dan program SPSS for windows 18.0. Adapun persamaan model regresi berganda tersebut adalah:
� = � + �
1
�
1
+ �
2
�
2
+ �
3
�
3
+ �
4
�
4
+ �
5
�
5
+ �
Model regresi dalam penelitian ini dinyatakan sebagai berikut : ��� = � + �
1
��� + �
2
��� + �
3
��� + �
4
��� + �
5
�� + � Keterangan :
e = error term, diasumsikan 0 � = konstanta
b
1
,b
2
,b
3
,b
4
,b
5
= koefisien regresi Y = Dividend Payout RatioRasio Pembayaran Dividen
X
1
= Loan to Deposit RatioRasio Pinjaman Terhadap Simpanan X
2
= Capital Adequacy RatioRasio Kecukupan Modal X
3
= Earning Per ShareLaba per lembar saham X
4
= Debt to Equity RatioRasio Hutang Terhadap Modal X
5
= Firm SizeUkuran Perusahaan
3.9.1. Metode Analisis Statistik Deskriptif
Pada tahap ini dilakukan dengan menghitung masing-masing variabel bebas dan variabel terikat dengan menggunakan rumus yang telah dikemukakan
sebelumnya sehingga dapat dilihat secara statistik data variabel yang dikumpulkan.
3.9.2. Pengujian Asumsi Klasik
Universitas Sumatera Utara
Sebelum melakukan analisis regresi, agar didapat perkiraan estimasi yang tidak bias dan efisiensi maka dilakukan pengujian asumsi klasik. Hal ini
sesuai dengan konsep BLUE Best, Linear, Unbiased, Estimator. Menurut Gauss dan Markov, bahwa untuk memenuhi asumsi-asumsi regresi linear yang benar
maka perlu dilakukan empat uji yaitu Normalitas, Autokorelasi, Heteroskedastisitas, ataupun Multikolinearitas. Dalam menganalisis pengaruh
variabel independen terhadap dependen maka perlu dilakukan uji asumsi klasik berikut :
3.9.2.1.Uji Normalitas
Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Tujuan uji normalitas adalah ingin mengetahui apakah dalam
model regresi variabel pengganggu atau residual memiliki distribusi normal Erlina, 2011:101.
Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari
residualnya. Untuk mendeteksi normalitas data dapat juga dilakukan dengan uji kolmogorov smirnov Ghozali, 2001:32. Dengan
menggunakan tingkat signifikan 5 maka jika nilai Asymp. Sig. 2- tailed di atas nilai signifikan 5 artinya variabel residual
berdistribusi normal.
Universitas Sumatera Utara
3.9.2.2.Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Ada dua uji multikolinearitas yang sering digunakan yaitu dengan
melihat nilai VIF dan korelasi di antara variabel independen. Di samping itu, cara lain yang dapat digunakan untuk mendeteksi adanya
gejala multikolinearitas suatu model adalah dengan melihat koefisien korelasi sederhana antar variabel-variabel independen Erlina,
2011:104.
3.9.2.3.Uji Heteroskedastisitas
Salah satu asumsi yang penting dari model regresi linear adalah varian residual bersifat homoskedastisitas atau bersifat konstan.
Umumnya heteroskedastisitas sering terjadi pada model yang menggunakan data cross section daripada data time series Erlina,
2011:106. Model regresi yang baik adalah yang tidak terjadi
heteroskedastisitas. Untuk melihat apakah heteroskedastisitas atau tidak dapat dilakukan dengan cara grafik dan statistik Syafrizal et
al, 2008:65.
3.9.2.4.Uji Autokorelasi
Universitas Sumatera Utara
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah autokorelasi di antaranya dengan Uji
Durbin-Watson, yang hanya digunakan untuk autokorelasi tingkat pertama dan mensyaratkan adanya intercept konstanta dalam model
regresi Erlina,2011:106. Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai
berikut Ghozali, 2001: 1. Bila nilai Durbin-Watson DW terletak antara batas atas atau
Upper Bound DU dan 4 – DU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah dari pada batas bawah atau Lower Bound DL, maka koefisien autokorelasi lebih besar dari nol,
berarti ada autokorelasi positif. 3. Bila nilai DW lebih besar dari pada 4-DL, maka koefisien
autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif. 4. Bila nilai DW terletak di antara batas atas DU dan batas bawah
DL atau DW terletak antara 4-DU dan 4-DL, maka hasilnya tidak dapat disimpulkan.
3.9.3. Analisis Regresi Linear Berganda
