JURNAL KOMPLEKSITAS VOLUME 4 No. 6 JUNI 2016 Halaman : viii
yang diperoleh perusahaan setiap tahunnya, dengan formulasi
laba tahun sekarang dikurangi laba tahun sebelumnya dibagi laba
tahun sebelumnya, dengan skala pengukuran rasio
6 EVA
EVA adalah ukuran kinerja keuangan yang paling baik untuk menjelaskan economic profit
suatu perusahaan, dibandingkan dengan ukuran yang lain. EVA juga merupakan ukuran kinerja
yang berkaitan langsung dengan kemakmuran pemegang saham sepanjang waktu.
Keunggulan EVA sebagai pengukur kinerja terletak pada kemampuannya untuk
menyatukan tiga fungsi penting manajemen, yaitu: capital budgeting, performance appraisal
dan incentive compensation Higgins, 1998, dalam Pradhono dan Julius Jogi Christiawan,
2005.
Teknik Pengumpulan Data
Pengumpulan data dalam penelitian ini dilakukan dengan cara
non participant observation
yaitu dengan mengkaji buku-buku, jurnal dan makalah untuk
mendapatkan landasan teoritis yang komprehensif serta mempelajari dan
menganalisa masing-masing laporan keuangan
tahunan, rasio-rasio
keuangan, dan data closing price perusahaan
LQ 45
sektor pertambangan yang listing di Bursa
Efek Indonesia, periode 2008-2012 yang peroleh secara langsung dari BEI
dan idx.co.id.
Teknik Analisis Data
Penelitian ini menggunakan metode analisis regresi linier berganda dengan
menggunakan program SPSS untuk pengolahan
data.Sebelumnya dilakukan terlebih dahulu uji asumsi
klasik untuk memastikan agar model regresi yang digunakan tidak terdapat
masalah
multikolinearitas, autokorelasi, serta data terdistribusi
secara normal.
1. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas memiliki tujuan untuk menguji apakah
dalam model regresi, variabel pengganggu
atau residual
memiliki distribusi normal atau tidak.Model regresi yang baik
adalah model regresi yang memiliki distribusi data normal
atau mendekati normal. Untuk menguji apakah distribusi data
normal atau tidak, maka dapat dilakukan
dengan analisis
grafik dan
uji statistik
Ghozali,2005:56.
b. Uji Multikolinearitas
Menurut Ghozali
2005:58, uji ini bertujuan untuk menguji apakah dalam
model regresi
ditemukan adanya korelasi antar variabel
bebas independen.
Untuk mendeteksi
ada tidaknya
multikoliniearitas dalam model regresi
dapat dilihat
dari tolerance value atau
Variance Inflation Factor
VIF
Nilai cutoff
yang umum dipakai adalah:
1 Jika nilai tolerance 10 persen dan nilai VIF 10,
maka dapat disimpulkan bahwa
tidak ada
multikolinearitas antar
variabel independen dalam model regresi.
b. Jika nilai tolerance 10 persen dan nuali VIF 10,
maka dapat disimpulkan bahwa
ada multikolonearitas
antar variabel independen dalam
model regresi.
c. Uji Heterokedastisitas
Uji Heteroskedastisitas
bertujuan untuk
menguji apakah dalam model regresi
terjadi ketidaksamaan
variance
dari residual satu pengamatan ke pengamatan yang lain.
Dasar analisis ada atau tidaknya
heteroskedastisitas dapat dilakukan sebagai berikut
Ghozali, 2005:58: 1 Jika ada pola tertentu, seperti
titik-titik yang
ada membentuk pola tertentu
JURNAL KOMPLEKSITAS VOLUME 4 No. 6 JUNI 2016 Halaman : ix
yang teratur,
maka diidentifikasikan
telah terjasdi heteroskedastisitas.
b. Jika tidak ada pola jelas, serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak
terjadi heteroskedastisitas.
d. Uji Autokorelasi
Menurut Ghozali 2005:59 autokorelasi adalah hubungan
antara nilai suatu variabel dengan nilai variabel yang sama
tetapi terjadi pada periode sebelumnya.
Gejala autokorelasi tidak boleh terjadi
dalam analisis regresi. Untuk mendeteksi masalah
autokorelasi pada model regresi di SPSS dapat diamati melalui
uji
Durbin-Watson
DW. Menurut
Singgih Santosa
2000:59, hasil kesimpulan ada atau
tidaknya autokorelasi
adalah berdasarkan: 1
Jika pengujian diperoleh nilai
DW statistik
berada diantara
-2 sampai 2 maka tidak
terjadi autokorelasi. 2
Jika pengujian diperoleh nilai
DW statistik
berada dibawah -2 maka terjadi
autokorelasi positif.
3 Jika pengujian diperoleh
nilai DW
statistik berada diatas +2 maka
terjadi autokorelasi
negatif.
2. Analisis Regresi Linier Berganda
