mudah dipahami dan mudah ditafsirkan, sehingga hubungan antara problem penelitian dapat dipelajari dan diuji.
3.6.1. Analisis Deskriptif
Analisis yang digunakan dalam penelitian ini adalah dengan mengumpulkan, mengklasifikasi dan menginterpretasikan data penelitian
sehingga diperoleh gambaran yang lebih jelas mengenai keadaan perusahaan yang sedang diteliti.
3.6.2. Uji Asumsi Klasik
a. Uji Normalitas Menurut Erlina dan Mulyani 2007:103, ”Tujuan uji normalitas
adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Pengujian ini
diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal”.
Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik. Jika data
menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal, atau grafik histogramnya menunjukkan pola distribusi
normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. Selain itu dapat juga digunakan uji statistik non-
parametrik Kolmogorov Smirnov K-S. Cara pengambilan keputusannya adalah :
Ho : Data residual berdistribusi normal
Universitas Sumatera Utara
Ha : Data residual tidak berdistribusi normal Jika signifikan pada nilai Kolmogorov Smirnov 0.05 maka Ho
ditolak , jadi data residual berdistribusi tidak normal. Jika signifikan pada nilai K-S 0.05, maka Ho diterima, jadi data residual
berdistribusi normal. Dalam penelitian ini, uji normalitas dilakukan dengan menggunkan grafik histogram, normal probability plot, dan
uji Kolmogorov-Smirnov. b. Uji Multikolinearitas
Multikolineritas merupakan suatu keadaan dimana terjadinya satu atau lebih variabel independen berkorelasi sempurna atau
mendekati sempurna dengan variabel independen lainnya.
Konsekuensinya adalah pada koefisien regresi menjadi tidak dapat ditaksir. Uji multikolinearitas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, berarti terjadi masalah multikolinieritas. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2005:91.
Salah satu cara untuk mendeteksi ada atau tidaknya gejala multikolinieritas bias dilihat dari variance inflation factor VIF dari
masing-masing variabel independen terhadap variabel dependen dan juga nilai Toleransinya. Jika suatu model regresi mempunyai nilai
VIF lebih kecil dari 10 dan mempunyai angka Tolerance lebih besar
Universitas Sumatera Utara
dari 0,1 maka model regresi tersebut tidak mengandung gangguan multikolinearitas.
c. Uji Heteroskedastisitas Heterokedastisitas muncul apabila kesalahan atau residual dari
model-model yang diamati tidak memiliki varians yang konstan dari suatu observasi ke observasi lainnya. Uji heteroskedastisitas
bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Salah satu cara mendeteksi terjadinya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik
Scatter-Plot. Dasar analisis menurut Ghozali, 2005:105 adalah: 1.
Jika pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit,
maka mengindikasikan terjadinya heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. d. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya
Universitas Sumatera Utara
Ghozali, 2005:95. Autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya, atau data sesudahnya
memiliki korelasi yang tinggi dengan data sebelumnya pada data time series dan besaran data sangat tergantung pada tempat data
tersebut terjadi. Adanya autokorelasi bertentangan dengan salah satu asumsi dasar regresi linier berganda “yang tidak ada korelasi antara
anggota sampel”. Konsekuensi dari adanya gejala autokorelasi ini adalah varian sampel tidak dapat menggambarkan varian
populasinya dan model regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependen pada nilai variabel
independen tertentu. Untuk mendeteksi adanya problem autokorelasi dengan
penggunaan program SPSS adalah dengan melihat besaran Durbin- Watson yaitu panduan mengenai angka D-W pada table D-X.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1. Angka D-W dibawah -2 berarti ada autokorelasi positif
2. Angka D-W diantara -2 sampai +2 berarti tidak ada
autokorelasi 3.
Angka D-W diatas +2 berarti ada autokorelasi negative Autokorelasi dapat diatasi dengan berbagai cara, misalnya
dengan melakukan transformasi data dan menambah data observasi.
