pada individu kelompok yang sama pada periode berikutnya.
Pada data crossection silang waktu, masalah autokorelasi relatif jarang terjadi karena ”gangguan” pada observasi yang berbeda berasal dari individu .
Kelompok yang berbeda berasal dari invidu kelompok yang berbeda. Model regresi yang baik adalah yang bebas dari autokorelasi. Ada beberapa cara yang
dapat digunakan untuk mendeteksi masalah dalam autokorelasi di antaranya adalah dengan Uji Durbin Watson pada buku stastistik relevan. Menurut Sunyoto
2009:91, pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1 angka D-W di bawah –2 berarti ada autokorelasi positif,
2 angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
3 angka D-W di atas +2 berarti ada autokorelasi negatif.
2. Uji Hipotesis
Hipotesis diuji dengan menggunakan analisis regresi linear berganda, dengan persamaan sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+b
3
X
3
+ e Dimana:
Y = Aktiva Pajak Tangguhan a = Konstanta
X
1
= ROA X
2
= ROE X
3
= NPM
Universitas Sumatera Utara
b
1
= Koefisien regresi ROA b
2
= Koefisien regresi ROE b
3
= Koefisien regresi NPM e = Tingkat error
Hipotesis dalam penelitian ini menggunakan uji koefisien determinasi, uji F dan uji t.
a. Uji Koefisien Determinasi
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi
adalah antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai
yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel-variabel dependen.
Secara umum koefisien determinasi untuk data silang crossection relative rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan
untuk data runtun waktu Time series biasanya mempunyai nilai koefisien determinasi yang tinggi. Koefisien determinan berkisar antara nol sampai dengan
satu 0 ≤ R² ≤ 1. Hal ini berarti R²=0 menunjukkan tidak adanya pengaruh antara
variabel independen terhadap variabel dependen, bila R² semakin besar mendekati 1 menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel
dependen dan bila R² semakin kecil mendekati nol maka dapat dikatakan semakin kecilnya pengaruh variabel independen terhadap variabel dependen.
Universitas Sumatera Utara
b. Uji F
Uji ini pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model ini mempunyai pengaruh secara bersama-sama terhadap
variabel dependen. Bentuk pengujiannya :
Ho: b1 = b2 = 0, artinya variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.
Ha: b1, b2, ≠ 0, artinya semua variabel independen secara simultan
berpengaruh terhadap variabel dependen. Kriteria pengambilan keputusan :
Jika probabilitas 0.05, maka Ha diterima, Jika probabilitas 0.05, maka Ha ditolak.
c. Uji t Uji statistik t disebut juga sebagai uji signifikan individual. Uji ini
menunjukkan seberapa jauh pengaruh variabel independen secara parsial terhadapn variabel dependen.
Bentuk pengujiannya adalah : Ho: b1 = 0, artinya suatu variabel independen secara parsial tidak
berpengaruh terhadap variabel dependen. Ha: b1
≠ 0, artinya variabel independen secara parsial berpengaruh terhadap variabel dependen.
Kriteria pengambilan keputusan :
Universitas Sumatera Utara
Jika probabilitas 0.05 maka Ha diterima Jika probabilitas 0.05, maka Ha ditolak.
F. Jadwal Penelitian
Tahap Penelitian Tahun 2010
Maret April
Mei Juni
Juli Pengajuan Judul
Penyelesaian Proposal Bimbingan Proposal
Seminar Proposal Pengumpulan Data
Pengolahan Data Penyampaian Hasil Penelitian
Universitas Sumatera Utara
BAB IV ANALISIS HASIL PENELITIAN
A. Analisis Statistik Deskriptif