Variable Bebas Pengujian Asumsi Klasik

3.2 Variable Bebas

independent variable Variabel independen bebas adalah variabel yang menjelaskan atau mempengaruhi variabel yang lain Umar, 2003:50. Adapun variabel independen yang digunakan dalam penelitian ini yaitu: a. Arus Kas Aktivitas Operasi Arus kas merupakan penerimaan dan pengeluaran kas suatu perusahaan selama suatu periode. Di dalam laporan arus kas, perusahaan melaporkan arus masuk dan arus keluar kas atau setara kas selama periode tertentu yang diklasifikasikan ke dalam aktivitas operasi, investasi dan pendanaan. Arus kas dari aktivitas operasi merupakan selisih antara penerimaan kas dari penjualan barang dan jasa dan pembayaran kas kepada pemasok dan karyawan untuk memperoleh persediaan serta membayar beban Bandi dan Rahmawati, 2005. Arus kas terlebih dahulu ditransformasikan dalam bentuk logaritma natural. b. Gross Profit Margin Gross profit margin, merupakan perbandingan penjualan bersih dikurangi harga pokok penjualan dengan penjualan bersih atau rasio antara laba kotor dengan penjualan bersih. Secara matematis dapat diformulasikan sebagai berikut : Gross profit margin = Laba Kotor x 100 Penjualan bersih Universitas Sumatera Utara

c. Laba Bersih

Laba yang digunakan dalam penelitian ini adalah laba bersih, yaitu angka yang menunjukkan selisih antara seluruh pendapatan dari kegiatan operasi perusahaan maupun non operasi perusahaan. Laba yang dimaksud merupakan total laba perusahaan baik yang terkait atau tidak terkait dengan aktivitas utama perusahaan. Komponen laba bersih adalah laba perusahaan sebelum item operasi yang tidak berlanjut, item- item khusus, dan pos luar biasa Bandi dan Rahmawati, 2005. Dengan demikian, sesungguhnya laba bersih ini adalah laba yang menunjukkan bagian laba yang akan ditahan di dalam perusahaan dan yang akan dibagikan sebagai dividen. Laba bersih akan ditransformasikan dalam bentuk logaritma natural.

F. Metode Analisis Data

3.1 Pengujian Asumsi Klasik

3.1.1 Uji Normalitas Data

Tujuan uji normalitas menurut Ghozali 2006:110 adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Kalau nilai residual tidak mengikuti distribusi normal, uji statistic menjadi tidak valid untuk jumlah sampel kecil. Cara untuk mendeteksi apakah residual berdistribusi normal yaitu analisis grafik dan analisis statistic dengan uji Kolmogrov-Smirnov K-S. Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal Universitas Sumatera Utara berdasarkan uji Kolmogrov-Smirnov dapat dilihat dari: 1. Nilai Sig. atau signifikansi atau probabilitas 0,05 maka distribusi data tidak normal 2. Nilai Sig. atau signifikansi atau probabilitas 0,05 maka distribusi data normal

3.1.2 Uji Multikolinearitas

Menurut Ghozali 2006:91, uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya kolerasi antara variabel independen. Suatu model regresi yang baik seharusnya tidak terjadi kolerasi di antara independennya. Untuk mendeteksi ada tidaknya multikolinearitas dapat dilihat dari nilai tolerance dan lawannya variance inflation factor VIF. Jika nilai tolerance tidak kurang dari 0,1 dan nila variance inflation factor tidak lebih dari 10, maka model dikatakan terbebas dari multikolinearitas.

3.1.3 Uji Heterokedastisitas

Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Suatu model regresi yang baik adalah homokedastisitas atau tidak terjadi heterokedastisitas. Cara yang dipakai dalam penelitian ini untuk mendeteksi ada atau tidaknya heterokedastisitas pada model adalah dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan nilai residualnya SRESID. Dasar analisis menurut Ghozali 2006:105: Universitas Sumatera Utara 1. jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas. 2. jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau homokedastisitas.

3.1.4 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Dengan kata lain, masalah ini sering kali ditemukan apabila menggunakan data time series. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Salah satu cara yang dapat digunakan untuk mendeteksi adanya autokorelasi adalah dengan uji Durbin-Watson. Menurut Sunyoto 2009:91, pengambilan keputusan ada tidaknya auto korelasi adalah sebagai berikut: 1. Angka D-W di bawah -2 berarti ada autokorelsi 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 Universitas Sumatera Utara Salah satu cara lain yang dapat digunakan untuk mendeteksi ada tidaknya autokorelasi adalah dengan dilakukannya uji statistik Run Test. Suatu persamaan regresi dinyatakan terbebas autokorelasi jika hasil uji statistik run test-nya tidak signifikan atau di atas 0,05 Ghozali, 2006. Pengambilan keputusan pada uji run test didasarkan pada acak tidaknya data. Apabila data bersifat acak, maka dapat diambil kesimpulan bahwa data tidak terkena autokorelasi. Menurut Ghozali 2006, acak tidaknya data mempunyai batasan sebagai berikut: 1. apabila nilai probabilitas ≥ α = 0,05 maka observasi terjadi secara acak. 2. apabila nilai probabilitas ≤ α = 0,05 maka observasi terjadi secara tidak acak.

3.2 Pengujian Hipotesis