Analisis Deskriptif Uji Asumsi Klasik

57 Tabel diatas menunjukan jumlah sukuk yang beredar dari dari perusahaan yang telah terdaftar di PEFINDO, dari kelima perusahaan tersebut didapatkan 37 sampel sukuk yang beredar pada kurun waktu 2012-2015.

C. Metode Pengumpulan Data

Dalam penelitiam ini data yang digunakan adalah data sekunder yang telah diolah sebelumnya dan bersumber dari data -data statistik yang diterbitkan oleh : 1. Bursa Efek Indonesia 2. Indonesian Stock Exchange IDX 3. PT PEFINDO 4. Laporan Keuangan Perusahaan

D. Metode Analisis Data

1. Analisis Deskriptif

Analisis deskriptif adalah pencarian fakta dengan interpretasi yang tepat. Penelitian deskriptif mempelajarai masalah-masalah dalam masyarakat serta tatacara yang berlaku dalam masyarakat serta situasi- situasi tertentu, termasuk tentang hubungan, kegiatan-kegiatan, sikap- sikap, pandangan-pandangan, serta proses-proses yang sedang berlangsung dan pengaruh-pengaruh dari suatu fenomena. Dalam metode deskriptif, peneliti bisa membandingkan fenomena-fenomena tertentu sehingga merupakan suatu studi komparatif. Peneliti juga bisa mengadakan klasifikasi, serta penelitian terhadap fenomena-fenomena dengan menetapkan suatu standar atau suatu norma tertentu sehingga banyak ahli menamakan metode deskriptif ini dengan nama survei normatif normative survey. Dengan metode deskriptif ini juga diselidiki 58 kedudukan status fenomena atau faktor dan melihat hubungan antara satu faktor dengan faktor yang lain. Karenanya, metode deskriptif juga dinamakan studi status status study. Prosedur Deskriptif juga memiliki kegunaan pokok untuk melakukan pengecekan terhadap input data, mengingat bahwa analisis ini akan menghasilkan resume data secara umum. Seperti berapa jumlah responden laki – laki, berapa jumlah responden perempuan dan sebagainya. Disamping itu, analisis ini juga memiliki kegunaan untuk menyediakan informasi deskripsi data dan demografic sampel yang diambil Wahyono, 2009:18. a. Standar deviasi, menunjukan dispersi rata – rata sampel b. Maximum, menunjukan nilai tertinggi dari suatu deretan data c. Minimum, menunjukan nilai terendahi dari suatu deretan data d. Mean, menunjukan nilai rata – rata dari sampel

2. Uji Asumsi Klasik

Karena pengujian hipotesis dalam penelitian ini menggunakan alat analisis regresi berganda multiple regression, maka diperlukan uji asumsi klasik yang terdiri dari:

a. Uji Normalitas

Uji normalitas adalah pengujian tentang kenormalan distribusi data. Penggunaan uji normalitas karena pada analisis statistik parametik, asumsi yang harus dimiliki oleh data adalah bahwa data tersebut harus terdistribusi secara normal. Maksud data terdistribusi secara normal adalah bahwa data akan mengikuti bentuk distribusi normal Santosa dan Ashari, 59 2005:231. Uji normalitas bisa dilakukan dengan dua cara. Yaitu dengan Normal P-P Plot dan Tabel Kolmogorov Smirnov. Yang paling umum digunakan adalah Normal P-P Plot. Pada Normal P-P Plot prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan: a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. b. Jika data menyebar jauh garis diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas Ghozali 2012:110-112. Pada Uji Normalitas dengan grafik dapat menyestakan jika tidak hati hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu disamping uji grafik dapat dilengkapi dengan uji statistik. Uji statistik yang digunakan untuk menguji normalitas adalah uji statistik non – parametik Kolmogrov-Smirnov K-S.

