perusahaan dapat dikatakan bangkrut karena terkena masalah yang serius dan tidak dapat ditangani lagi.
3. Analisis Statistik
3.1 Uji Asumsi Klasik
Model regresi yang diperoleh dari metode kuadrat terkecil biasanya merupakan model regresi yang menghasilkan estimasimator linier tidak bias yang
terbaik. Kondisi ini akan terjadi jika dipenuhi beberapa asumsi klasik meliputi uji normalitas data, uji autokorelasi dan uji heteroskedastisitas.
a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal
ataukah tidak normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk menguji apakah distribusi data normal atau
tidak, dapat dilakukan dengan uji statistik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik dengan melihat
histogram dari residualnya. Dasar pengambilan keputusannya adalah : 1.
Jika data menyebar diantara garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdisitribusi
normal, maka model regresi memenuhi asumsi normalitas.
Universitas Sumatera Utara
2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Uji normalitas dilakukan melalui analisis grafik dan analisis Kolmogorov- Smirnov K-S. Hipotesisnya sebagai berikut :
H : data residual berdistribusi normal
H
1 :
data residual tidak berdistribusi normal Bila signifikansi 0,05 dengan
α = 5 berarti data normal dan H diterima,
sebaliknya bila nilai signifikansi 0,05 berarti data tidak normal dan H
1
diterima.
b. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linier ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 atau sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Untuk mendeteksi terjadi autokorelasi atau tidak dalam suatu model regresi dilakukan dengan melihat nilai dari statistik Durbin Watson D-W test.
Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai Durbin Watson DW menurut Ghozali 2006:100 dengan
ketentuan sebagai berikut:
Universitas Sumatera Utara
Tabel 3.3 Keputusan Durbin Watson DW
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 DW dl
Tidak ada autokorelasi positif No decision
dl ≤ DW ≥ du
Tidak ada autokorelasi negative Tolak 4 - dl DW 4
Tidak ada autokorelasi negative No decision 4 - du
≤ DW ≤ 4 - dl Tidak ada autokorelasi positif
dan negative Tidak
ditolak du DW 4 – dl
Sumber : Aplikasi Analisis Multivariate Keterangan : du = batas atas, dl = batas bawah
Berdasarkan tabel keputusan DW tersebut maka dapat ditentukan suatu data penelitian terbebas dari autokorelasi atau tidak.
c. Uji Heteroskedastisitas