3.6 Model dan Teknik Analisis Data
Teknik analisis data yang dilakukan dalam penelitian ini adalah menggunakan model regresi. Untuk dapat melakukan analisis dengan model regresi, data harus
good and fit. Penilaian good and fit dianalisis dengan uji kualitas data. Adapun uji kualitas
data terdiri dari statistik deskriptif dan asumsi klasik.
3.6.1 Statistik Deskriptif
Statistik ini digunakan untuk memberikan gambaran profil data sampel. Penelitian ini menggunakan statistik deskriptif yang terdiri dari rata-rata, deviasi standar,
minimum, dan maksimum.
3.6.2 Pengujian Asumsi Klasik
Dalam suatu penelitian, kemungkinan munculnya masalah dalam analisis regresi cukup sering dalam mencocokkan model prediksi kedalam sebuah model yang telah
dimasukkan ke dalam serangkaian data. Masalah ini sering disebut dengan pengujian normalitas, multikolinearitas, autokorelasi, dan heterokedasitas.
3.6.2.1 Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah model regresi dalam penelitian, antara variabel dependen dengan variabel independen keduanya memiliki
distribusi normal atau tidak. Untuk dapat dianalisis data harus berdistribusi normal
Eli Safrida: Pengaruh Struktur Modal Dan Pertumbuhan Perusahaan Terhadap Nilai Perusahaan Pada Perusahaan Manufaktur Di Bursa Efek Jakarta, 2008.
USU e-Repository © 2008
atau mendekati normal. Cara mendeteksi normalitas adalah dengan pengamatan melalui nilai residual. Cara lain adalah dengan melihat distribusi dari variabel-
variabel yang akan diteliti. Jika variabel tidak berdistribusi secara normal menceng kekiri atau menceng kekanan maka hasil uji statistik akan terdegradasi. Normalitas
suatu variabel umumnya dideteksi dengan grafik atau uji statistik sedangkan normalitas nilai residual dideteksi dengan metode grafik. Secara statistik ada dua
komponen normalitas yaitu skewness dan kurtosis. Skewness berhubungan dengan simetris distribusi.
Skewed variabel variabel menceng adalah variabel yang nilai mean-nya tidak di tengah-tengah distribusi. Sedangkan kurtosis berhubungan dengan
puncak dari suatu distribusi. Jika variabel terdistribusi secara normal maka nilai skewness dan kurtosis sama dengan nol Ghozali, 2001:27-28. Normalitas variabel
dideteksi juga dengan menggunakan uji statistik Kolmogorov-Smirnov dengan cara melihat nilai probabilitas signifikan yang bernilai diatas nilai 0.05 maka data
berdistribusi normal dan selain itu juga dengan metode grafik histogram data. Jika data tidak berdistribusi normal, maka dapat dilakukan transformasi agar
menjadi normal. Untuk menormalkan data harus diketahui terlebih dahulu bagaimana bentuk grafik histogram dari data yang ada apakah
moderate positive skewness, subtansial positive skewness, severe positive skewness dengan bentuk L dan
sebagainya. Dengan mengetahui bentuk grafik histogram data, maka dapat ditentukan bentuk transformasinya. Berikut ini bentuk transformasi yang dapat dilakukan sesuai
dengan grafik histogram.
Eli Safrida: Pengaruh Struktur Modal Dan Pertumbuhan Perusahaan Terhadap Nilai Perusahaan Pada Perusahaan Manufaktur Di Bursa Efek Jakarta, 2008.
USU e-Repository © 2008
Tabel 3. Bentuk Transformasi Data Bentuk Grafik Histogram Bentuk
Transformasi
Moderate Positive Skewness SQRT x atau akar kuadrat
Subtansial Positive Skewness LG10x atau logaritma 10 atau LN
Severe Positive Skewness dengan bentuk L 1x atau inverse
Moderate negative skewness SQRT k-x
Subtansial Negative Skewness LG10 k-x
Severe Negative Skewness dengan bentuk L 1k-x
Sumber: Aplikasi Analisis Multivariate Dengan Program SPSS Dimana k adalah konstanta yang berasal dari setiap skor dikurangkan sehingga
skor terkecil adalah 1 Ghozali, 2001: 32. Setelah dilakukan transformasi data maka, normalitas data dilihat kembali dengan menggunakan uji statistik Kolmogorov-
Smirnov dan dilanjutkan dengan melihat metode grafik histogram data. Normalitas nilai residual dilihat dengan menggunakan metode grafik normalitas P-P Plot dengan
aturan melihat sebaran data yang mengikuti garis diagonal maka data berdistribusi normal atau mendekati distribusi normal.
3.6.2.2 Uji Autokorelasi