Teknik Analisis Uji Hipotesis 1. Uji Stasioneritas

Tabel 3.2 Identifikasi Variabel No. Variabel Rumus Skala 1. Perubahan Laba ���� �����ℎ �ℎ� � − ���� �����ℎ �ℎ� �−1 ���� ����������� �ℎ� �−1 Rasio 2. Gross Profit Margin Laba Kotor Penjualan Bersih Rasio 3. Net Profit Margin Laba setelah Pajak Penjualan Bersih Rasio 4. Earning Power of Total Investment Laba sebelum Pajak Total Aktiva Rasio 5. Return on Equity Laba setelah Pajak Ekuitas Pemegang Saham Rasio Sumber : Data diolah, 2014

3.5. Teknik Analisis dan Uji Hipotesis

Dalam melakukan analisis dan uji hipotesis, prosedur yang dilakukan dibantu dengan menggunakan program komputer yaitu E-Views 7.0.

3.5.1. Teknik Analisis

Teknik analisis yang digunakan dalam melakukan pengujian hipotesis dalam penelitian ini adalah analisis Causality Granger. Analisis ini dilakukan untuk mengetahui apakah suatu variabel mempunyai hubungan dua arah, atau hanya satu arah saja. GPM, NPM, EP, dan RoE sebagai variabel bebas independent variabel terhadap perubahan laba sebagai variabel terikat dependent variabel.

3.5.2. Uji Hipotesis 1. Uji Stasioneritas

Unit Roots Test Uji Stasioneritas digunakan untuk mengetahui apakah data runtut waktu yang digunakan sudah stasioner. Stasioneritas merupakan salah satu prasyarat penting dalam model ekonometrika untuk data runtut waktu time series. Data stasioner adalah data yang menunjukkan mean, varians dan autovarians Universitas Sumatera Utara pada variasi lag tetap sama pada waktu kapan saja data itu dibentuk atau dipakai, artinya dengan data yang stasioner model time series dapat dikatakan lebih stabil. Apabila data yang digunakan dalam model ada yang tidak stasioner, maka data tersebut dipertimbangkan kembali validitas dan kestabilannya, karena hasil regresi yang berasal dari data yang tidak stasioner akan menyebabkan spurious regression. Spurious regression adalah regresi yang memiliki R 2 yang tinggi, namun tidak ada hubungan yang berarti dari keduanya. Salah satu konsep formal yang dipakai untuk mengetahui stasioneritas data adalah melalui uji akar unit unit roottest. Pada penelitian ini dilakukan pengujian Augmented Dickey-Fuller ADF atau Philips – Peron PP. Apabila nilai ADF atau PP nilai kritis maka data tersebut ada unit root atau data tersebut tidak stasioner, sedangkan nilai ADF atau PP nilai kritis maka data tersebut tidak ada unit root atau data tesebut stasioner. Dasar keputusan hipotesisnya sebagai berikut: Ho : δ = 0, terdapat unit root Ha : δ 0, tidak terdapat unit root

2. Granger Causality Test

Granger causality test digunakan untuk melihat adanya hubungan sebab akibat kausalitas dan arah kausalitas diantara variabel-variabel yang digunakan dalam analisis. Uji Kausalitas Granger pada dasarnya mengasumsikan bahwa informasi yang relevan untuk memprediksi perubahan laba dan rasio rentabilitas adalah hanya terdapat pada kedua data urut waktu Universitas Sumatera Utara dari kedua variabel tersebut. Diasumsikan bahwa gangguan u t dan v t tidak berkorelasi. Hasil regresi kedua bentuk model ini akan menghasilkan empat kemungkinan mengenai nilai koefisien-koefisien yaitu: 1. � �i ≠ 0 dan � �=1 � �j = 0, � �=1 maka terdapat kausalitas satu arah dari variabel perubahan laba terhadap variabel rasio rentabilitas. 2. � �i = 0 dan � �=1 � �j ≠ 0, � �=1 maka terdapat kausalitas satu arah dari variabel rasio rentabilitas terhadap variabel perubahan laba. 3. � �i = 0 dan � �=1 � �j = 0, � �=1 maka tidak terdapat kausalitas baik antara variabel perubahan laba terhadap variabel rasio rentabilitas maupun antara variabel rasio rentabilitas terhadap variabel perubahan laba. 4. � �i ≠ 0 dan � �=1 � �j ≠ 0, � �=1 maka terdapat kausalitas dua arah baik antara variabel perubahan laba terhadap variabel rasio rentabilitas maupun antara variabel rasio rentabilitas terhadap variabel perubahan laba. Data dikatakan memiliki hubungan kausalitas adalah yang memiliki nilai probabilitas yang lebih kecil daripada α 0.05 sehingga nanti Ho akan ditolak yang berarti suatu variabel akan mempengaruhi variabel lain. Data yang Universitas Sumatera Utara memiliki hubungan kausalitas dibuktikan juga dengan nilai F-Statistik F- Tabel.

