Uji Normalitas Pengujian Asumsi Klasik

3.6 Metode Analisis Data

3.6.1 Pengujian Asumsi Klasik

Sebelum menganalisis data yang terkumpul melalui penelitian ini, terlebih dahulu ditetapkan metode analisis yang akan digunakan sehinggapelaksanaannya lebih mudah dan terarah. Adapun metode analisis yang digunakan dalam penelitian ini terdiri dari: 1. mengolah data-data perputaran arus kas, net profit margin dan perputaran piutang sesuai dengan rumus yang telah dibahas sebelumnya dan sesuai dengan periode yang ditetapkan. 2. melakukan uji asumsi klasik melalui program SPSS. Pengujian ini terdiri dari:

3.6.1.1 Uji Normalitas

Menurut Erlina dan Mulyani 2007 : 103, ” Uji normalitas berguna untuk tahapawal dalam metode pemilihan analisis data. Jika data normal, gunakan statistik parametrik dan jika data tidak normal gunakan statistik non parametrik atau lakukan treatment agar data normal.” Menurut Ghozali 2005 : 110, ”uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji Universitas Sumatera Utara statistik menjadi tidak valid untuk jumlah sampel kecil.” Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak menurut Ghozali 2005 : 110, yaitu :

i. Analisis grafik

Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satugaris lurus diagonal dan plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. ii. Analisis statistik Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S. Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov SmirnovK-S dapat dilihat dari : a. nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal. b. nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal. Universitas Sumatera Utara

3.6.1.2 Uji Multikolinearitas ,

Uji multikolinearitas berhubungan dengan adanya korelasi antar variabel independen. Sebuah persamaan terjangkit penyakit ini bila dua atau lebih variabel independen memiliki tingkat korelasi yang tinggi. Sebuah persamaan regresi dikatakan baik bila persamaan tersebut memiliki variabel independen yang saling tidak berkorelasi. Menurut Ghozali 2005 : 91, untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut : 1 Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independennya banyak yang tidak signifikan mempengaruhi variabel dependen. 2 Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen. 3 Multikolinearitas dapat juga dilihat dari : a nilai tolerance dan lawannya bvariance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1 Tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Universitas Sumatera Utara Ada dua cara yang dapat dilakukan jika terjadi multikolinearitas : a. Mengeluarkan salah satu variabel, misalnya variabel independen A dan B saling berkorelasi kuat, maka bisa dipilih A atau B yang dikeluarkan dari model regresi. b. Menggunakan metode lanjut seeprti Regresi Bayesian atau Regresi Ridge.

3.6.1.3 Uji Heterokedastisitas

Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebuthomoskedastisitas. Dan jika varians berbeda, maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas. Suatu model dikatakan terdapat gejala heterokedesitas jika koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistik. Sebaliknya, jika parameter beta tidak signifikan secara statisik, hal ini menunjukkan bahwa data model empiris yang diestimasi tidak terdapat heterokedesitas Erlina,Mulyani 2007:108. Universitas Sumatera Utara Untuk mengetahui adanya masalah heteroskesdatisitas ini kita bisa menggunakan korelasi jenjang Spearman, tes Park, tes Goldfeld-Quandt, tes BPG, tes White atau tes Glejser. Bila menggunakan korelasi jenjang Spearman, maka kita harus menghitung nilai korelasi untuk setiap variabel independen terhadap nilai residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test memiliki dasar test yang sama yaitu meregresikan kembali nilai residu ke variabel independen. Menurut Hadi 2006 : 174, “salah satu cara untuk mengurangi masalah heteroskesdatisitas adalah menurunkan besarnya rentang range data. Salah satu cara yang bisa dilakukan untuk menurunkan rentang data adalah melakukan transformasi manipulasi logaritma. Tindakan ini bisa dilakukan bila semua data bertanda positif.” Ada beberapa cara yang dapat dipakai untuk mendeteksi ada atau tidaknya heterokedastisitas. Dalam penelitian ini menggunakan grafik scatterplot dengan dasar analisis: 1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedastisitas. Universitas Sumatera Utara 2. jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.

3.6.1.4 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1sebelumnya. Jika terjadi autokorelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbal karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series karena gangguan pada seseorang individu atau kelompok cenderung mempengaruhi gangguan pada individu atau kelompok yang sama pada periode berikutnya. Untuk mendeteksi adanya autokorelasi dapat digunakan uji DurbinWatson D-W. Panduan mengenai angka D-W untuk mendeteksi autokorelasi bisa dilihat pada tabel D-W, yang bisa dilihat pada buku Universitas Sumatera Utara statistik yang relevan. Namun demikian secara umum bisa diambil patokan: 1 Angka D-W di bawah -2 berarti ada autokorelasi positif. 2 Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi. 3 Angka D-W diatas +2 berarti ada autokorelasi negatif Jika terjadi autokorelasi, maka dapat diatasi dengan cara: a Melakukan transformasi data. b Menambah data observasi. Model Regresi Berganda Analisa data dalam penelitian ini menggunakan analisis regresi berganda. Dalam penelitian ini terdapat tiga variabel independen, yaitu perputaran arus kas, net profit margin, dan perputaran piutang usaha serta satu variabel dependen, yaitu likuiditas yang mempunyai hubungan yang saling mempengaruhi antara ketiga variabel tersebut. Persamaan umum regresi berganda yang digunakan dalam penelitian ini yaitu: Y = a + b1X1 + b2X2 +b3X3+ e Keterangan : Y : Likuiditas dengan menggunakan current ratio Universitas Sumatera Utara a : Konstanta b1, b2, b3 : koefisien regresi X1 : Perputaran Arus Kas X2 : Net Profit Margin X3 : Perputaran Piutang Usaha e : tingkat kesalahan pengganggu Koefisien Determinasi R² Pengujian Koefisien Determinasi R² digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap variasi naik turunnya variabel dependen. Koefisien determinasi berkisar antara nol sampai dengan satu 0 ≤ R² ≤ 1 . Hal in i b erarti b ila R² = 0 menunjukkan tidak adanya pengaruh antara variabel independen terhadap variabel dependen, bila R² semakin besar mendekati 1, menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen dan bila R² semakin kecil mendekati nol maka dapat dikatakan semakin kecilnya pengaruh variabel independen terhadap variabel dependen.

3.6.2 Pengujian Hipotesis