1.6 Metode Analisis Data
Dalam penelitian ini, metode analisis data yang dilakukan dengan analisis statistik dan menggunakan software SPSS 17.0. Untuk menguji hipotesis dalam
penelitian ini digunakan tahapan analisis sebagai berikut: 1.
Menghitung besarnya rasio perputaran persediaan, rasio perputaran piutang dan size perusahaan dan rasio profitabilitas ROA perusahaan otomotif
yang dijadikan sampel. 2.
Melakukan uji lolos kendala linier atau tidak sering disebut dengan uji asumsi klasik, untuk melihat apakah model regresi berganda layak atau tidak
digunakan dalam penelitian ini. 3.
Melakukan uji hipotesis yaitu analisis regresi linier berganda, yang harus memenuhi kriteria yaitu uji determinan, uji F-test dan uji T-test.
3.6.1 Pengujian Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu menganalisa apakah terdapat penyimpangan asumsi klasik pada model yang
digunakan dalam penelitian ini. Uji asumsi klasik dalam penelitian ini adalah uji normalitas, uji multikolineritas, heterkosedasitas dan uji
autokorelasi.
3.6.1.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki
distribusi normal. Pengujuan ini diperlukan karena uji t dan uji F
Universitas Sumatera Utara
mengasumsikan bahwa nilai residual mengikuti distribusi normal Erlina, 2011:101.
Dasar pengambilan keputusannya menurut Priyatno 2013:59 adalah:
1 Jika data menyebar di sekitar garis diagonal dan mengikuti
arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2 Jika data menyebar jauh dari diagonal dan tidak mengikuti
arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov K-S, yang
dijelaskan oleh Priyatno 2013:58. “kriteria pengambilan keputusan yaitu jika Signifikansi 0,05 maka data berdistribusi normal, dan
jika Signifikansi 0,05 maka data tidak berdistribusi normal”. Menurut Erlina 2011:101, ada beberapa cara yang dapat
digunakan untuk mengatasi data yang tidak normal, yaitu: 1.
Lakukan transformasi data ke bentuk lainnya. Pelanggaran asumsi normalitas biasanya disebabkan bentuknya menceng
skew, sehingga untuk mengubah bentuk yang menceng tersebut dapat mengubah nilai atau mentransformasikan nilai
ke dalam bentuk log. Dengan mentransformasikan nilai-nilai
Universitas Sumatera Utara
observasi data ke dalam bentuk log diharapkan dapat membentuk distribusi yang normal.
2. Lakukan Trimming. Trimming adalah membuang data yang
outlier. Nilai outlier bias juga ditentukan dengan kriteria nilainya lebih kecil dari µ -
2 α atau lebih besar dari µ + 2 α. 3.
Lakukan Winsorizing, yaitu mengubah nilai observasi yang outlier menjadi nilai maksimum yang diizinkan. Nilai
observasi yang lebih kecil dari µ - 2 α akan diubah menjadi µ -
2 α dan nilai observasi yang lebih besar dari µ + 2α akan diubah menjadi µ + 2 α.
3.6.1.2 Uji Heterokedasitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan
ke pengamatan yang lain. Menurut Priyatno 2013:60 “keadaan dimana terjadinya ketidaksamaan varian dari residual pada model
regresi”. Ada tidaknya heterokedasitas dapat dilakukan dengan melihat grafik Scaterplot atau nilai prediksi variabel independen
dengan nilai residualnya. Dasar analisis yang dapat digunakan untuk menentukan heterokedasitas, antara lain:
1 Jika ada pola teretantu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengidikasikan telah terjadi heterokedasitas,
Universitas Sumatera Utara
2 Jika tidak ada pola yang jelas, seperti titk-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heterokedasitas atau terjadi homoskedastisitas.
3.6.1.3 Uji Autokorelasi
Kategori