Dalam melakukan analisis data penulis menggunakan metode deskriptif kuantitatif, yaitu dengan mengumpulkan, mengolah dan menginterpretasikan hasil
yang diperoleh. Analisis ini menggunakan teknik analisis statistik SPSS dengan metode analisis regresi berganda dengan model persamaan sebagai berikut :
Y = a + b1X1 + b2X2 + e Dimana :
Y = Tingkat likuiditas
a = Konstanta
b1, b2 = Koefisien regresi
X1 = Tingkat pertumbuhan piutang
X2 = Tingkat perputaran piutang
e = Tingkat kesalahan penggangu
3.6 Pengujian asumsi klasik
Peneliti menggunakan pengujian asumsi klasik yang meliputi :
3.6.1 Uji normalitas
Menurut Ghozali 2005 , “uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal”. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak menurut Ghozali 2005, yaitu : analisis
grafik dan analisis statistik. 1. Analisis Grafik
Universitas Sumatera Utara
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan
antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan
melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Distribusi normal akan
membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi data
residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
2. Analisis statistic Uji statistic sederhana dapat dilakukan dengan melihat nilai
kurtosis dan nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistic
non parametric Kolmogorov-Simrnov K-S.
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov
dapat dilihat dari : 1. nilai Sig. Atau signifikan atau probabilitas 0,05, maka
distribusi data adalah tidak normal, 2. nilai Sig, atau signifikan atau probabilitas 0,05, maka distibusi
data adalah normal.
3.6.2 Uji autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah pada suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode satu
dengan periode sebelumnya. Masalah autokorelasi akan muncul bila data yang dipakai adalah
data runtut waktu timeseries. “Autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau data sesudahnya
Universitas Sumatera Utara
memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada tempat data tersebut
terjadi”. Hadi 2006. Model regresi yang baik tidak terdapat autokorelasi. Pengujian ini
menggunakan uji Durbin Watson. Panduan mengenai angka D-W untuk mendeteksi autokorelasi bisa dilihat pada table D-W, yang bisa dilihat
pada buku statistic relevan. Namun demikian secara umum bisa diambil patokan :
1. angka D-W di bawah -2 berarti ada autokrelasi positif, 2. angka D-W di bawah -2 sampai +2, berarti tidak ada
autokorelasi, 3. angka D-W di atas +2 berarti ada autokorelasi negative.
3.6.3 Uji heterokedastisitas
