37
Keterangan : ROE
= Return on Equity
Net Income =
Laba Bersih Total Equity =
Total Ekuitas
3.6 Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah analisis statistika yang menggunakan regresi linier berganda dan menggunakan software
SPSS. Data penelitian dikumpulkan untuk diolah, kemudian akan dianalisis untuk memperoleh jawaban atas permasalahan yang timbul dalam penelitian ini.
Metode dan teknik analisis dilakukan dengan tahapan sebagai berikut :
3.6.1 Statistik Deskriptif
Statistik deskriptif merupakan suatu metode dalam mengorganisis dan menganalisis data kuantitatif, sehingga diperoleh gambaran yang
teratur mengenai suatu kegiatan. Ukuran yang digunakan dalam deskripsi antara lain : frekuensi, tendensi sentral mean, median dan modus,
dispersi standar deviasi dan varian dan koefisien korelasi antara variabel penelitian. Ukuran yang digunakan dalam statistik deskriptif tergantung
pada tipe skala pengukuran construct yang digunakan dalam penelitian Ghozali, 2010.
3.6.2 Pengujian Asumsi Klasik
Untuk menghasilkan suatu model yang baik, maka analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian
hipotesis. Pengujian asumsi klasik tersebut meliputi :
Universitas Sumatera Utara
38
3.6.2.1 Uji Normalitas
Tujuan uji ini adalah untuk mengetahui apakah model regresi variabel pengganggu atau residual memiliki distribusi
normal. Menurut Ghozali 2010, ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan
analisis grafik dan analisis statistik. Penelitian ini menggunakan analisis statistik dengan uji Kolmogrov Smirnov. Pedoman
pengambilan keputusan rentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov
dapat dilihat dari : 1.
Nilai Sig. atau signifikan 0,05, maka distribusi data adalah tidak normal.
2. Nilai Sig. atau signifikan 0,05, maka distribusi data adalah
normal Ghozali, 2010.
3.6.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk meneliti apakah dalam model regresi ditemukan adanya korelasi di antara variabel
independen. Jika terjadi korelasi, berarti terjadi masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel independen Erlina, 2011. Untuk melihat ada atau tidaknya multikolinearitas dalam model regresi
dilihat dari nilai tolerance dan lawannya Variance Inflation factor VIF. Batasan umum yang dipakai untuk menunjukkan adanya
Universitas Sumatera Utara
39
multikolinearitas adalah nilai tolerance 0,1 atau VIF 10 Ghozali, 2010.
3.6.2.3 Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu
pengamatan ke pengamatan yang lain. Menurut Erlina 2011, “jika varian dari residual suatu pengamatan ke pengamatan lainnya
tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas”.
Untuk melihat ada atau tidaknya heteroskedastisidas dilakukan dengan mengamati grafik scatterplot antar nilai prediksi
variabel terikat dengan residualnya. Deteksi ada atau tidaknya pola tertentu pada grafik scatterplot dengan dasar analisis :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heterokedastisitas Ghozali, 2010.
3.6.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antar kesalahan pengganggu pada
Universitas Sumatera Utara
40
periode t dengan kesalahan pengganggu pada periode sebelumnya Erlina, 2011. Uji autokorelasi akan muncul bila data yang
dipakai adalah data runtut waktu time series. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk
mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson DW. Menurut Santoso dalam Alhamdi 2012, kriteria untuk uji
autokorelasi adalah : 1.
Angka D-W di bawah -2 berarti ada autokorelasi positif 2.
Angka D-W di antara -2 sampai 2 berarti tidak ada autokorelasi 3.
Angka D-W di atas 2 berarti ada autokorelasi negatif
3.6.3 Analisis Regresi