48
www.idx.co.id dan www.bursamalaysia.com untuk memperoleh data laporan keuangan perusahaan perkebunan yang telah dipublikasikan dan
dengan melakukan studi pustaka, melalui jurnal akuntansi dan buku-buku yang berkaitan dengan masalah yang diteliti.
3.7 Metode Analisis Data
Metode analisis data yang digunakan dalalam penelitian ini adalah model analisis regresi linear berganda. Model regresi linear berganda
adalah teknik analisis yang menjelaskan hubungan antara variabel dependen dengan beberapa variasi independen Sugiyono, 2006 : 271.
Dalam melakukan analisis data peneliti menggunakan program SPSS Statistical Package Social Science versi 19.0.
3.7.1 Statistik Deskriptif
Statisitik deskriptif merupakan statistik yang menggambarkan fenomena atau karakteristik dari data Jogiyanto,
2004 : 163. Statistik deskriptif mempelajari bagaimana cara penyajian data sehingga dapat memudahkan untuk dipahami dan
memberikan gambaran suatu data yang dapat dilihat dari nilai rata- rata mean, median, varian, nilai maksimum, dan minimum serta
standar deviasi.
3.7.2 Uji Asumsi Klasik
Penggunaan metode analisis regresi dalam pengujian hipotesis, terlebih dahulu peneliti lakukan sebelum melakukan
Universitas Sumatera Utara
49
pengujian hipotesis, hal ini bertujuan apakah model tersebut memenuhi asumsi klasik atau tidak. Pengujian asumsi klasik terdiri
dari uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Menurut Husein Umar 2008 : 79 “uji normalitas berguna untuk mengetahui apakah variabel dependen, independen, atau
keduanya berdistribusi normal atau tidak”. Sama halnya dengan Ghozali 2006 yang menyatakan bahwa “uji normalitas bertujuan
untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”. Jika data menunjukkan
tidak berdistribusi normal, maka analisis dari nonparametik dapat digunakan. Jika berdistribusi normal, maka analisis parametik yang
termasuk model-model regresi dapat digunakan. Cara mendeteksi apakah data berdistribusi normal atau tidak
dapat dilakukan dengan tidak berdasarkan grafik, seperti uji Kolmogorov-Smirnov
dimana bila nilainya diatas 5 nilai signifikansi atau probabilitas 0.05 hal tersebut menunjukkan data
dari variabel tersebut berdistribusi normal, dan berlaku sebaliknya. Uji normalitas juga dapat dilakukan dengan analisis grafik
histogram dan normal probability plot.
Universitas Sumatera Utara
50
Menurut Ghozali 2006 : 112 dasar pengambilan keputusan dalam uji normalitas sebagai berikut:
1. Jika data menyebar disekitar garis diagonal dan mengikuti
arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi
asumsi normalitas dan
2. Jika data menyebar jauh dari diagonal dan atau tidak
mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi
tidak memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk mengetahui apakah model regresi yang diajukan terdapat kolerasi yang kuat antar
variabel independen. Jika terdapat kolerasi yang kuat, maka terdapat masalah multikolinieritas yang harus diatasi, karena model
regresi yang baik seharusnya tidak terjadi kolerasi di antara variabel independen yang ada. Menurut Sarjono 2011 salah satu untuk
mendeteksi ada tidaknya multikolinieritas dapat dilihat dari nilai VIF Variance-Infliating Factor, dasar dalam mengambil
keputusan adalah:
1. Jika nilai VIF 10 maka tidak terjadi gejala
multikolinieritas di antara variabel bebas, 2.
Jika nilai VIF 10 maka terjadi gejala multikolinieritas di antara variabel bebas.
Universitas Sumatera Utara
51
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari
residual suatu pengamatan ke pengamatan yang lainnya. Jika varians dari residual tersebut tetap atau tidak mengalami perubahan,
maka disebut homoskedastisitas. Sedangkan, model regresi yang baik bila tidak terjadi perubahan yang disebut dengan
heteroskedastisitas. Beberapa cara untuk menentukan heteroskedastisitas adalah dengan Scatterplot, Uji Park, Uji Glejser.
Menurut Ghozali 2006 : 105 dasar analisis untuk menentukan ada atau tidaknya heteroskedastisitas, yaitu:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi
Menurut Umar 2008 : 86 menyatakan bahwa ”uji autokorelasi berguna untuk mengetahui apakah dalam sebuah model
regresi linier terdapat hubungan yang kuat baik positif maupun negatif antar data yang ada pada variabel-variabel penelitian.
Sedangkan menurut Ghozali 2006 : 95 “auto autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada
Universitas Sumatera Utara
52
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya”.
Autokorelasi muncul akibat obeservasi yang berurutan sepanjang waktu yang berkaitan satu dengan yang lainnya. Hal ini sering
terjadi pada data time series, karena “gangguan” yang terjadi pada seorang individu kelompok cenderung mempengaruhi “gangguan”
pada individu kelompok yang sama pada periode yang terjadi berikutnya. Cara yang dapat dilakukan untuk mendeteksi ada atau
tidaknya autokolerasi adalah dengan melakukan pengujian Durbin Watson, yaitu uji yang digunakan untuk autokorelasi tingkat satu
first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag di antara
variabel independen. Selain uji Durbin Watson, dapat juga digunakan uji Lagrange Multiplier LM test untuk jumlah sampel
di atas 100 observasi, uji Statistics Q untuk melihat autokolerasi dengan lag lebih dari dua, dan uji Run test untuk menguji apakah
antar residual terdapat korelasi yang tinggi.
3.7.3 Analisis Regresi Berganda
