3.6 Metode Analisis Data
3.6.1 Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui apakah penaksir dalam regresi merupakan penaksir kolinear tak bias terbaik. Untuk memperoleh
persamaan yang paling tepat digunakan parameter regresi yang dicari dengan metode kuadrat terkecil atau Ordinary Least Square OLS. Metode regresi
OLS akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan Beast Linear Unbiased Estimation BLUE. Oleh karena itu
diperlukan adanya uji asumsi klasik terhadap model yang telah diformulasikan, yang mencakup pengujian normalitas, multikolinieritas,
heteroskedastisitas.
3.6.1.1 Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen dan variabel independen, keduanya mempunyai
distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Pada prinsipnya normalitas
dapat dideteksi dengan melihat penyebaran data titik pada sumbu
diagonal dari grafik atau dengan melihat histogram dari residualnya. 3.6.1.2 Uji multikolinieritas
Salah satu asumsi klasik adalah tidak terjadinya multikolinieritas di antara variabel-variabel bebas yang berada dalam satu model, artinya
antara variabel independen yang terdapat dalam model tidak memiliki hubungan yang sempurna koefesien tinggi atau bahkan satu. apabila hal
Universitas Sumatera Utara
ini terjadi berarti antara variabel bebas itu sendiri saling berkorelasi, sehingga dalam hal ini sulit diketahui variabel bebas mana yang
mempengaruhi variabel terikat. Menurut Salvatore 2005 : 178 multikolinieritas mengacu kepada
situasi dimana dua atau lebih variabel penjelas dalam suatu regresi mempunyai korelasi yang tinggi. Multikolinieritas yang serius terkadang
dapat dihilangkan atau dikurangi dengan cara sebagai berikut : 1 Memperluas ukuran sampel mengumpulkan lebih banyak data
2 Menggunakan informasi sebelumnya 3 Melakukan transformasi terhadap hubungan fungsional
4 Membuang satu dari variabel yang memliki kolinear yang tinggi.
3.6.1.3 Uji Heteroskedastisitas
“Masalah serius lainnya yang mungkin dihadapi dalam analisi regresi adalah heteroskedastisitas, hal ini timbul pada saat asumsi bahwa
varians dari faktor galat adalah konstan untuk semua nilai dari variabel bebas yang telah dipenuhi” menurut Salvatore 2005 : 179. Uji
heteroskedastisitas ini dilakukan untuk untuk menguji apakah sebuah model regresi terjadi ketidaksamaan varians dari residual dari suatu
pengamatan ke pengamatan yang lain. Jika varians dari residual dari pengamatan yang satu ke pengamatan yang lainnya tetap, maka disebut
homoskedastisitas. Dan jika varians berbeda, maka disebut
Universitas Sumatera Utara
heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Ada beberapa cara yang dapat dipakai untuk mendeteksi ada atau tidaknya heteroskedastisitas. Dalam penelitian ini menggunakan grafik
scatterplot dengan dasar analisis : 1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu 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 heteroskedstisitas.
. 3.6.2 Analisis Regresi Berganda
Analisa data dalam penelitian ini menggunakan analisis regresi berganda. Dalam penelitian ini terdapat dua variabel independen, yaitu
perputaran kas dan perputaran persediaan serta satu variabel dependen yaitu rentabilitas yang mempunyai hubungan yang saling mempengaruhi
antara ketiga variabel tersebut. Persamaan umum regresi berganda yang digunakan dalam penelitian ini
yaitu, sebagai berikut :
Y = α + β1X1 + β2X2 + e
Universitas Sumatera Utara
Keterangan : Y : Variabel dependen rentabilitas perusahaan dengan menggunakan
rasio ROA. α : Konstanta atau harga Y bila X = 0.
β1,β2 : Angka atau arah koefisien regresi, yang menunjukkan angka peningkatan ataupun penurunan variabel dependen yang
didasarkan pada variabel independen. X1 : Perputaran kas cash turn over.
X2 : Perputaran persediaan inventory turn over. e : Tingkat kesalahan penggangu.
Nilai koefisien determinasi R² menunjukkan persentase pengaruh
semua variabel independen terhadap variabel dependen. Niai R² berbeda
antara 0 sampai dengan 1. Semakin mendekati 1 maka variabel bebas hampir memberikan semua informasi untuk memprediksi variabel terikat
atau merupakan indikator yang menunjukkan semakin kuatnya kemampuan menjelaskan perubahan variabel bebas terhadap variabel
terikat
Universitas Sumatera Utara
3.6.2.1 Uji t-statistik Uji Parsial
Kategori