3.4. Teknik Analisis dan Uji Hipotesis 3.4.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data
tersebut mengikuti sebaran normal dapat dilakukan dengan berbagai metode, diantaranya adalah metode Kolmogorov Smirnov. Pedoman
dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah :
- Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5 maka
distribusi adalah tidak normal. -
Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5 maka distribusi adalah normal. Sumarsono,2004 :41-43.
Komponen penggangu ei harus tersebar mengikuti sebaran normal dengan nilai tengah = 0 dengan varian sebesar
σ
2.
Dalam regresi OLS Ordinary Least Square b
,b
1
,b
2
,b
3
dan b
4
adalah fungsi linier dari Y dan Y adalah fungsi linier dari u
i
residual. Distribusi sampling dari regresi OLS Ordinary Least Square tergantung pada distribusi residual e
i
, apabila residual e
i
berdistribusi normal dengan sendirinya b ,b
1
,b
2
,b
3
, dan b
4
juga berdistribusi normal Gujarati, 1995:66-67.
3.4.2. Uji Asumsi Klasik
Menurut Sulaiman 2004 : 87-89, persamaan regresi harus bersifat BLUE Best Linier Unbiesed Estimation, artinya pengambilan keputusan
melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan pengambilan keputusan yang BLUE maka harus memenuhi syarat sebagai berikut :
Tidak ada Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah dalam persamaan regresi ditemukan adanya korelasi antar variabel bebas
independent. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
Multikolinieritas dapat dilihat dari nilai telorance dan nilai VIF. Tolerance mengukur variabilitas variabel bebas yang terpilih yang
tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1tolerance.
Jika VIF 10 terjadi Multikolinieritas
Jika VIF 10 tidak terjadi Multikolinieritas
Tidak ada Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan lain. Salah satu cara untuk mendeteksi ada atau tidak adanya Heteroskedastisitas adalah dengan cara menggunakan uji rank
spearman. Gujarati, 1995 : 188 1
Jika nilai probabilitas dari 0,05 berarti tidak terjadi Heteroskedastisitas
2 Jika nilai probabilitas dari 0,05 berarti terjadi
Heteroskedastisitas
Tidak ada Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antara data observasi yang diurutkan berdasarkan urut waktu atau data yang
diambil pada waktu tertentu Gujarati, 1995:201. Untuk mengetahui ada atau tidaknya gejala autokorelasi maka
perlu dilihat tabel criteria Durbin Watson, sebagai berikut :
Durbin Watson Criteria
0DWd
L
Ada autokorelasi positif d
L
DWd
U
Tanpa kesimpulan
d
U
DW4-d
U
Tidak ada autokorelasi 4-d
U
DW4-d
L
Tanpa kesimpulan
4-d
L
DW4 Ada autokorelasi negative
3.4.3. Teknik Analisis
Teknik analisis yang digunakan adalah Regresi Linear Berganda, teknik ini digunakan karena jumlah variabel bebas X yang digunakan
lebih dari satu variabel. Adapun model persamaan regresi tersebut adalah : Y= bo + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ ei Sulaiman, 2004 : 80
Keterangan Y
= Perubahan Laba bo
= Konstanta b
1
,b
2
,b
3
,b
4
= Koefisien regresi X
1
= Perubahan Net Profit Margin X
2
= Perubahan Return on Investment X
3
= Perubahan Total assets Turnover
X
4
= Perubahan Inventory Turnover ei
= Standar Eror
3.4.4. Uji Hipotesis a.