Pengujian Hipotesis Penelitian
Universitas Sumatera Utara
Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisa data, baik dari percobaan yang terkontrol,
maupun dari observasi tidak terkontrol. Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir
tidak mungkin disebapkan oleh faktor yang kebetulan, sesuai dengan batas probabilitas
a. Analisis regresi berganda yang sudah ditentukan sebelumnya. Analisis regresi
digunakan untuk memprediksi pengaruh variabel bebas terhadap variabel terikat. Analisis regresi juga dapat dilakukan untuk mengetahui
kelinieritas variabel terikat dengan varibel bebasnya, selain itu juga dapat menunjukkan ada atau tidaknya data yang outlier atau data yang
ekstrim. Hipotesis diuji dengan analisis regresi linier berganda untuk menganalisis pengaruh variabel independen terhadap dependen. Untuk
menguji apakah hipotesis yang diajukan diterima atau ditolak, digunakan uji t t-test dan uji F F-test.
Model regresi yang digunakan adalah sebagai berikut: Y = a + b1X1 + b2X2 + e
Dimana: Y
= Rentabilitas Modal Sendiri a
= Konstanta X1
= Return on Asset X2
= Struktur Modal b1, b2 = Koefisien regresi dari masing-masing variabel
Universitas Sumatera Utara
e = Error
Besarnya konstanta dalam a, dan besarnya koefisien regresi masing-masing variabel independen yang ditunjukkan pada X1 dan
X2. Analisis regresi dilakukan untuk mengetahui seberapa besar hubungan antara variabel independen dengan variable dependennya.
b. Uji signifikan parsial Uji t Uji ini dilakukan untuk mengetahui pengaruh variabel
independen secara parsial terhadap variabel dependen. Menurut Ghozali 2005:84, “uji statistic t pada dasarnya menunjukkan
seberapa jauh pengaruh satu variabel penjelas independen secara individual dalam menerangkan variabel dependen”.
Bentuk pengujian : H
H : b1 : b2 = 0, artinya tidak terdapat pengaruh yang signifikan dari
LDER dan ROA terhadap variabel ROE.
a
Pada penelitian ini nilai t hitung akan dibandingkan dengan t tabel pada tingkat signifikan α = 5, dimana :
: b1 : b2 ≠ 0, artinya terdapat pengaruh yang signifikan dari
LDER dan ROA terhadap variabel ROE.
H H
diterima jika : signifikan 0,05
Kriteria pengambilan keputusan pada uji t ini adalah : ditolak jika : signifikan
≤ 0,05
- Jika Thitung Ttabel pada α 0.05, maka H
a
- Jika Thitung Ttabel pada α 0.05, maka H
ditolak dan
a
diterima
Universitas Sumatera Utara
c. Uji signifikan Simultan Uji F Uji ini dilakukan untuk mengetahui pengaruh variabel
independen secara bersama-sama terhadap variabel dependen. Menurut Ghozali 2005:84, “uji statistik F pada dasarnya
menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-
sama terhadap variabel dependenterikat”. Bentuk Pengujian :
H
H : b1 : b2 = 0, artinya variabel LDER dan ROA yang terdapat pada
model ini tidak berpengaruh signifikan terhadap variabel ROE
a
Pada penelitian ini nilai FHitung akan dibandingkan dengan FTabel pada tingkat signifikan α = 5, dimana:
: b1 : b2 ≠ 0, artinya variabel LDER dan ROA yang terdapat pada
model ini berpengaruh signifikan terhadap variabel ROE
H H
diterima jika : signifikan 0.05
Kriteria penilaian hipotesis pada uji F ini adalah : ditolak jika : signifikan
≤ 0.05
- Jika FHitung FTabel pada α 0.05, maka H
a
- Jika FHitung FTabel pada α 0.05, maka H
ditolak dan
a
diterima
Universitas Sumatera Utara
BAB IV HASIL ANALISI DAN PEMBAHASAN
4.1 Hasil Penelitian
Kategori