www.idx.co.id untuk memperoleh data laporan keuangan yang menjadi populasi dan sampel
dalam penelitian ini.
3. 8. Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan software SPSS Statistical Product and Service Solution. Data
tersebut dianalisa melalui analisis kuantitatif statistik, yaitu data yang dinyatakan dalam angka-angka statistik melalui analisis statistik deskriptif, uji asumsi klasik yaitu uji
normalitas, uji multikolinearitas, dan uji heteroskedastisitas, uji autokorelasi. Dilanjutkan dengan uji signifikan parsial uji-t, uji signifikan simultan uji-F, uji koefisien determinasi
R
2
, dan analisis regresi linear berganda menunjukkan integritas suatu nilai variabel yang diwakilinya dalam pengujian hipotesis. Analisis kuantitatif statistik tersebut diolah lebih
lanjut dalam bentuk tabel, grafik, diagram, gambar dan sebagainya sehingga lebih informatif untuk digunakan oleh pihak lain.
3. 8. 1. Uji Multikolinearitas
Hasil uji multikolinearitas terindikasi dari hasil regresi statistik uji signifikan parsial uji- t dan uji signifikan simultan uji-F. Jika terdapat banyak parameter koefisien statistik dari
uji-t. Maka, diasumsikan bahwa tidak ada korelasi variabel independen yang signifikan. Sedangkan, hasil perhitungan uji-F lebih signifikan maka dapat diasumsi terdapat korelasi
variabel independen yang multikolinearitas. Indikator tidak adanya korelasi multikolinearitas dapat dinilai dari batas tolerance yang
tidak kurang dari 0,1 dan variance inflation factor VIF tidak lebih dari 5. Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya
korelasi antar variabel independen. Suatu model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independennya Ghozali; 2005: 110.
Universitas Sumatera Utara
3. 8. 2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji regresi linier berganda mempunyai variasi yang sama dari suatu parameter pengamatan ke pengamatan yang lain Ghozali; 2005:
11. Model regresi yang baik adalah model homokedastisitas. Jika terdapat heteroskedastisitas maka hasil regresi menjadi tidak efisien dan menyebabkan misleading
meskipun tidak bias dan konsisten. Pada umumnya heteroskedastisitas dapat diuji pada data cross section
. Mendeteksi terdapat atau tidaknya heteroskedastisitas adalah dengan memperhatikan
pada tabel grafik scatterplot, jika terdapat pola titik-titik yang teratur yakni bergelombang, melebar, kemudian menyempit maka dapat diindentifikasikan terdapat model
heteroskedastisitas. Tetapi, jika terdapat pola yang titik-titik yang menyebar tidak beraturan di atas dan di bawah nilai 0 pada sumbu Y maka dapat diindentifikasikan tidak terjadi
heteroskedastisitas.
3. 8. 3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui suatu model regresi linier terdapat korelasi antara error pada periode saat sekarang dengan error pada periode sebelumnya. Cara
mendeteksi terdapat autokorelasi pada model adalah dengan melihat tabel kriteria nilai Durbin Watson
DW dengan cara membandingkan nilai statistk dengan tabel Durbin Watson Agusyana; 2011: 106. Jika, terdapat error pada hasil pola regresi dari periode yang berbeda
saling berkorelasi maka dapat diindentifikasikan bahwa terdapat autokorelasi. Mendeteksi autokorelasi dapat digunakan dengan pedoman tes Durbin Watson DW sebagai berikut :
Universitas Sumatera Utara
Tabel 3. 3 Kerangka Identifikasi Autokorelasi
Durbin Watson
Nilai DW Hasil
0DWdl
Tolak H
Autokorelasi positif dlDWdu
Hasil tidak dapat ditentukan 4-dlDW4
Tolak H
Autokorelasi negatif
duDW4-du
Tidak ada autokorelasi positif atau negatif 3. 8. 4. Analisis Regresi Linear Berganda
Analisis regresi linier berganda adalah suatu analisis yang digunakan untuk mengetahui pengaruh variabel independent terhadap satu atau beberapa variabel dependent. Supranto;
1994 Pada tahapan ini peneliti akan membuat model regresi linear berganda yang menggambarkan hubungan antara Risk Base Capital RBC dan pertumbuhan premi neto
sebagai variabel independent terhadap Return On Investment ROI sebagai variabel dependent. Model regresi linear pada penelitian ini sebagai berikut :
e X
b X
b a
Y
2 2
1 1
Keterangan: Y
= Return On Investment ROI a
= Konstanta b1, b2
= Koefisien regresi X1
= Risk Base Capital RBC X2
= Pertumbuhan premi neto e
= error-terms faktor errorgangguan
3. 8. 5. Uji Parsial uji-t