b. Uji Autokorelasi

Uji autokorelasi merupakan pengujian asumsi dalam regresi di mana variabel dependen tidak berkorelasi dengan dirinya sendiri, maksud korelasi dengan diri sendiri adalah bahwa nilai dari 60 variabel dependen tidak berhubungan dengan nilai variabel itu sendiri, baik nilai periode sebelumnya atau nilai periode sesudahnya Santoso dan Ashari, 2005:240. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan antara satu dengan lainnya. Model regresi yang baik adalah yang bebas dari autokorelasi Ghozali, 2012. Untuk mendeteksi ada atau tidaknya autokorelasi, dilakukan dengan uji Durbin Watson. Pengambilan keputusan mengenai ada atau tidaknya autokorelasi adalah sebagai berikut: 1. Bila nilai D-W terletak antara angka -2 sampai +2, maka koefisien pada regresi tidak terdapat autokorelasi. 2. Bila D-W lebih rendah atau di bawah angka -2, maka koefisien pada regresi mengalami autokorelasi positif. Dan untuk memastikan apakah ulang apakah pengujian autokorelasi sudah benar maka dapat kita lakukan pengujian lain untuk menentukan apakah variabel independen tidak terjadi autokorelasi dengan melakukan uji run test dengan melihat nilai Asymp. Sig. 2-tailed berada diatas nilai signifikansi 0,05.

c. Uji Multikolonearitas

Uji Multikolonearitas bertujuan untuk menguji apakah dalam model regresi yang digunakan ditemukan adanya korelasi antar variabel bebas independen. Uji Multikolonearitas data dapat dilihat dari besarnya nilai VIP Variance Inflation Factor dan nilai teloransi. Jika terdapat nilai korelasi diantara variabel independen adalah satu maka koefisiennya : a koefisien untuk 61 nilai-nilai regresi tidak dapat diperkirakan b nilai standard error dari setiap nilai koefisien regresi menjadi nilai yang tak terhingga. Untuk mendeteksi ada atau tidaknya multikolonieritas dapat dilihat dari 1 Nilai tolerance TOL dan lawannya 2 variance inflation faktor VIF. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF=1Tolerance. Nilai Cut off yang umum dipakai untuk menunjukan adanya multikolonieritas adalah nilai Tolerance 0,10 atau sama dengan nilai VIF10 Ghazali, 2012. Cara mengatasi multikolonieritas adalah a transformasi variabel. Jika terlihat pada model awal dengan adanya gejala multikolonieritas maka dapat dilakukan transformasi variabel yang bersangkutan kedalam bentuk logaritma natural atau bentuk- bentuk tranformasi lainnya, sehingga nilai t hitung yang dihasilkan secara individu variabel independen dapat secara signifikan mempengaruhi variabel terikat, b Meningkatkan jumlah data sampel. Dengan adanya peningkatan jumlah data sampel diharapkan mampu menurunkan standar error disetiap variabel independen dan akan diperoleh yang benar-benar bisa menaksirkan koefisien regresi secara tepat.

d. Uji Heteroskedastisitas

Uji heterokedastisitas dilakukan untuk 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 lain. Jika variance dari 62 residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas, namun jika berbeda disebut heterokedstisitas. Salah satu cara untuk mendeteksi ada tidaknya heterokedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualny SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara ZPRED dan SRESID dimana sumbu Y adalah y yang telah diprediksi, dan sumbu x adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized Ghozali, 2006. Dasar analisisnya adalah sebagai berikut: 1 Jika ada pola tertentu, seperti titik-titik yanga da membentuk pola tetentu yang teratur bergelombang, melebar, kemudian menyempit maka mengindikasikan telah terjadi heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Cara lain untuk mendeteksi ada tidaknya heteroskedastisitas adalah dengan uji Glejser yang dilakukan dengan meregres logaritma dari kuadrat residual sebagai variabel independen dengan variabel dependen yang digunakan dalam model regresi dalam penelitian. Apabila hasil output SPSS menunjukkan bahwa koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistic, hal ini menunjukkan bahwa dalam data model empiris yang 63 diestimasi terdapat heteroskedastisitas. Namun apabila parameter beta tidak signifikan secara spesifik, maka dalam model regresi tersebut tidak terdapat heteroskedastisitas. Dalam penelitian ini deteksi ada atau tidaknya heterokedastisitas dapat dilihat juga dengan menggunakan uji glejser. Uji glejser dilakukan dengan meregres nilai absolut residual terhadap variabel independen. Jika nilai signifikansi variabel independen diatas tingkat kepercayaan 5 maka model regresi dapat dikatakan tidak mengandung adanya heterokedastisitas. Sebaliknya, jika nilai signifikansi variabel independen berada dibawah tingkat kepercayaan 5 maka, model regresi mengandung heterokedastisitas.

3. Uji Regresi Linear Berganda