analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak. Pengujian asumsi tersebut meliput i
statistik deskriptif, uji asumsi klasik, dan pengujian hipotesis.
1. Statistik Deskriptif
Statistik deskriptif adalah metode statistika yang digunakan untuk menggambarkan atau mendeskripsikan data yang telah dikumpulkan menjadi
sebuah informasi. Suharyadi, 2007: 10.
2. Uji Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi–asumsi klasik. Uji asumsi klasik yang dilakukan adalah uji normalitas, uji
heteroskedastisitas, uji autokorelasi, dan uji multikolinieritas.
a. Uji Normalitas
Menurut Ghozali 2005: 111 “Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal”. Berikut adalah beberapa cara yang dapat digunakan untuk melihat normalitas data dalam penelitian ini, yaitu uji
kolmogorov smirnov, histogram, dan grafik normality probability plot. 1
Uji Kolmogorov Smirnov, dalam uji ini pedoman yang digunakan dalam pengambilan keputusan, yaitu:
• jika nilai signifikan 0.05 maka distribusi normal,
• jika nilai signifikan 0.05 maka distribusi tidak normal.
Hipotesis yang digunakan: Ho : Data residual berdistribusi normal,
Universitas Sumatera Utara
Ha : Data residual tidak berdistribusi normal. Menurut Erlina 2008: 104 ada beberapa cara mengubah model regresi
menjadi normal yaitu : •
lakukan transformasi data ke bentuk lainnya, •
lakukan trimming, yaitu membuang data outlier, •
lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
2 Histogram, yaitu pengujian dengan menggunakan ketentuan bahwa data
normal berbentuk lonceng. Data yang baik adalah data yang memiliki pola distribusi nornal. Jika data melenceng ke kanan atau melenceng ke
kiri berarti memberitahukan bahwa data tidak berdistribusi secara normal.
3 Grafik Normality Probability Plot, ketentuan yang digunakan adalah:
• jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal maka model regesi memenuhi asumsi normalitas, •
jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi
normalitas.
b. Uji Multikoleniaritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel-variabel
Universitas Sumatera Utara
independen antara yang satu dengan yang lainnya. Dalam hal ini disebut variabel-variabel bebas ini tidak ortogonal. Variabel-variabel bebas yang
bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol.
Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:
1 koefisien – koefisien regresi menjadi tidak dapat ditaksir,
2 nilai standar error setiap koefisien regresi menjadi tak terhingga.
Menurut Ghozali 2005: 91, untuk mendeteksi ada 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 diatas 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 dilhat 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=1Tolerance. Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.
Universitas Sumatera Utara
c. Uji Autokolerasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering
ditemukan pada time series. Pada data cross-section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian ini untuk
mendeteksi ada tidaknya autokorelasi adalah menggunakan uji Durbin Watson dengan ketentuan sebagai berikut:
1 bila nilai DW Durbin-Watson terletak antara batas atas DU dan 4-
DU, maka koefisien autokorelasi sama dengan nol artinya tidak terjadi autokorelasi,
2 bila nilai DWDL batas bawah maka koefisien autokorelasi lebih
besar dari nol artinya ada autokorelasi positif, 3
bila nilai DW4-DL, maka koefisien autokorelasi lebih kecil dari nol artinya ada autokorelasi negatif,
4 bila nilai DW terletak antara DU dengan DL atau DW terletak diantara
4-DU dan 4-DL, maka hasilnya tidak dapat diputuskan ada autokorelasi atau tidak.
d. Uji Heteroskedastisitas
Menurut Ghozali 2005: 105, “uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Jika residual dari satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan
jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas”.
Universitas Sumatera Utara
Menurut Ghozali 2005: 105, cara untuk mendeteksi ada tidaknya heteroskedastisitas yakni melihat grafik plot antara nilai prediksi variabel
terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y
sesungguhnya yang telah di- studentized. Dasar analisis:
1 jika ada pola tertentu, seperti titik – titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka diindikasikan telah terjadi heterokedastisitas,
2 jika tidak ada pola yang jelas, serta titik – titik menyebar diatas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
3. Pengujian Hipotesis
Hipotesis diuji dengan menggunakan analisis regresi linear berganda. Analisis ini digunakan untuk mengetahui apakah semua variabel independen
mempunyai pengaruh terhadap variabel dependen. Model regresi untuk menguji hipotesis tersebut adalah sebagai berikut:
Y = a + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ β
5
X
5
+ e a = konstanta
β
1,
β
2,
β
3
, β
4
, β
5
= koefisien regresi variabel X
1
= current ratio
Universitas Sumatera Utara
X
2
= debt to total asset X
3
= net profit margin X
4
= Price earning ratio X
5
= total asset turn over e = tingkat kesalahan pengganggu
Hipotesis dalam penelitian ini menggunakan t – test dan F – test. a. uji statistik ”t” atau uji signifikan parameter individual atau uji parsial
yaitu untuk menunjukan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variasi
variabel dependen Ghozali, 2005 : 84. Uji ini digunakan untuk menguji pengaruh variabel independen yaitu modal kerja dan leverage terhadap
variabel dependen yaitu profitabilitas secara parsial. Ho :
β
1,
β
2,
β
3
, β
4
, β
5
= 0 Artinya, suatu variabel independen bukan merupakan penjelas yang
signifikan terhadap variabel dependen. Ha : β
1,
β
2
, β
3
, β
4
, β
5
≠ 0 Artinya, suatu varabel independen merupakan penjelas yang signifikan
terhadap variabel dependen. Kriteria pengambilan keputusan menurut Ghozali 2005 : 85 adalah:
1 apabila nilai probabilitas t
hitung
5 dan t
hitung
t
tabel
, maka hipotesis Ha diterima Ho ditolak,
2 apabila nilai probabilitas t
hitung
5 dan t
hitung
t
tabel
, maka hipotesis Ho diterima Ha ditolak.
Universitas Sumatera Utara
b. uji statistik ”F” atau uji signifikan simultan; untuk menunjukkan apakah
semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama – sama terhadap variabel dependen Ghozali, 2005 :
84. Uji ini digunakan untuk menguji pengaruh variabel independen yaitu current ratio, debt to total asset, net profit margin, price earning ratio dan
total asset turn over terhadap variabel dependen yaitu dividend per share secara simultan bersama – sama.
Ho : β
1
= β
2
= β
3
= β
4
= β
5
= 0 Artinya, semua variabel independen secara simultan bukan merupakan
penjelas yang signifikan terhadap variabel dependen. Ha :
β
1
≠ β
2
≠ β
3
≠ β
4
≠ β
5
≠ 0 Artinya, semua variabel independen secara simultan merupakan penjelas
yang signifikan terhadap variabel dependen. Kriteria pengambilan keputusan menurut Ghozali 2005 : 84 adalah:
1 apabila nilai F
hitung
4 dengan tingkat kepercayaan 5 dan F
hitung
F
tabel
, maka Ha diterima Ho ditolak,
2 apabila nilai F
hitung
4 dengan tingkat kepercayaan 5 dan F
hitung
F
tabel
, maka Ho diterima Ha ditolak.
Universitas Sumatera Utara
G. Jadwal Penelitian
Jadwal penelitian yang direncanakan adalah sebagai berikut :
Tabel 3.3 Tahapan
Penelitian Juli
2010 Agts
2010 Sept
2010 Okt
2010 Nov
2010 Des
2010 Pengajuan Judul
Penyelesaian Proposal
Bimbingan Proposal
Seminar Proposal Pengumpulan Data
Pengolaan Data Penyampaian Hasil
Penelitian
Universitas Sumatera Utara
