penggunaan tarif pajak yang berbeda antar periode yang dianalisis. Alasan mengeluarkan item extraordinary, discontinued operation dan perubahan
kebijakan akuntansi adalah untuk menghilangkan elemen yang mungkin menyebabkan pertumbuhan laba meningkat dalam suatu periode yang tidak akan
timbul dalam periode yang lain. Penghitungan dari pertumbuhan laba, didasarkan pada rumus berikut ini:
Sumber : Tunggal 2001; 86 Dimana
∆Y adalah pertumbuhan laba, t adala periode laba, i adalah perusahaan individual, n adalah dihubungkan dengan periode yang lalu
.
E. Metode dan Teknik Analisis Data 1. Pengujian Asumsi Klasik
Metode analisis data yang digunakan dalam penelitian ini model analisis regresi sederhana dengan menggunakan bantuan software SPSS for windows
version.16. Penggunaan metode analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak.
Uji asumsi Klasik terdiri atas uji normalitas, uji heteroskedastisitas, uji multikolineritas dan uji autokorelasi.
a. Uji Normalitas Menurut Gozali 2005: 110,”Uji Normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel pengganggu memiliki distribusi normal”. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi
Pertumbuhan laba ∆Y
it
=
Y
it
-Y
it-n
Y
it-n
Universitas Sumatera Utara
apakah residual berdistribusi normal atau tidak yaitu dengan analsis grafik dan uji statistik.
1 Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histrogram yang membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel
yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi
normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi
data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
2
Analisis Statistik Uji statistik lain yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik non-parametrik. Kolmogorov-smirnovK-S. Uji KS dibuat dengan membuat hipotesis :
Ho : data residua l berdistribusi normal, Ha : data residual tidak berdistribusi normal.
b. Uji Multikolinieritas Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi
ditemukan korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen
saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen sama dengan nol. Multikolineritas dapat
juga dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah
yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen dan diregres terhadap
variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen
Universitas Sumatera Utara
lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1 tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan
adanya multikolineritas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
c. Uji Heteroskedastisitas Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap,
maka disebut dengan heteroskedastisitas. Untuk melihat ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara
nilai prediksi variabel dependen dengan residualnya. Jika ada pola seperti titik- titik yang membentuk pola tertentu yang teratur maka terjadi
heteroskedastisitas. Namun, jika tidak ada pola yang jelas serta titik menyebar ke atas dan di bawah angka 0 pada sumbu Y, berarti tidak terjadi
heteroskedastisitas. d. 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 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya.
Hal ini sering ditemukan pada data runtut waktu times series karena
Universitas Sumatera Utara
”ganguan” pada seorang individu kelompok cenderung mempengaruhi ”gangguan” pada individu kelompok yang sama pada periode berikutnya.
Pada data crossection silang waktu, masalah autokorelasi relatif jarang terjadi karena ”gangguan” pada observasi yang berbeda berasal dari individu .
Kelompok yang berbeda berasal dari invidu kelompok yang berbeda. Model regresi yang baik adalah yang bebas dari autokorelasi. Ada beberapa cara yang
dapat digunakan untuk mendeteksi masalah dalam autokorelasi di antaranya adalah dengan Uji Durbin Watson pada buku stastistik relevan. Menurut
Sunyoto 2009:91, Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
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 di atas +2 berarti ada autokorelasi negatif.
2. Uji Hipotesis
Hipotesis diuji dengan menggunakan analisis regresi linear berganda, dengan persamaan sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+b
3
X
3
+ e Dimana:
Y = Pertumbuhan Laba a = Konstanta
X
1
= DAR X
2
= DER X
3
= NIS b
1
= Koefisien regresi DAR b
2
= Koefisien regresi DER b
3
= Koefisien regresi NIS e = Tingkat error
Hipotesis dalam penelitian ini menggunakan uji koefisien determinasi, uji F dan uji t.
Universitas Sumatera Utara
a. Uji Koefisien Determinasi
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel independen dalam menjelaskan variasi variabel dependen amat terbatas.
Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel-variabel
dependen,. Secara umum koefisien determinasi untuk data silang crossection relative rendah karena adanya variasi yang besar antara masing-masing
pengamatan, sedangkan untuk data runtun waktu Time series biasanya mempunyai nilai koefisien determinasi yang tinggi. Koefisien determinan
berkisar antara nol sampai dengan satu 0
≤ R² ≤ 1. Hal ini berarti R²=0 menunjukkan tidak adanya pengaruh antara variabel independen terhadap
variabel dependen, bila R² semakin besar mendekati 1 menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen dan bila R²
semakin kecil mendekati nol maka dapat dikatakan semakin kecilnya pengaruh variabel independen terhadap variabel dependen.
b. Uji F
Uji ini pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model ini mempunyai pengaruh secara bersama – sama
terhadap variabel dependen. Bentuk pengujiannya :
Ho: b1 = b2 = 0, artinya variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.
Ha: b1, b2, ≠ 0, artinya semua variabel independen secara simultan
berpengaruh terhadap variabel dependen. Kriteria pengambilan keputusan :
Jika probabilitas 0.05, maka Ha diterima, Jika probabilitas 0.05, maka Ha ditolak.
c. Uji t Uji statistik t disebut juga sebagai uji signifikan individual. Uji ini
menunjukkan seberapa jauh pengaruh variabel independen secara parsial terhadapn variabel dependen.
Bentuk pengujiannya adalah : Ho:b1 = 0, artinya suatu variabel independen secara parsial tidak berpengaruh
terhadap variabel dependen.
Universitas Sumatera Utara
Ha : b1 ≠ 0, artinya variabel independen secara parsial berpengaruh terhadap
variabel dependen.
Universitas Sumatera Utara
BAB IV ANALISIS HASIL PENELITIAN