3. Pengujian Statistik Data Panel

Dalam analisis data panel, ada 4 kemungkinan yang terjadi yaitu: 1. Slopenya tetap tetapi intersepnya yang berbeda antar individu 2. Slopenya tetap tetapi intersepnya yang berbeda antar individu dan waktu 3. Intersep dan slope tetap antar waktu dan individu sedangkan residual sisaannya yang berbeda antar waktu dan individu 4. Semua koefisien slope dan intersep berbeda antar individu karena kemungkinan ini, maka analisis data panel panel didekati dengan tiga jenis perhitungan yang saling berbeda satu sama lain. Berikut jenis-jenis pendekatan yang dilakukan dalam menganalisis data panel: 1. Metode Common-Constant The Pooled OLS Method =PLS Common ini sama saja dengan metode OLS regresi biasa. Intinya, intersep dan slopenya tetap antar waktu dan individu. 2. Metode Fixed Effect FEM Dalam Fixed Effect, slopenya tetap tetapi intersep yang berbeda antar individu. Karena intersep berbeda antar individu, maka untuk membedakannya dibutuhkan bantuan dummy variable variabel boneka. Karena metode ini menggunakan bantuan dummy, maka metode ini populer dengan sebutan Least Square Dummy Variable LSDV. Universitas Sumatera Utara 3. Metode Random Effect REM Dalam Random Effect, intersep dianggap sebagai variabel acakrandom yang mempunyai nilai rata-rata. Intersep tidak dianggap konstan. Oleh karena itu model ini populer dengan sebutan Error Component Model. Dalam penelitian ini dilakukan uji Chow pool vs fixed, jika didapatkan pool lebih baik maka akan dilakukan uji LM pool vs random untuk mendapatkan model yang terbaik, tetapi jika didapatkan fixed lebih baik maka akan dilakukan uji Hausman fixed vs random. Alur pengujian statistik untuk memilih pendekatan yang digunakan dapat diperlihatkan pada Gambar 3.1. Gambar 3.1 Pengujian pemilihan model dalam pengolahan data panel Chow test yakni pengujian untuk menentukan model Pooled Least Square atau Fixed Effect Model yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji Chow adalah: H : Pooled Least Square diterima dan H 1 ditolak H 1 : Fixed Effects Model diterima dan H ditolak Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan perhitungan F-statistik dengan F-tabel. Perbandingan dipakai apabila F- Fixed Effect Random Effect Chow Test Hausman Test LM Test Universitas Sumatera Utara statistik lebih besar dari F-tabel maka H ditolak yang berarti model yang paling tepat digunakan adalah Fixed Effect Model. Begitu juga sebaliknya, jika F-statistik lebih kecil dari F-tabel maka H ditolak yang berarti model yang paling tepat digunakan adalah Pooled Least Square Widarjono,2009. Perhitungan F-Statistik didapat dari Uji Chow dengan rumus Baltagi, 2005: F = ��� 1 −��� 2 �−1 ��� 2 ��−�−� Dimana : SSE 1 : Sum Square Error dari model Pooled SSE 2 : Sum Square Error dari model Fixed n : Jumlah Perusahaan Cross Section nt : Jumlah cross section x jumlah time series k : jumlah variabel independen Sedangkan F-tabel didapat dari: F − tabel = {α ∶ df n – 1,nt – n – k } Dimana : α : tingkat signifikasi n : Jumlah Perusahaan Cross Section nt : Jumlah cross section x jumlah time series k : jumlah variabel independen Hausman test yakni pengujian untuk menentukan model Fixed Effect Model atau Random Effetc Model yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji Hausman adalah: Universitas Sumatera Utara H : Random Effect Model diterima dan H 1 ditolak H 1 : Fixed Effect Model diterima dan H ditolak Dasar penolakan terhadap hipotesis di atas adalah dengan menggunakan pertimbangan statistik Chi-Square. Statistik Hausman dirumuskan dengan: m = β – b M – M 1 -1 β – b ~χ 2 K Dimana : β : vektor statistik variabel fixed effect b : vektor statistik variabel random effect M : matriks kovarian untuk dugaan model fixed effect M 1 : matriks kovarian untuk dugaan model random effect Jika nilai m hasil pengujian lebih besar dari Chi-Square χ 2 tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol sehingga model yang lebih baik digunakan adalah model fixed effect, dan begitu juga sebaliknya.

