3.3.3. Metode Pengumpulan Data
Pengumpulan data yang digunakan dalam penelitian ini adalah dokumentasi dan studi kepustakaan. Dokumentasi yaitu suatu teknik
pengumpulan data dengan mempelajari dan menggunakan laporan keuangan pihak emiten yang menjadi sampel dalam penelitian ini.
Sedangkan studi kepustakaan adalah studi literatur yang digunakan untuk mencari dan mendapatkan data, informasi, dan teori yang relevan
dengan bahasan dari buku-buku literatur.
3.4. Teknik Analisis dan Uji Hipotesis
3.4.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah data tersebut mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data
tersebut mengikuti sebaran normal atau tidak dapat dilakukan dengan berbagai metode diantaranya dengan uji statistik non parametik
Kolmogorov-Smirnov K-S Sumarsono, 2004 : 40, uji K-S dilakukan dengan membuat hipotesis:
1. Jika nilai signifikan nilai probabilitas lebih kecil dari 5 , maka data
berdistribusi adalah tidak normal. 2.
Jika nilai signifikan nilai probabilitas lebih besar dari 5 , maka data berdistribusi adalah normal. Sumarsono, 2004 : 43.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4.2. Uji Asumsi Klasik
Persamaan regresi linier berganda harus bersifat BLUE Best Linier Unbiosed Estimator
, artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan BLUE maka harus
dipenuhi diantaranya tiga asumsi dasar. Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier
berganda yaitu: 1.
Tidak boleh ada autokorelasi. 2.
Tidak boleh ada multikolinearitas. 3.
Tidak boleh ada heterokedastisitas. Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar maka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias Gujarati, 1997
: 218. 1.
Autokorelasi Gujarati 1995 : 201, mendefinisikannya sebagai korelasi yang terjadi
diantara anggota observasi yang terletak berderetan secara series dalam bentuk waktu jika data time series atau korelasi antara tempat yang
berderet atau berdekatan kalau datanya cross sectional. Jadi dalam hal model regresi linier diasumsikan tidak terdapat gejala autokorelasi.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Artinya nilai residual Y observasi-Y prediksi pada waktu ke-t e
t
tidak boleh ada hubungan dengan nilai residual periode sebelumnya e
t-1
. Untuk mengetahui ada atau tidaknya gejala autokorelasi menurut
Santoso 2001 : 219 diperoleh kriteria sebagai berikut: 1.
Angka D-W dibawah -2 berarti ada autokorelasi positif. 2.
Angka D-W diatas +2 berarti ada autokorelasi negatif. 3.
Angka D-W diantara -2 sampai +2 tidak ada autokorelasi. 2. Multikolinearitas
Multikolinearitas berarti adanya hubungan linier yang ”sempurna” atau pasti diantara beberapa atau semua variabel yang menjelaskan dari
model regresi Gujarati, 1995 : 157. Identifikasi ada atau tidaknya gejala multikolinearitas dapat dilakukan dengan menghitung Varience
Inflation Faktor VIF.
VIF =
2
R I
I
VIF menyatakan tingkat pembengkaan varians. Apabila VIF lebih besar dari 10 hal ini terdapat multikolinearitas pada persamaan regresi
linier. 3.
Heterokedatisitas Pada regresi linier, nilai residual tidak boleh ada hubungan dengan
variabel independen. Hal ini dapat dideteksi dengan menggunakan korelasi Rank Spearman antara residual dengan seluruh variabel bebas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Rumus korelasi Rank Spearman: Σ di
2
r
s
= 1 – 6 N N
2
– 1 Gujarati, 1995 : 188
Dimana: N
= Jumlah sampel di
= Beda rank diantara variabel ke-1
3.4.3. Teknik Analisis
Kategori