catatan, atau laporan historis yang telah tersusun dalam arsip data dokumenter yang dipublikasikan dan yang tidak dipublikasikan.
Penelitian ini menggunakan kombinasi antara data time series dan cross section atau sering disebut dengan pooling data. Data time series atau disebut juga
data deret waktu merupakan sekumpulan data dari suatu fenomena tertentu yang didapat dalam beberapa interval waktu tertentu, misalnya dalam waktu mingguan,
bulanan, atau tahunan.Sementara itu, data cross section atau sering disebut data satu waktu merupakan sekumpulan data suatu fenomena tertentu dalam satu kurun
waktu saja.
3.6 Metode Pengumpulan Data
Pengambilan data dalam penelitian ini adalah dengan menggunakan metode dokumentasi yaitu dengan mengumpulkan dan mempelajari data–data yang ada
dalam objek penelitian. Data penelitian ini diperoleh dari internet melalui situs Bursa Efek Indonesia yaitu www.idx.co.id berupa laporan keuangan yang telah
diaudit dan dipublikasikan per 31 Desember selama periode tahun 2009 sampai dengan tahun 2011.
3.7 Teknik Analisis
3.7.1 Pengujian Asumsi Klasik
Peneliti menggunakan uji asumsi klasik terlebih dahulu untuk menentukan apakah distribusi data normal, sebelum melakukan pengujian hipotesis. Pengujian
tersebut meliputi :
a. Pengujian Normalitas Data Menurut Ghozali 2005:110, “uji normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”. Jika nilai residual tidak mengikuti distribusi normal, uji
statistik menjadi tidak valid untuk jumlah sampel kecil. Menurut Ghozali 2005:110, ”cara untuk mendeteksi apakah residual berdistribusi normal atau
tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik
dengan melihat histogram dari residualnya”. Dasar pengambilan keputusannya adalah :
1 jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2 jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal
atau grafik histogram tidak menunjukkan data berdistribusi normal, 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 Ghozali
2005:115. Uji K-S dibuat dengan membuat hipotesis : Ho : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal Signifikansi 0,05 dengan
α = 5 berarti distribusi data normal dan Ho diterima, sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal
dan Ha diterima. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto 2004:172, yaitu :
1 dengan melakukan transformasi data ke bentuk lain, yaitu : Logaritma
Natural, akar kuadrat, atau Logaritma 10. 2
lakukan trimming, yaitu memangkas observasi yang bersifat outlier, 3
lakukan winsorizing, yaitu mengubah nilai-nilai data outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya
menjadi normal. b. Uji Multikolinieritas
Menurut Erlina dan Mulyani 2008:105, “Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen”. Salah satu cara untuk mendeteksi multikolonirietas menurut Ghozali
2005:91 dapat dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Nilai cut off yang umum digunakan untuk mendeteksi adanya
multikolinieritas adalah tolerance 0,10 atau sama dengan nilai VIF 10. Jika nilai tolerance 0,10 atau nilai VIF 10 maka mengindikasikan terjadi
multikolinieritas. c. Uji Heteroskedastisitas
Menurut Erlina 2008:107, ”uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan lain”. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika varians berbeda disebut
heterokedastisitas. Heteroskedastisitas dapat dideteksi dengan melihat grafik Scaterplot antar nilai prediksi variabel independen dengan nilai residualnya. Dasar
analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain : 1
jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 2
jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi
homoskedastisitas. d. Uji Autokorelasi
Menurut Ghozali 2005:95, “Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada periode
t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Pada penelitian ini, autokorelasi diuji dengan menggunakan uji Durbin–Watson DW test. Cara
yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson. Kriteria untuk penilaian terjadinya
autokorelasi yaitu : 1
angka D-W dibawah -2 berarti ada autokorelasi positif, 2
angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3
angka D-W di atas +2 berarti ada autokorelasi negatif.
3.7.2 Uji Hipotesis
