heteroskedatisitas karena data ini menghimpun data yang mewakili berbagai ukuran baik ukuran kecil, sedang maupun besar.
7
c. Uji Normalitas Uji normalitas bertujuan untuk menguji variabel pengganggu
residual dalam model regresi memiliki distribusi normal atau tidak. Model regresi yang baik adalah distribusi datanya normal atau
mendekati normal. Uji F dan uji t mengasumsikan bahwa nilai residual mengikuti distribusi normal. Variabel pengganggu atau residual dapat
dideteksi berdistribusi normal dengan menggunakan dua pendekatan analisis, yaitu analisis grafik dan uji statistik. Dalam penelitian ini,
peneliti menggunakan uji statistik non-parametik Kolmogorov- Smirnov untuk menguji normalitas data.
d. Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi
linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya t-1.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini sering ditemukan pada data
runtut waktu time series karena “gangguan” pada seorang individu atau kelompok cenderung mempengaruhi “gangguan” pada individu
7
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program IBM SPSS 19, Edisi 5 Semarang: Badan Penerbit Universitas Diponegoro, 2011, h. 139.
atau kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
8
Autokorelasi dapat dideteksi dengan beberapa cara yaitu uji Durbin-Watson, uji Lagrange Multiplier, Run Test dan uji Box Pierce
dan Ljung Box. Dalam penelitian ini, peneliti menggunakan Run Test. Uji run test sebagai bagian dari statistik non-parametik digunakan
untuk menguji apakah antar residual terdapat korelasi yang tinggi. Apabila nilai Asymp. Sig. 0,05 maka data terjadi secara random dan
tidak terjadi autokorelasi antar nilai residual.
3. Uji Hipotesis
Hipotesis dalam penelitian ini diuji dengan menggunakan model regresi berganda multiple regression. Model regresi berganda umumnya
digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen dengan skala pengukuran interval atau rasio
dalam suatu persamaan linier. Analisis regresi berganda merupakan eksistensi dari model regresi
dalam analisis bivariate yang umumnya digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen.
Pengujian hipotesis dalam penelitian ini dilakukan atas enam variabel dengan menggunakan rumus persamaan matematis seperti di bawah ini :
8
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program IBM SPSS 19, Edisi 5 Semarang: Badan Penerbit Universitas Diponegoro, 2011, h. 110.
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ ε Dimana :
Y =
Kinerja Keuangan ROA α
= Konstanta tetap β
1
- β
5
= Koefisien variabel independen, apabila nilai β positif maka akan terjadi kenaikan pada variabel dependen Y,
sedangkan jika nilai β negatif akan terjadi penurunan pada variabel dependen Y
X
1
= Intellectual Capital IB-VAIC
X
2
= Kualitas Penerapan Good Corporate Governance GCG
X
3
= Struktur Modal
ε =
Kesalahan bakuerror
4. Uji Statistik
a. Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Nilai koefisien determinasi adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam
menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan
hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data
silang crosssection relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan.
Kelemahan mendasar dalam menggunakan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan
dalam model. Apabila satu variabel independen ditambah, R
2
akan meningkat tanpa mempedulikan apakah variabel tersebut berpengaruh
secara siginifikan atau tidak terhadap variabel dependen. Oleh karena itu, penelitian ini menggunakan nilai adjusted R
2
untuk mengevaluasi model regresi. Nilai adjusted R
2
mampu naik atau turun apabila satu variabel independen ditambahkan dalam model regresi. Seperti halnya
koefisien determinasi R
2
, nilai adjusted R
2
juga berkisar antara nol dan satu. Apabila mendekati nilai 1 berarti semakin kuat kemampuan
variabel independen dalam menjelaskan variabel dependennya.
9
b. Uji Signifikansi Simultan Statistik F Uji F pada dasarnya menunjukkkan apakah semua variabel
independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Untuk
menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusan bahwa apabila nilai signifikansi 0,05 maka
9
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program IBM SPSS 19, Edisi 5 Semarang: Badan Penerbit Universitas Diponegoro, 2011, h. 97.