Statistik Deskriptif Uji Asumsi Klasik

3.7 Metode Analisis Data

Metode analisis yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan SPSS versi 16. Penelitan melakukan statistik deskriptif dan uji asumsi klasik terlebih dahulu sebelum melakukan uji hipotesis.

3.7.1 Statistik Deskriptif

Metode statistik deskriptif menggambarkan profil perusahaan secara kuantitatif di dalam penelitian. Metode ini bertujuan untuk memberikan gambaran atau deskripsi suatu data, yang diantaranya dilihar dari rata-rata, dan standar deviasi, dan sebagainya. Analisa ini mendeskripsikan data sampel yang telah terkumpul tanpa membuat kesimpulan yang berlaku untuk umum.

3.7.2 Uji Asumsi Klasik

Penggunaan analisis regresi dalam statistik harus bebas dari asumsi-asumsi klasik. Uji asumsi klasik digunakan untuk menguji apakah model regresi benar- benar menunjukkan hubungan yang signifikan dan representatif. Uji asumsi klasik yang dilakukan adalah uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi. 3.7.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Jika nilai residual tidak mengikuti distribusi normal, uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2005:110. Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan Universitas Sumatera Utara desain grafik. Variabel dikatakan terdistribusi normal jika nilai signifikansi residual lebih besar dari 0,05. Jika data tidak terdistribusi normal maka perlu dilakukan transformasi logaritma Ln terhadap model regresi sehingga data akan terdistribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Dasar pengambilan keputusannya adalah: a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas, b. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas. 3.7.2.2 Uji Multikolinearitas Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas Ghozali, 2005. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah: a. koefisien-koefisien regresi menjadi tidak dapat ditaksir, Universitas Sumatera Utara b. nilai standar error setiap koefisien regresi menjadi tak terhingga. Ada atau tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matriks korelasi variabel-variabel independen. Multikolinieritas dapat dilihat dari nilai tolerance dan lawannya yaitu variance inflactor factor VIF. Kedua variabel ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan VIF yang tinggi. Batasan umum yang digunakan untuk mengukur multikolinieritas adalah tolerance 0,1 dan nilai VIF 10 maka terjadi multikolinieritas. 3.7.2.3 Uji Autokorelasi Untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Jika terjadi korelasi maka ada masalah autokorelasi. Menurut Ghozali 2005:95 uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Uji yang digunakan dalam penelitian untuk mendeteksi ada tidaknya autokorelasi Universitas Sumatera Utara adalah dengan menggunakan uji Durbin-Watson DW. Kriteria untuk penilaian terjadinya autokorelasi yaitu: a. nilai D-W lebih kecil dari -2 berarti ada korelasi positif, b. nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, c. nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif. 3.7.2.4 Uji Heteroskedasitisitas Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedositas atau tidak terjadi heteroskedastisitas. Menurut Ghozali 2005 jika varians berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedasitas. Metode yang digunakan untuk mendeteksi adanya gejala heterokedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID.

3.7.3 Metode Regresi Linear Berganda