commit to user
47
X
4
: Umur perusahaan X
5
: Reputasi under wr iter X
6
: Fr actional Holding α0 : Konstanta
e : Nilai residual penggangu β : Koefisien Regresi
Nilai koefisien regresi disini sangat menentukan sebagai dasar analisis. Hal ini berarti jika koefisien β bernilai positif + maka dapat dikatakan terjadi
pengaruh searah antara variabel independen dengan variabel dependen, demikian pula
sebaliknya, bila koefisien nilai β bernilai negatif - hal ini menunjukkan adanya pengaruh negatif dimana kenaikan nilai variabel independen akan
mengakibatkan penurunan nilai variabel dependen.
1. Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual e di dalam suatu persamaan memiliki
distribusi normal. Seperti diketahui uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji
statistik menjadi tidak berlaku. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji
commit to user
48
statistik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histrogram dari
residualnya. Dasar pengambilan keputusan : a.
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukan pola distribusi normal
maka model regresi memenuhi asumsi normalitas. b.
Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukan pola distribusi normal,
maka model regresi tidak memenuhi asumsi normalitas. Cara lain untuk mengetahui normalitas adalah dengan melakukan uji
statistik non-parametrik Kolmogorov-Smirnov K-S terhadap nilai residual persamaan regresi, dengan hipotesis pada tingkat signifikansi 0,05 dimana:
H0 : p 0,05 Data residual berdistribusi normal Ha : p 0,05 Data residual tidak berdistribusi normal
2. Uji Asumsi Klasik
Data yang digunakan dalam penelitian ini adalah data sekunder, maka untuk menentukan ketepatan model perlu dilakukan pengujian atas beberapa
asumsi klasik yang mendasari model regresi. Pengujian asumsi klasik yang digunakan pada penelitian ini meliputi uji autokorelasi, multikolinearitas, dan
commit to user
49
heteroskedastisitas. Masing-masing pengujian asumsi klasik secara rinci dapat dijelaskan sebagai berikut:
a. Uji Autokorelasi
Uji autokorelasi digunakan untuk mendeteksi adanya korelasi internal diantara anggota-anggota dari serangkaian pengamatan yang
tersusun dalam rangkaian ruang dan waktu. Untuk mendeteksi adanya autokorelasi dapat dilihat dari nilai Durbin-Watson. Panduan mengenai
angka Dur bin-Watson D-W untuk mendeteksi autokorelasi bisa dilihat dalam tabel D-W. Untuk menguji keberadaan autocor elation dalam
penelitian ini maka digunakan metode Dur bin Watson Test dengan du d
4 – du Ghozali, 2005.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel variabel independen. Multikolinearitas dapat juga dilihat dari nilai
toler ance serta dari Var ian Inflation Factor VIF. Kedua ukuran ini
menunjukkan sikap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cut off yang umum dipakai untuk
commit to user
50
menunjukkan adanya multikolinearitas adalah nilai tolera nce 0,10 atau sama dengan nilai VIF 10 Ghozali 2005.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan yang lain. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
scatter plot antara variabel dependen dan residualnya dimana sumbu Y
adalah Y yang diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di studentized Ghozali, 2005. Dasar analisis:
1 Jika terdapat 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, serta titik menyebar diatas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
commit to user
51
3. Pengujian Hipotesis