Penerapan Model Analisis Uji Asumsi Klasik

3.8.2 Penerapan Model Analisis

Model analisis yang digunakan dalam penelitan ini adalah Regresi Linier Berganda. Pada tahap ini akan dijelaskan hubungan variabel, yaitu antara variabel terikat dan variabel bebas dengan rumus sebagai berikut, Supranto, 2005:149: Y = a + b 1 X 1 + b 2 X 2 + e Dimana: Y = Return on Assets a = Konstanta X 1 = Struktur Aktiva X 2 = Struktur Keuangan b 1,2 = Koefisien regresi variabel independen e = Error

3.8.3 Uji Asumsi Klasik

Sebelum data dianalisis, model regresi linier berganda harus memenuhi syarat uji asumsi klasik. Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda. Uji asumsi klasik terdiri dari : 1 Uji Normalitas Imam 2006:110 menyataan bahwa “Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Menurut Imam, 2006:112, pada prinsipnya normalitas data dapat diketahui dengan melihat penyebaran data titik pada sumbu diagonal pada grafik atau histogram dari residualnya. Data normal dan tidak normal dapat diuraikan sebagai berikut : 1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya, menunjukkan pola terdistribusi normal, maka model regresi memenuhi asumsi normalitas. 2 Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafk histogramnya, tidak menunjukkan pola terdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Menurut Imam 2006 uji normalitas dengan grafik dapat menyesatkan apabila tidak hati-hati. Secara visual kelihatan normal, tetapi secara statistik tidak demikian. Oleh sebab itu dianjurkan selain menggunakan uji grafik dilengkapi dengan uji statistik. Uji statistik yang digunakan dalam penelitian ini adalah uji statistik Kolmogrov-Smirov K-S. uji K-S dilakukan dengan membuat hipotesis sebagai berikut: H : Data residual berdistribusi normal H a : Data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan α = 5 berarti distribusi data normal dan H diterima, sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal dan H a diterima. 2 Uji Multikolonieritas Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Hubungan linier antarvariabel inilah yang disebut dengan multikolinearitas. Model regresi yang baik seharusnya tidak ada korelasi antar variabel independen. Multikolinearitas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matrik korelasi variabel- variabel independen. “Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah tolerance 0,1 sedangkan variance inflation factor VIF 5 ”. Situmorang dan Lufti, 2011:139. 3 Uji Autokorelasi Uji autokorelasi 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 yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan uji Lagrange Multiplier LM Tests atau Breusch-Godfrey Test BG Test. Test ini lebih tepat jika digunakan pada penelitian dengan jumlah observasi yang besar yaitu di atas 100 observasi. Menurut Imam 2006:98 “Uji Autokorelasi dengan LM test terutama digunakan untuk sample besar di atas 100 observasi. Uji ini memang lebih tepat digunakan dibandingkan uji DW, terutama bila sampel yang digunakan relatif besar dan derajat autokorelasi lebih dari satu”. Untuk mendeteksi ada tidaknya autokorelasi adalah dengan melihat nilai koefisien parameter untuk residual dimana probabilitas signifikansinya di atas tingkat kepercayaan 5, maka disimpulkan tidak terjadi autokorelasi. Selanjutnya untuk lebih memastikan tidak adanya autokorelasi pada model dilakukan uji nonparametrik yaitu dengan Run Test dengan melihat nilai signifikansi residual. Apabila signifikansi residual di atas tingkat kepercayaan 5 maka dapat disimpulkan tidak terjadi autokorelasi, dan apabila dibawah tingkat kepercayaan 5 maka terjadi autokorelasi. 4 Uji Heteroskedastisitas Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan kepengamatan yang lain, jika varians dari residual satu pengamatan kepengamatan lainnya tetap, maka disebut homoskedastisitas, jika varians berbeda, maka disebut heteroskedasitas. Uji Heteroskedastisitas dapat dilakukan dengan melakukan uji glejser. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5, maka disimpulkan tidak mengarah adanya heteroskedastisitas.

3.8.4 Pengujian Hipotesis