Keterangan : TA
it
: Total akrual perusahaan i pada periode t NI
it
: Laba bersih perusahaan i pada periode t CFO
it
: Arus kas operasi perusahaan i pada periode t NDA
it
: Akrual nondiskresioner perusahaan i dalam periode t DA
it
: Akrual diskresioner perusahaan i pada periode t A
it-1
: Total aset total perusahaan i pada periode t-1 ΔR
evit
: Perubahan penjualan bersih perusahaan i pada periode t ΔR
ecit
: Perubahan piutang perusahaan i pada periode t PPE
it
: Property, plant, and equipment perusahaan i pada periode t
α
1
,α
2
,α
3
: Parameter yang diperoleh dari persamaan regresi ε
it
: Error term perusahaan i pada periode t
3.6 Metode dan Teknik Analisis Data
Dalam penelitian ini, metode analisis data yang dilakukan dengan analisis statistik dan menggunakan software SPSS 18.0 for Windows. Dalam
penggunaan metode analisi regresi untuk pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak.
3.6.1 Statistik Deskriptif
8QLYHUVLWDV6 XPDWHUD8WDUD
Statistik deskriptif digunakan untuk menjelaskan variabel- variabel dalam penelitian ini. Statistik deskriptif adalah statistik yang
digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa
bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi Sugiyono, 2007. Alat analisis yang digunakan dalam
penelitian ini adalah nilai rata-rata mean, nilai minimum dan maksimum serta deviasi standar.
3.6.2 Pengujian Asumsi Klasik
Sebelum menganalisis data, terlebih dahulu dilakukan uji asumsi
klasik yaitu
uji normalitas,
uji multikolinearitas,
uji heteroledastisitas dan uji autokorelasi.
1. Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah dalam model
regresi, variabel
pengganggu atau
residual memiliki
distribusi normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik
parametrik, dan jika data tidak normal maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang
baik adalah data yang mempunyai pola seperti distribusi normal.
8QLYHUVLWDV6 XPDWHUD8WDUD
Untuk melihat
normalitas dapat
dilakukan dengan
melihat histogram atau pola distribusi data normal.
Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat
histogram dari nilai residualnya. Dasar pengambilan keputusannya adalah:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola
berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
b. 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.
Dalam penelitian ini Peneliti menggunakan uji Kolmogorov Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat
dengan membuat hipotesis: H
: data residual berdistribusi normal, H
a
: data residual tidak berdistribusi normal.
8QLYHUVLWDV6 XPDWHUD8WDUD
Bila signifikansi 0,05 dengan α = 5, berarti distribusi data normal dan H
diterima, sebaliknya bila nilai nilai signifikansi 0,05 berarti distribusi data tidak normal dan Ha diterima. Data
yang tidak
terdistribusi secara
tidak normal
dapat ditransformasikan agar menjadi normal.
2. Uji Multikolinearitas
Uji multikoliniearitas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antar variabel
bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas Ghozali, 2005. Untuk mendeteksi ada atau
tidaknya multikoliniearitas di dalam model regresi dapat dilihat dari nilai tolerance tolerance value dan nilai Variance Inflation
Factor VIF. Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Nilai cutoff
yang umum digunakan adalah nilai tolerance 0,10 atau sama dengan VIF diatas 10. Apabila nilai tolerance lebih dari 0,10 atau
nilai VIF kurang dari 10 maka dapat dikatakan bahwa tidak terjadi multikuliniearitas antar variabel dalam model regresi.
3. Uji Heterokedastisitas
8QLYHUVLWDV6 XPDWHUD8WDUD
Uji heterokedastisitas bertujuan menguji apakah dalam regresi terdapaat ketidaksamaan variance dari residual satu
pengamatan ke pengamatan lain Ghozali, 2005. Menurut
Ghozali 2005
cara memprediksi
ada tidaknya
heterokedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut adalah:
a. Titik-titik data menyebar diatas dan dibawah atau sekitar angka 0.
b. Titik-titik data tidak mengumpul hanya diatas atau dibawah saja c. Penyebaran
titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali.
d. Penyebaran titik-titik data sebaiknya tidak berpola.
4. Uji Autokorelasi
Uji Autokorelasi
bertujuan untuk memastikan bahwa analisis regresi terbebas dari kesalahan yang biasanya terjadi akibat
dari data yang diambil dari periode bersamaan time series, dimana residual dari data periode sebelumnya akan cenderung
berpengaruh terhadap data dalam periode selanjutnya. Untuk menguji ada atau tidaknya korelasi dilakukan dengan uji Durbin-
Watson DW test. Uji autokorelasi dengan DW test hanya digunakan untuk korelasi tingkat satu dan mensyaratkan adanya
8QLYHUVLWDV6 XPDWHUD8WDUD
intercept konstanta dalam model regresi dan tidak ada variabel lagi di antara variabel independen. Penilaian ada tidaknya korelasi
disajikan dalam tabel berikut:
Tabel 3.2 Uji Durbin-Watson
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif
Tidak ada autokorelasi positif
Tidak ada autokorelasi negatif
Tidak ada autokorelasi negatif
Tidak ada autokorelasi positif atau negatif
Tolak
No Decision
Tolak
No Decision
Tidak Ditolak 0 d dl
dl ≤ d ≤ du
4 – dl d 4
4 – du ≤ d ≤ 4
– dl
du d 4 - du
3.6.3 Analisis Regresi
