41 www.idx.co.id yang berupa laporan tahunan Annual Report, laporan
keuangan dan laporan audit oleh laporan auditor independen.
D. Metode Analisis Data
1. Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk memastikan bahwa sampel yang diteliti terbebas dari gangguan normalitas, multikolonieritas, autokorelasi, dan
heteroskedastisitas.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual 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. Ghozali, 2015. Dalam penelitian ini, uji normalitas dilakukan dengan menggunakan
analisis grafik dan uji statistik. Analisis grafik dapat dilakukan dengan melihat grafik histogram dan normal probability plot Normal P-P Plot. Distribusi
normal akan membentuk satu garis diagonalnya. Sedangkan, uji statistik yang digunakan adalah uji statistik non-parametrik Kolmogorov-Smirnov K-S.
Jika uji Kolmogorov-Smirnov menunjukkan hasil yang signifikan berarti data residual terdistribusi tidak normal Ghozali, 2015.
b. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Jika ada
42 korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan
antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel
independen. Ghozali 2015 menjelaskan cara untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi, yaitu:
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen
banyak yang tidak signifikan mempengaruhi variabel independen. 2
Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel ada korelasi yang cukup tinggi umumnya di atas
0,90, maka hal ini mengindikasikan adanya multikolonieritas. 3
Multikolonieritas dapat dilihat dari nilai Tolerance dan lawannya yaitu Variance Inflation Factor VIF. Nilai Tolerance yang
rendah sama dengan nilai VIF tinggi karena VIF = 1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai Tolerance ≤ 0,10 atau sama dengan
nilai VIF ≥ 10. Regresi bebas dari masalah multikolonieritas jika nilai Tolerance 0,10 atau sama dengan niai VIF 10 Ghozali,
2015.
c. Uji Heteroskesdastisitas
Uji heteroskesdastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang
43 lain tetap, maka disebut homoskesdastisitas dan jika berbeda disebut
heteroskesdastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskesdastisitas.
Deteksi ada atau tidaknya heteroskesdastisitas dapat dilihat dengan ada tidaknya pola tertentu pada grafik scatterplot. Jika ada pola tertentu maka
mengindikasikan telah terjadi heteroskesdastisitas. Tetapi, jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu
Y, maka tidak terjadi heteroskesdastisitas Ghozali, 2015.
d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu 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. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Salah satu cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah uji statistik non-parametrik Run Test. Jika uji
Run Test menunjukkan hasil yang signifikan berarti residual tidak random atau terjadi autokorelasi antar nilai residual.
44
2. Analisis Statistik Deskriptif