jurnal yang berkaitan dan menunjang dalam penelitian ini. Data sekunder ini dikumpulkan dengan menggunakan metode dokumentasi, yaitu dengan cara
mencatat atau mendokumentasikan data yang berkaitan dengan penelitian yang tercantum IDX Company Report pada perussahaan yang sahamnya masuk dalam
anggota Kompas100 dan terdaftar di BEI selama periode 2011-2014. 3.8 Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah menggunakan eviews dengan menggunakan alat statistik deskriptif dan regresi
linear berganda yang terdiri dari satu model dengan satu variabel dependen Y dan delapan variabel independen
X2, X2, X,3 X4 X5, X6, X7, X8, X9
3.8.1 Analisis Statistik Deskriptif
Statistik Deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum dan generalisasi Sugiyono, 2012:206.Penyajian data pada statistik
deskriptif dapat berbetuk tabel,diagram,ukuran,dan gambar.
3.8.2 Uji Asumsi Klasik
Menurut Erlina 2008:102 metode pangkat kuadrat terkecil biasa ordinal least square OLS adalah metode untuk mengestimasi suatu garis regresi dengan
jalan meminimalkan jumlah kuadrat kesalahan setiap observasi terhadap garis tersebut. Tujuan utama regresi adalah mengestimasi fungsi regresi populasi
berdasarkan fungsi regresi sampel. Dalam hal ini, uji asumsi klasik yang harus dipenuhi adalah sebagai berikut:
Universitas Sumatera Utara
3.8.2.1 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas independen. Menurut Ajija et al
2011:35 multikoliearitas berarti adanya hubungan linear yang sempurna atau pasti di antara beberapa atau variabel yang menjelaskan dari model regresi. Ada atau
tidaknya multikolinearitas dapat diketahui atau dilihat dari koefisiensi korelasi masing-masing variabel bebas.
3.8.2.2 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan penggangu
pada periode t-1 sebelumnya. Menurut Ajija et al 2011:40 autokorelasi menunjukkan korelasi di antara anggota serangkaian observasi yang diurutkan
menurut waktu atau ruang. Untuk mendeteksi adanya autokorelasi, yaitu: pertama, memperhatikan nilai t-statistik, R
2
, uji F dan Durbin Watson statistik. Dari hasil estimasi, diketahui bahwa nilai DW statistik relatif yakni sebesar
0,492. Artinya ada kemungkinan terjadi masalah autokorelasi. Kedua, melakukan uji LM metode Bruesch Godfery. Metode ini didasarkan pada nilai F dan Obs R-
Squared, dimana jika nilai profitabilitas dari Obs R-Squared melebihi tingkat kepercayaan, maka H
diterima. Artinya tidak ada masalah autokorelasi. 3.8.2.3 Uji Heteroskedasitas
Uji heteroskedasitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.
Universitas Sumatera Utara
Menurut Ajija et al 2011:36 heteroskedasitas merupakan keadaan dimana semua gangguan yang muncul dalam fungsi regresi populasi tidak memiliki varians yang
sama. Uji ini dapat dilakukan dengan cara, yaitu: pertama, melihat pola residual dari hasil estimasi regresi. Jika residual bergerak konstan maka tidak ada
heteroskedasitas. Akan tetapi, jika residual membentuk suatu pola tertentu, maka hal tersebut mengindikasikan adanya heteroskedasitas.
Kedua, untuk membuktikan dugaan pada ujian heteroskedasitas, maka dilakukan uji White Heteroscedasticity yang tersedia dalam program Eviews. Hasil
yang diperhatikan dari uji ini adalah nilai F dan Obs R-Squared. Jika nilai Obs R- Squared lebih kecil dari X
2
tabel, maka tidak terjadi heteroskedasitas demikian juga sebaliknya.
3.8.3 Pemilihan Model Data Panel
Data Panel adalah data yang terdiri atas beberapa variabel seperti pada data seksi silang, namun juga memiliki unsur waktu pada runtut waktu Winarno,
2015:102.Data Panel merupakan suatu kumpulan data yang terdiri dari sejumlah data cross-section dari suatu rentang waktu tertentu time series.Untuk
mengestimasi parameter model dengan data panel terdapat beberapa pendekatan yang ditawarkan yaitu:
Untuk mengestimasi parameter model dengan data panel, terdapat beberapa pendekatan yang ditawarkan yaitu:
1. Common Effect Model atau Pooled Least Square PLS
Pendekatan ini cukup sederhana. Tekniknya hampir sama seperti membuat regresi dengan data cross section atau time series. Namun untuk data panel, perlu
Universitas Sumatera Utara
mengkombinasikan data cross section dengan data time series terlebih dahulu sebelum memulai regresi. Metode ini bisa menggunakan Ordinary Least Square
OLS atau teknik kuadrat terkecil untuk mengestimasi model data panel. 2.
Fixed Effect Model Pendekatan ini mengasumsikan bahwa adanya variabel-variabel yang tidak
semuanya masuk dalam persamaan model memungkinkan adanya intersep yang tidak konstan. Artinya intersep ini mungkin berubah untuk setiap individu dan
waktu. 3.
Random Effect Model Jika pada model efek tetap perbedaan antarindividu atau waktu dicerminkan
lewat intersep, maka pada model ini perbedaan tersebut diakomodasi lewat error. Teknik ini juga memperhitungkan bahwa gangguan mungkin berkorelasi sepanjang
time series dan cross section. Adapun langkah-langkah untuk pemilihan model data panel adalah sebagai
berikut: 1.
Estimasi dengan Fixed Effect Model 2.
Uji Chow Pooled Least Square atau Fixed Effect Model Dengan kriteria pengujian:
H = Pooled Least Square
H
1
= Fixed Effect Model Tolak H
jika p-value nilai signifikansi 0,05; maka H
1
diterima. 3.
Estimasi dengan Random Effect Model 4.
Uji Hausman Random Effect Model atau Fixed Effect Model
Universitas Sumatera Utara
Dengan kriteria pengujian: H
= Random Effect Model H
1
= Fixed Effect Model Tolak H
jika p-value nilai signifikansi 0,05; maka H
1
diterima.
3.8.4 Model Regresi Data Panel