3.7 Metode pengumpulan data
Dalam melakukan penelitian ini teknik pengumpulan data adalah metode dokumentasi. Metode dokumentasi merupakan teknik pengumpulan data yang
tidak langsung ditujukan kepada subjek penelitian Soehartono, 1999:70. Metode ini dilakukan dengan mencatat atau mengumpulkan data-data rasio keuangan
perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia. Data diperoleh dari media internet dengan mengunduh melalui situs www.idx.co.id.
3.8 Teknik analisis
Sebelum melakukan analisis metode jalur, perlu menggunakan uji asumsi klasik untuk menguji apakah model regresi benar-benar menunjukkan hubungan
yang signifikan dan representatif.
3.8.1 Analisis Deskriptif
Analisis deskriptif adalah analisis yang digunakan dengan cara merumuskan dan menafsirkan data sehingga memberikan gambaran yang
jelas melalui pengumpulan, penyusunan, dan analisis data, sehingga dapat diketahui gambaran umum perusahaan yang diteliti.
3.8.2 Uji Asumsi Klasik
Uji asumsi klasik dilakukan dengan bantuan program SPSS 18. Ada empat pengujian dalam uji asumsi klasik, yaitu:
3.8.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam
model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data
akan dibandingkan dengan dengan garis diagonal. Jika distribusi data adalah normal, maka garis yang menghubungkan data sesungguhnya
akan mengikuti garis diagonalnya Ghozali 2006:110. Deteksi normalitas dapat dilakukan dengan melihat penyebaran data titik
pada sumbu diagonal dari grafik. Menurut Ghozali 2006:112, dasar pengambilan keputusan dari uji normalitas adalah:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti
arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Uji normalitas juga dapat dilihat dari uji statistik non- parametrik Kolmogorov-Smirnov K-S. Uji K-S dilakukan dengan
membuat hipotesis : Ho : Data residual berdistribusi normal p 0,05
Ha : Data residual tidak berdistribusi normal p 0,05.
3.8.2.2 Multikolinieritas Menurut Ghozali 2006: 91, “ uji multikolinearitas
bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen”. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian multikolinearitas dilakukan dengan melihat nilai 1
tolerance dan lawannya, dan 2 variance inflation factor VIF. Jika nilai tolerance lebih kecil dari 0,10 atau nilai VIF lebih besar dari
10, maka terjadi multikolinearitas di antara variabel bebas independen.
3.8.2.3 Uji Heteroskedastisitas Uji heteroskedastisitas ditujukan untuk menguji apakah
dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan yang lain. Jika variance dari
residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastis dan jika berbeda disebut heteroskedastisitas
Ghozali, 2006: 105. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk
mendeteksi ada atau tidaknya heteroskedastisitas dapat diketahui dengan melihat ada tidaknya pola tertentu pada grafik scatterplot
antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID di mana sumbu Y adalah Y yang telah diprediksi, dan
sumbu X adalah residual Y prediksi – Y sesungguhnya. Dasar
analisis dari uji heteroskedastis melalui grafik plot adalah sebagai berikut:
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, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
3.8.2.4 Uji Autokorelasi Menurut Ghozali 2006 : 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”. Apabila terjadi korelasi maka akan ada problem autokorelasi. Cara yang dapat dilakukan untuk
mendeteksi ada atau tidaknya autokorelasi adalah dengan melakukan uji Durbin Watson, yaitu uji yang digunakan untuk autokorelasi
tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag
di antara variabel independen Ghozali, 2006: 96.
3.8.3 Analisis Metode Jalur