Pengklasifikasian Variabel .1 Metode Analisis Data

48 X 2 Rasio yang digunakan untuk mengukur kemampuan perusahaan dalam menghasilkan laba dari keseluruhan total aset yang dimiliki oleh perusahaan Earning Before Interest and Tax to Total Asset Rasio X 3 Rasio ini mengukur intensitas perusahaan dalam menggunakan asetnya. Rasio ini mengukur kemampuan manajemen dalam menggunakan aset untuk menghasilkan penjualan Sales to Total Asset Rasio X 4 Rasio ini menggambarkan kemampuan perusahaan dalam menutupi kewajiban lancar dengan menggunakan laba bersih sebelum dipotong pajak Net Profit Before tax to Current Liabilities Rasio Y Dari laporan keuangan perusahaan dianalisislah rasio keuangan yang dianggap dapat memprediksi kebangkrutan Springate = 1,03X 1 + 3,07X 2 +0,4X 3 + 0,66X 4 Ordinal 3.6 Pengklasifikasian Variabel 3.6.1 Variabel Bebas independent variable Variabel bebas adalah variabel yang keberadaanya dapat mempengaruhi perubahan dalam variabel dependen dan mempunyai hubungan positif dan negatif bagi variabel dependen. Variabel bebas yang digunakan dalam penelitian ini adalah: 49 X 1 = X 2 = X 3 = X 4 = 3.6.2 Variabel Terikat dependent variable Variabel terikat yaitu variabel keberadaanya yang dipengaruhi oleh besarnya variabel independen. Variabel dependen pada penelitian ini yaitu potensi kebangkrutan perusahaan.

3.7 Metode Analisis Data

Metode analisis data yang dilakukan dalam penelitian ini adalah dengan menggunakan analisis statistik yang dilakukan dengan tahapan sebagai berikut: 1. Pengujian asumsi klasik Penggunaan analisis regresi dalam statistik harus bebas dari asumsi-asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, heteroskedastisitas, dan autokorelasi. A. Uji Normalitas Menurut Ghozali 2005:160 uji normalitas bertujuan untuk 50 menguji apakah variabel independen dan dependen berdistribusi normal. Penelitian ini menggunakan analis grafik dan statistik untuk menguji normalitas data. Analisis grafik dilakukan dengan menggunakan grafik histogram. Uji statistik yang digunakan untuk mengetahui normalitas residual adalah uji statistik Kolmogorov Smirnov K-S. Pedoman pengambilan keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat dari: a Nilai Sig. atau signifikan atau probabilitas 0,05 maka distribusi adalah tidak normal b Nilai Sig. atau signifikan atau probabilitas 0,05 maka distribusi data adalah normal Ghozali, 2005:165 B. 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 Ghozali, 2005 : 110. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Pengujian autokorelasi menggunakan uji Durbin Watson DW-test dengan melihat nilai d. Pengambilan keputusan mengenai ada tidaknya autokorelasi yaitu : 51 Tabel 3.3 Nilai Durbin-Watson Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidak ada korelasi negative Tolak 4 – dl d 4 Tidak ada korelasi negative No decision 4 – du ≤ d ≤ 4 – dl Tidak ada autokorelasi, positif atau negative Tidak ditolak du d 4 – du Sumber: Ghozali 2013: 111 C. Uji Heteroskedastisitas Menurut Ghozali 2005:139 uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lainnya. Untuk melihat ada tidaknya heteroskedastisitas dilakukan dengan mengamati Grafik Scatterplot antara nilai prediksi variabel terikat dengan residualnya. Deteksi ada tidaknya heterokedastisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot dengan dasar analisis: a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi 52 heteroskedastisitas Ghozali, 2005:139. D. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk mengetahui apakah antar variabel independen dalam model regresi memiliki korelasi. Model regresi seharusnya tidak memiliki korelasi antar variabel independennya. Uji multikolinearitas dapat dilakukan dengan melihat nilai VIF variance inlation factor dan nilai tolerance. VIF adalah estimasi berapa besar multikolinearitas meningkatkan varian pada suatu koefisien estimasi sebuah variabel independen Erlina, 2011:103. Jika nilai VIF 10 dan nilai tolerance 0,10 maka tidak terdapat multikolinearitas. 2. Analisis Regresi Berganda Analisis regresi linear berganda ditujukan untuk menentukan hubungan linear antar beberapa variabel bebas dengan variabel terikat Situmorang, et al., 2007: 118. Data dalam penelitian ini dianalisis dengan analisis regresi linear berganda sebagai berikut: Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + e Keterangan : Y = Variabel dependen Potensi Kebangkrutan α = Konstanta β i = Koefisien Regresi 53 X 1 = working capital total asset X 2 = earning before interest and tax total asset X 3 = sales total asset X 4 = net profit before tax current liabilities e = error

3.8 Pengujian Hipotesis