4. Pengujian Menyeluruh atau Simultan Uji F

Untuk mengetahui bahwa variabel independen GPM, NPM, EP, dan ROE secara simultan mempunyai pengaruh yang signifikan terhadap variabel dependen perubahan laba. Formulasi hipotesis: 1 � : � 1 = � 2 = � 3 = � 4 = 0 Variabel independen GPM, NPM, EP, dan ROE secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap variabel dependen perubahan laba. Universitas Sumatera Utara 2 � � : � 1 = � 2 = � 3 = � 4 ≠ 0Variabel independen GPM, NPM, EP, dan ROE secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel dependen perubahan laba. Dasar pengambil keputusan: 1 Jika F hitung F tabel pada α 0.05, maka � � ditolak dan � diterima, 2 Jika F hitung F tabel pada α 0.05, maka � � diterima dan � ditolak.

5. Pengujian Individu atau Parsial Uji t

Untuk mengetahui bahwa variabel independen GPM, NPM, EP, dan ROE secara parsial mempunyai pengaruh yang signifikan terhadap variabel dependen perubahan laba. Formulasi hipotesis: 1 Variabel GPM mempunyai pengaruh terhadap perubahan laba. � : � 1 = 0 GPM tidak terdapat pengaruh terhadap perubahan laba. � 1 : � 1 ≠ 0 GPM terdapat pengaruh terhadap perubahan laba. 2 Variabel NPM mempunyai pengaruh terhadap perubahan laba. � : � 2 = 0 NPM tidak terdapat pengaruh terhadap perubahan laba. � 1 : � 2 ≠ 0 NPM terdapat pengaruh terhadap perubahan laba. 3 Variabel EP mempunyai pengaruh terhadap perubahan laba. � : � 3 = 0 EP tidak terdapat pengaruh terhadap perubahan laba. � 1 : � 3 ≠ 0 EP terdapat pengaruh terhadap perubahan laba. 4 Variabel ROE mempunyai pengaruh terhadap perubahan laba. Universitas Sumatera Utara � : � 4 = 0 ROE tidak terdapat pengaruh terhadap perubahan laba. � 1 : � 4 ≠ 0 ROE terdapat pengaruh terhadap perubahan laba. Dasar pengambilan keputusan: 1 Jika t hitung t tabel pada α 0.05,maka � 1 ditolak dan � diterima, 2 Jika t hitung t tabel pada α 0.05, maka � 1 diterima dan � ditolak.

6. Uji Koefisien Determinasi

� � Koefisien determinasi � 2 berguna untuk mengukur seberapa besar peranan variabel independen GPM, NPM, EP, dan ROE secara bersama-sama menjelaskan perubahan yang terjadi pada variabel dependen perubahan laba.

7. Uji Normalitas Data

Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan jika data tidak normal, maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Peneliti menggunakan uji Jarque-Bera JB untuk menguji normalitas data. Nilai Chi Kuadrat dengan df = 2 dan tingkat signifikansi α = 5 adalah 5,99. Chi Kuadrat dengan df = 2 dan tingkat signifikansi α = 1 adalah 9,21. Chi Kuadrat dengan df = 2 dan tingkat signifikansi α = 0,1 adalah 13,8 2. Tingkat signifikansi α sendiri menunjukkan peluang kesalahan yang ditetapkan dalam mengambil keputusan untuk menolak atau mendukung hipotesis nol, atau dapat diartikan juga sebagai tingkat kesalahan atau tingkat Universitas Sumatera Utara kekeliruan yang ditolelir, yang diakibatkan oleh kemungkinan adanya kesalahan dalam pengambilan sampel. Sementara itu tingkat kepercayaan pada dasarnya menunjukkan tingkat kepercayaan sejauhmana statistik sampel dapat mengestimasi dengan benar parameter populasi. Dalam statistika, tingkat kepercayaan nilainya berkisar antara 0 sampai 100. Secara konvensional, para peneliti dalam ilmu-ilmu sosial sering menetapkan tingkat kepercayaan antara 95 – 99.

3.6. Tempat dan Jadwal Penelitian