Tabel 3.1 Identifikasi Variabel
Variabel Simbol
Rumus Skala
Pertumbu han Laba
Y
���� �����ℎ ��ℎ��
�
− ���� �����ℎ ��ℎ��
�−1
���� ����������� ��ℎ��
�−1
Rasio CR
X1
������� ������ �ℎ��� ���� ���������
Rasio DER
X2
����� ���� ������
Rasio OPM
X3
������� ������ �������� ��� ����� �����
Rasio ROA
X4
��� ������ ����� ������
Rasio IT
X5
����� ���������
Rasio TATO
X6
����� ����� ������
Rasio Sumber: data diolah penulis, 2014
3.5 Teknik Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan software SPSS 20. Analisis data
dilakukan dengan pengujian asumsi klasik dan pengujian hipotesis. Hasil pengujian asumsi klasik akan mendukung hasil pengujian hipotesis.
3.5.1 Pengujian asumsi klasik 3.5.1.1 Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki
distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan dengan garis
Universitas Sumatera Utara
diagonal. Menurut Ghozali 2006:110 “jika distribusi data adalah normal, maka garis yang menghubungkan data
sesungguhnya akan mengikuti garis diagonalnya”. Uji normalitas dalam penelitian ini dilakukan dengan cara analisis
grafik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik pada Normal P- Plot
of Regression Standardized atau dengan melihat histogram dari residualnya, dimana:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti
garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi
tidak memenuhi asumsi normalitas. Uji normalitas dengan grafik dapat menyesatkan kalau tidak
hati-hati. Secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu disamping uji grafik sebaiknya
dilengkapi dengan uji statistik. Uji statistik yang dapat digunakan untuk menguji normalitas adalah uji statistik
Kolmogorov-Smirnov, yaitu kriteria pengujian normalitas data
dengan melihat nilai signifikan data. Menurut Ghozali
Universitas Sumatera Utara
2006:112 terdapat beberapa kriteria dengan menggunakan uji Kolmogorov-smirnov antara lain:
1.Bila nilai signifikansi uji kolmogorov-smirnov bernilai dibawah 0,05 maka data tidak berdistribusi normal.
2.Bila nilai signifikansi uji kolmogorov-smirnov bernilai diatas 0,05 maka data berdistribusi normal.
3.5.1.2 Uji Multikolinearitas
Menurut Ghozali 2006:91 “uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya
korelasi yang tinggi atau sempurna antar variabel bebasindependen”. Model regresi yang baik seharusnya tidak
terjadi korelasi di antara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Apabila terjadi
korelasi antara variabel bebas, maka terdapat problem multikolinearitas pada model regresi tersebut.
Untuk mendeteksi ada atau tidaknya multikolinearitas yang tinggi antar variabel independen dapat dideteksi dengan cara
melihat nilai tolerance dan variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen
manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang
Universitas Sumatera Utara
terpilih yang tidak dijelaskan oleh variabel independen lainnya. Sebagai dasar acuannya dapat disimpulkan:
1. Jika nilai tolerance 0,10 dan nilai VIF 10, maka dapat
disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2. Jika nilai tolerance 0,10 dan nilai VIF 10, maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
3.5.1.3 Uji Autokorelasi
Ghozali 2006:95 berpendapat “uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regeresi linier ada korelasi
atau kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1”. Autokorelasi muncul karena observasi yang
berurutan sepanjang tahun berkaitan satu dengan yang lainnya, hal ini sering ditemukan pada time series. Pada data
crosssection, masalah autokorelasi relatif tidak terjadi. Pengujian autokorelasi dilakukan dengan menggunakan uji
Durbin-Watson. Berikut tabel pengambilan keputusan ada tidaknya autokorelasi
Universitas Sumatera Utara
Tabel 3.2 Pengambilan Keputusan Uji Durbin-Watson
Sumber: Ghozali 2006:96
3.5.1.4 Uji Heteroskedastisitas
Uji heteroskedastisitas ditujukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu
pengamatan ke pengamatan yang lain. Menurut Ghozali 2006:105 “jika variance dari residual satu pengamatan ke
pengamatan yang lain tetap, maka disebut homoskedastis dan jika berbeda disebut heteroskedastisitas”. Model regresi yang
baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau
heteroskedastisitas dapat diketahui dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara nilai prediksi
variabel terikat ZPRED dengan residualnya SRESID. Dasar analisis dari uji heteroskedastis melalui grafik plot adalah
sebagai berikut Ghozali, 2006: 105 : a.Jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur bergelombang,
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif
No Decision dl
≤ d ≤ du Tidak ada korelasi negatif Tolak
4 − dl d 4
Tidak ada korelasi negatif No Decision 4
− du ≤ d ≤ 4 – dl Tidak ada korelasi positif
atau negatif Tidak Ditolak
du d 4 – du
Universitas Sumatera Utara
melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b.Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y secara acak,
maka tidak terjadi heteroskedastisitas. .
3.5.2 Metode Regresi Linear Berganda
