D. Metode Analisis Data
Untuk melakukan pengujian hipotesis maka dilakukan pengujian dengan bantuan metode analisis secara kuantitatif. Dalam melakukan pengujian
analisis kuantitatif pengujian hipotesis dilakukan dengan alat uji statistik. Alat uji statistik yang digunakan antara lain :
1. Analisis Regresi Linier Berganda
Sebelum analisis regresi berganda digunakan dalam pengujian hipotesis, terlebih dahulu model tersebut akan diuji uji normalitas dan
asumsi klasik, yang mana asumsi ini merupakan asumsi yang mendasari analisis regresi.
a. Uji Asumsi Klasik 1. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik distribusi
dan analisis statistik P-P Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya jika data menyebar
disekitar garis diagonal dan mengikuti arah garis diagonal, atau garis histogramnya menunjukkan pola distribusi normal, maka
model regresi
memenuhi asumsi
normalitas. Ghazali,2005:110,112.
Normalitas data
akan dilakukan
menggunakan uji
Kolmogorov Smirnov. Klomogorov Smirnov
H : Data tidak terdistribusi dengan normal
H
a
: Data terdistribusi dengan normal Dalam pengujian hipotesis, kriteria untuk menolak atau tidak
menolak H berdasarkan P-value adalah sebagai berikut :
Jika P-value 0.05 H diterima
Jika P-value 0.05 H ditolak
2. Uji Multikolonieritas Multikolonieritas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilihat dari :
a. nilai tolerance TOL dan lawannya, b. variance inflation factor VIF. Nilai tolerance yang rendah
sama dengan nilai VIF yang tinggi karena VIF = I tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai tolarance 0,10 atau sama dengan nilai VIF 10. Ghazali, 2005:91.
3. Uji Heteroskedastisitas Heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual
satu pengamatan ke pengamatan yang tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Deteksi adanya heteroskedastisitas dilakukan dengan cara melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu
ZPRED dengan residualnya SRESID. Jika pola tertentu, seperti titik
yang ada membentuk
pola tertentu yang teratur
bergelombang, melebar
kemudian menyempit
maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada
pola yang jelas, serta titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Ghazali, 2005:105. 4. Uji Autokorelasi
Autokorelasi dikenalkan oleh Maurice G. Kandali dan William R. Buckland. Uji ini merupakan pengujian asumsi dalam
regresi diamana nilai variable dependent tidak berkolerasi dengan nilai variable itu sendiri, baik nilai periode sebelumnya atau nilai
periode sesudahnya. Untuk mendeteksi gejala autokorelasi menggunakan uji Durbin-waston DW. Uji ini menghasilkan nilai
DW hitung d dari nilai DW tabel dl dan dv.
Menurut Suharyadi dan Purwanto 2004:529, Terdapat satu cara untuk mendeteksi gejala autokorelasi yaitu :
1. Metode grafik yang menghubungkan antara error e atau residu dengan waktu, apabila terdapat hubungan
yang sistematis baik meningkat atau menurun menunjukan adanya autokorelasi.
2. Menggunakan uji Durbin-Watson dw. Uji ini menghasilkan nilai dw dihitung d dan nilai dw tabel
d
L
d
V
. Rumus untuk menghitung dw adalah
∑ e
t
– e
t-1 2
∑e
2
Dan Hipotesisnya adalah sebagai berikut : H0 : Tidak ada autokorelasi, jika Durbin Watson-2
sampai dengan 2 Ha : Ada autokorelasi positif negative jika Durbin
Watson -2 maka terjadi autokerelasi positif, dan jika DW 2 maka terjadi autokorelasi negatif.
b. Uji Regresi Berganda Menurut Arikunto 2002;56 Analisis regresi berganda adalah
analisis tentang hubungan antara satu dependent variabel dengan dua atau lebih independent variabel. Untuk mengukur pengaruh variabel
independent dengan variabel dependen dapat digunakan analisa regresi
berganda. Dimana variabel independent dilambangkan dengan “x” dan variabel dependen dengan “y”. rumus regresi garis lurus berganda
tersebut berupa :
Keterangan : y = varibel dependen, yaitu profitabilitas
x1 = variabel independen, yaitu perputaran kas x2 = variabel independent, yaitu perputaran persediaan
x3 = variabel independent, yaitu leverage a = nilai y pada x = 0
b = perobahan nilai y apabila x berubah 1 unit e = error
c. Pengujian Hipotesis 1. Uji Global atau Uji F
Uji global disebut juga uji signifikan serentak atau uji f. uji ini dimaksudkan untuk melihat kemampuan menyeluruh dari variabel
bebas yaitu X
1
, X
2
,… X
k
., untuk dapat atau mampu menjelaskan tingkah laku atau keragaman variabel tidak bebas Y. Uji global juga
dimaksudkan untuk mengetahui apakah semua variabel bebas memiliki koefisien regresi sama dengan nol.
Untuk melakukan pengujian secara global, maka ada beberapa langkah yang diperlukan yaitu:
Y = a + b1x1 + b2x2 + b3x3 + e
b. Menyusun Hipotesis Hipotesa yang ingin diuji adalah kemampuan variabel
bebas menjelaskan tingkah laku variabel tidak bebas, apabila variabel bebas tidak dapat mempengaruhi variabel bebas dapat
dianggap nilai koefisien regresinya sama dengan nol sehingga berapapun nilai variabel babas tidak akan berpengaruh terhadap
variabel bebas. Dalam menyusun hipotesa selalu ada hipotesa nol dan
hipotesa alternatif. Untuk hipotesa nol selalu mengandung unsur kesamaan, maka dapat dirumuskan hipotesa nol adalah koefisien
regresi sama dengan nol. Untuk hipotesa alternatifnya adalah koefisien regresi tidak sama dengan nol. Hipotesanya kemudian
dirumuskan sebagai berikut; H
: β
1
= β
2
= 0 H
1
: β
1
≠ β
2
≠ 0 c. Menentukan daerah keputusan
Untuk uji ini digunakan table F. untuk mencari nilai F-tabel perlu diketahui derajat bebas pembilang pada kolom, derajat bebas
penyebut pada baris dan taraf nyata. Umumnya ada dua taraf nyata yang dipakai yaitu 1 dan 5, untuk derajat pembilang
digunakan nilai k-1, yaitu jumlah variabel dikurang 1. Dan untuk derajat penyebut digunakan n-1, yaitu jumlah sample dikurangi
dengan jumlah variable.
d. Menentukan nilai F-hitung Nilai F-hitung ditentukan dengan rumus sebagai berikut:
F = 3
1 1
2 2
n
R k
R
Keterangan : R
2
= Koefisien Determinasi k
= Jumlah Variabel Independen n
= Jumlah sample e. Menentukan daerah keputusan
Menentuakn wilayah H dan
H1
, serta membandingkan dengan nilai F-hitung untuk mengetahui apakah menerima H
atau menerima H
1
. f. Memutuskan hipotesa
Jika F-hitung F-tabel maka H ditolak, dan jika F-hitung
F-tabel maka H diterima.
Jika probabilitas signifikan 0,01 maka H0 ditolak, dan jika probabilitas signifikan 0,01 maka H0 diterima.
2. Uji t atau uji Individual