3.5.1 Uji Statistik Deskriptif
Dalam penelitian, statistik deskriptif memberikan gambaran data penelitian dalam bentuk tabulasi yang memudahkan pemahaman dan
penginterpretasian. Statistik deskriptif dapat memberikan informasi mengenai karakteristik variabel penelitian, ukurannya dapat berupa frekuensi, tendensi
sentral mean, median, modus, dispersi deviasi standar dan varian dan koefisien korelasi antar variabel penelitian Indriantoro dan Supomo, 1999:170.
3.5.2 Uji Asumsi Klasik
Dalam analisis regresi yang menggunakan metode Original Least Square OLS, ada beberapa asumsi yang harus dipenuhi agar persamaan regresi tersebut
valid digunakan dalam penelitian. Asumsi-asumsi tersebut yang disebut dengan asumsi klasik.
3.5.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pengujiannya dilakukan dengan uji
statistik non-parametrik Kolmogorov-Smirnov K-S. Data dikatakan normal apabila nilai signifikansinya diatas 0,05. Sebaliknya, jika nilai signifikansinya
dibawah 0,05 maka data dikatakan tidak normal Situmorang dkk, 2008:62.
Universitas Sumatera Utara
3.5.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah ditemukan adanya korelasi antar variabel independen dalam model regresi. Terjadinya
multikolinearitas atau tidak dapat dilihat dari nilai Tolerance dan Variance Inflation Factor VIF. Tolerance mengukur variabilitas variabel independen
terpilih yang tidak dijelaskan oleh variabel independen lainnya. Dengan kata lain, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi
VIF=1Tolerance. Nilai yang digunakan untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance 0,10 atau sama dengan nilai VIF 10
Situmorang dkk, 2008:104.
3.5.2.3 Uji Heteroskedastisitas
Pengujian heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi linear terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain. Terjadinya heteroskedastisitas atau tidak dapat dilihat dari grafik plot antara nilai prediksi variabel dependen yaitu ZPRED dengan
residualnya SRESID. Heteroskedastisitas dikatakan tidak terjadi apabila tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada
sumbu Y Situmorang dkk, 2008:68.
3.5.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
Universitas Sumatera Utara
pengganggu pada periode sebelumnya. Terjadinya korelasi atau tidak diketahui dengan menggunakan Runs Test, yaitu untuk melihat apakah data residual terjadi
secara random atau sistematis. Autokorelasi tidak terjadi jika probabilitas signifikan 0,05 Situmorang dkk, 2008:94.
3.5.3 Uji Model
Goodness of Fit
Model regresi dalam penelitian ini meneliti hubungan antara tema lingkungan dan energi, tema ketenagakerjaan, tema konsumen dan produk serta
tema kemasyarakatan dan umum dengan Return on Assets ROA dan Capital Adequacy Ratio CAR. Model regresi tersebut adalah sebagai berikut:
Model 1 : ROAit = β0 + β1TLit + β2TKit + β3TPKit + β4TKUit + εit
Model 2 : CARit = β0 + β1TLit + β2TKit + β3TPKit + β4TKUit + εit
Ketepatan fungsi regresi sampel dalam membuat taksiran nilai sebenarnya dapat diukur dari Goodness of Fit-nya. Secara statistik, setidaknya
dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan jika nilai uji statistiknya berada dalam
daerah kritis, yaitu daerah dimana hipotesis yang diajukan ditolak. Sebaliknya, disebut tidak signifikan jika nilai uji statistiknya berada dalam daerah dimana
hipotesis yang diajukan diterima Ghozali, 2006 dalam Wahdikorin, 2010:58.
Koefisien Determinasi
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Koefisien
Universitas Sumatera Utara
determinasi digunakan karena dapat menjelaskan kebaikan dari model regresi dalam memprediksi variabel dependen. Semakin tinggi nilai koefisien
determinasi, semakin baik pula kemampuan variabel independen dalam menjelaskan variabel dependen. Terdapat dua jenis koefisien determinasi, yaitu
koefisien determinasi biasa dan Adjusted R Square Purbayu dan Ashari, 2005 dalam Wahdikorin, 2010:58.
Nilai koefisien determinasi adalah antara 0 dan 1. Nilai R
2
Dalam penelitian ini yang akan dilihat adalah nilai dari Adjusted R Square, karena menurut Situmorang dkk 2008:114 jika variabel dalam penelitian
lebih dari dua variabel, maka yang digunakan adalah Adjusted R Square. yang kecil
berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai yang mendekati 1 berarti variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
3.5.4 Uji Hipotesis