2.Likuiditas Likuiditas adalah kemampuan perusahaan dalam memenuhi kewajiban
jangka pendeknya. Dalam penelitian ini, likuiditas diukur dengan menggunakan rasio likuiditas yaitu rasio lancar. Rasio ini menunjukkan sejauh mana aktiva
lancar menutupi kewajiban-kewajiban lancar. Besarnya hasil perhitungan rasio lancar menunjukkan besarnya kewajiban lancar yang dijamin dengan aktiva
lancar, rumusnya : Rasio lancar =
ancar KewajibanL
ar AktivaLanc
G. Metode Analisis Data
Data penelitian yang dikumpulkan untuk diolah kemudian akan dianalisis untuk memperoleh jawaban atas permasalahan yang timbul dalam penelitian ini.
Data penelitian akan diolah dengan menggunakan program SPSS 16.
1. Uji Asumsi Klasik
a. Uji Normalitas
Tujuan uji normalitas menurut Ghozali 2005:111 adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual
memiliki distribusi normal.Ada beberapa cara yang dapat digunakan untuk melihat normalitas data dalam penelitian ini yaitu :
1.Uji Kolmogrov Smirnov, dalam uji ini pedoman yang digunakan dalam pengambilan keputusan yaitu:
• Jika nilai signifikan 0.05 maka distribusi data tidak normal
• Jika nilai signifikan 0.05 maka distribusi data normal
Universitas Sumatera Utara
Hipotesis yang digunakan : •
Ho :Data residual berdistribusi normal •
Ha :Data residual tidak berdistribusi normal 2. Histogram, yaitu pengujian dengan menggunakan ketentuan bahwa data
normal berbentuk lonceng Bell shaped. Data yang baik adalah data yang memiliki pola distribusi normal. Jika data menceng ke kanan atau menceng ke kiri
berarti memberitahukan bahwa data tidak berdistribusi secara normal. 3. Grafik Normality Probability Plot, ketentuan yang digunakan adalah :
• Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal maka model regesi memenuhi asumsi normalitas •
Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Heterokedasitas
Menurut Erlina dan Mulyani 2007:103 uji heterokedasitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel dari
residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas, dan
jika berbeda disebut heterokedastisitas. Model regresi yang baik yaitu homokedastisitas. Pengujian dilakukan dengan menggunakan grafik scatterplot
dan Uji Glejser. •
Grafik scatterplot
Universitas Sumatera Utara
Untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat grafik scatterplot antara SRESID dan ZPRED yang dihasilkan dari
pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
1 jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 1
jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi
homoskedastisitas. •
Uji Glejser Uji ini untuk meregres nilai absolut residual terhadap variabel independen.
Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi Heterokedastisitas. Jika probabilitas
signifikansinya di atas tingkat kepercayaan 5 , maka dapat disimpulkan bahwa model regresi tidak mengandung adanya Heterokedastisitas.
c. 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. Autokorelasi muncul karena observasi yang berurutan sepanjang
tahun satu dengan lainnya. Hal ini sering ditemukan pada time series. Pada data crossection, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam
Universitas Sumatera Utara
penelitian ini untuk mendeteksi ada atau tidaknya autokorelasi dapat dilihat denngan menggunakan uji Durbin-Watson.
• Uji Durbin-Watson DW
Menurut Singgih 2002 : 218, untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson D-W. Panduan melihat angka D-W untuk
mendeteksi autokorelasi bisa dilihat pada tabel D-W, yang bisa dilihat pada buku statistik yang relevan. Namun demikian secara umum bisa diambil patokan:
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 diatas +2 berarti ada autokorelasi negatif
2. Analisis Regresi