3.4 Uji Kualitas Data
3.4.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data
tersebut mengikuti sebaran normal dapat dilakukan dengan metode Kolmogorov Smirnov dan metode Shapiro Wilk,
dengan menggunakan program SPSS Sumarsono, 2004: 40.
Pedoman dalam mengambil keputusan apakah sebuah distribusi data mngikuti distribusi normal adalah :
- Jika nilai signifikan nilai profitabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal. -
Jika nilai signifikasi nilai profitabilitasnya lebih besar dari nilai 5, maka distribusi adalah normal.
3.5 Uji Asumsi Klasik
Pada uji asumsi klasik persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator,
artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang
BLUE maka persamaan regresi harus memenuhi ketiga asumsi klasik ini : 1.
Tidak boleh ada autokorelasi 2.
Tidak boleh ada multikoliniertas 3.
Tidak boleh ada heteroskedasitas
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias Gujarati, 1997: 218.
3.5.1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antar data observasi yang diurutkan berdasarkan urutan waktu data time series atau
data yang diambil pada waktu tertentu data cross-sectional” Gujarati, 1999: 201. Uji autokorelasi bertujuan untuk menguji apakah dalam suatu
model regresi linier ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Untuk menguji apakah
terjadi autokorelasi atau tidak, digunakan uji Durbin-Watson DW-Test, dengan ketentuan sebagai berikut:
a. Bila nilai DW terletak antara batas atas atau upper bound du dan 4-
du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
b. Bila nilai DW lebih rendah dari pada batas bawah atau lower bound
dl, maka koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
c. Bilai nilai DW lebih besar dari pada 4-dl, maka koefisien
autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif.
d. Bila nilai DW terletak diantara batas atas du dan batas bawah dl
atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat disimpulkan Ghozali, 2001: 61.
3.5.2. Multikolinearitas
Persamaan regresi linier berganda diatas diasumsikan tidak terjadi pengeruh antar variabel bebas. Apabila ternyata ada pengaruh linier antar
variabel bebas, maka asumsi tersebut tidak berlaku lagi terjadi bias. Untuk mendeteksi adanya multikolinieritas dapat dilihat ciri-
cirinya sebagai berikut: a.
Koefisien determinasi berganda R squre tinggi b.
Koefisien korelasi sederhanannya tinggi c.
Nilai F hitung tinggi signifikan d.
Tapi tak satupun diantara variabel bebas yang signifikan Akibat adanya multikolinier adalah:
1. Nilai standar error galat baku tinggi sehingga taraf kepercayaan
confidence intervalnya akan semakin melebar. Dengan demikian, pengujuan koefisien regresi secara individu menjadi tidak signifikan.
2. Profiitabilitas untuk menerima hipotesa Ho diterima tidak ada
pengaruh antara variabel bebas terhadap variabel terikat akan semakin besar.
Identifikasi secara statistik ada atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung koefisien korelasi product moment
atau Variance inflation Factor VIF.
Gujarati, 1999:
339 VIF menyatakan tingkat “pembengkakan” varians. Apabila varians
lebih besar dari 10. Hal ini berarti terdapat multikolinier pada persamaan regresi linier Gujarati, 1999: 339.
1 VIF =
Q-R
j
²
3.5.3. Heteroskedastisitas
Pada regresi linier nilai-nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bias diidentifikasikan dengan cara menghitung
korelasi rank Spearman antara residual dengan seluruh variabel bebas.
Gujarati, 1999:
339 Keterangan :
di = Perbedaan dalam rank antara residuaal dengan variabel bebas
ke- N
= Banyaknya data Menurut Santoso, 2002: 301 deteksi adanya heteroskedastisitas
adalah: ∑ di²
rs = 1 – 6 N {N² - 1}
- Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas
- Nilai probabilitas 0,05 berarti terkena heteroskedastisitas
3.6 Teknik Analisis dan Uji Hipotesis
Kategori