Statistik Deskriptif Pengujian Hipotesis

1. Statistik Deskriptif

Statistik deskriptif adalah metode statistika yang digunakan untuk menggambarkan atau mendeskripsikan data yang telah dikumpulkan menjadi sebuah informasi. Suharyadi, 2007 : 10

2. Uji Asumsi Klasik

Penggunaan analisis regresi dalam statistik harus bebas dari asumsi–asumsi klasik. Uji asumsi klasik yang dilakukan adalah uji normalitas, uji heteroskedastisitas, uji autokorelasi, dan uji multikolinieritas.

a. Uji Normalitas

Menurut Ghozali 2005:111 “Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”. Berikut adalah beberapa cara yang dapat digunakan untuk melihat normalitas data dalam penelitian ini, yaitu: 1. Uji Kolmogrov Smirnov, dalam uji ini pedoman yang digunakan dalam pengambilan keputusan, yaitu: a. Jika nilai signifikan 0.05 maka distribusi normal b. Jika nilai signifikan 0.05 maka distribusi tidak normal Hipotesis yang digunakan: Ho : Data residua l berdistribusi normal. Universitas Sumatera Utara Ha : Data residual tidak berdistribusi normal. Menurut Erlina 2007 : 106 ada beberapa cara mengubah model regresi menjadi normal yaitu : a. lakukan transformasi data ke bentuk lainnya, b. lakukan trimming, yaitu membuang data outlier, c. lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu. 2. Histogram, yaitu pengujian dengan menggunakan ketentuan bahwa data normal berbentuk lonceng. Data yang baik adalah data yang memiliki pola distribusi nornal. Jika data melenceng ke kanan atau melenceng ke kiri berarti memberitahukan bahwa data tidak berdistribusi secara normal. 3. Grafik Normality Probability Plot, ketentuan yang digunakan adalah: a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal maka model regesi memenuhi asumsi normalitas b. Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas.

b. Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamtan ke pengamatan yang lain. Jika residual dari satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2005 : 105. Universitas Sumatera Utara Menurut Ghozali 2005:105, cara untuk mendeteksi ada tidaknya heteroskedastisitas yakni melihat grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di- studentized. Dasar analisis: • Jika ada pola tertentu, seperti titik – titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka diindikasikan telah terjadi heterokedastisitas, • Jika tidak ada pola yang jelas, serta titik – titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas,

c. Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada time series. Pada data cross-section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian ini untuk mendeteksi ada tidaknya autokorelasi adalah menggunakan uji Durbin Watson dengan ketentuan sebagai berikut: Universitas Sumatera Utara  bila nilai DW Durbin-Watson terletak antara batas atas DU dan 4-DU, maka koefisien autokorelasi sama dengan nol artinya tidak terjadi autokorelasi  bila nilai DWDL batas bawah maka koefisien autokorelasi lebih besar dari nol artinya ada autokorelasi positif  bila nilai DW4-DL, maka koefisien autokorelasi lebih kecil dari nol artinya ada autokorelasi negatif  bila nilai DW terletak antara DU dengan DL atau DW terletak diantara 4- DU dan 4-DL, maka hasilnya tidak dapat diputuskan ada autokorelasi atau tidak.

d. Uji Multikolinearitas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi mempunyai korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinearitas adalah situasi adanya korelasi variabel – variabel independen antara yang satu dengan yang lainnya. Dalam hal ini disebut variabel – variabel bebas ini tidak ortogonal. Variabel – variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah: b. Koefisien – koefisien regresi menjadi tidak dapat ditaksir, c. Nilai standar error setiap koefisien regresi menjadi tak terhingga. Universitas Sumatera Utara Menurut Ghozali 2005:91, untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah sebgai berikut: 1. Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel – variabel independennya banyak yang tidak signifikan mempengaruhi variabel dependen. 2. Menganalisis matrik korelasi variabel – variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen. 3. Multikolinearitas dapat juga dilhat dari a nilai tolerance dan lawannya bvariance inflation factor VIF. Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10.

3. Pengujian Hipotesis

Hipotesis diuji dengan menggunakan analisis regresi linear berganda. Analisis ini digunakan untuk mengetahui apakah semua variabel independen mempunyai pengaruh terhadap variabel dependen. Model regresi untuk menguji hipotesis tersebut adalah sebagai berikut: Y = a + ß 1 X 1 + ß 2 X 2 + e, Dimana: Y = profitabilitas Universitas Sumatera Utara a = konstanta ß 1, ß 2 = koefisien regresi variabel X 1 = modal kerja X 2 = leverage e = tingkat kesalahan pengganggu Hipotesis dalam penelitian ini menggunakan t – test dan F – test. a. uji statistik ”t” atau uji signifikan parameter individual atau uji parsial yaitu untuk menunjukan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variasi variabel dependen Ghozali, 2005 : 84. Uji ini digunakan untuk menguji pengaruh variabel independen yaitu modal kerja dan leverage terhadap variabel dependen yaitu profitabilitas secara parsial. Ho : ß 1, ß 2 = 0 Artinya, suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Ha : ß 1, ß 2 ≠ 0 Artinya, suatu varabel independen merupakan penjelas yang signifikan terhadap variabel dependen. Kriteria pengambilan keputusan menurut Ghozali 2005 : 85 adalah: • Apabila nilai probabilitas t hitung 5 dan t hitung t tabel , maka hipotesis Ha diterima Ho ditolak. Universitas Sumatera Utara • Apabila nilai probabilitas t hitung 5 dan t hitung t tabel , maka hipotesis Ho diterima Ha ditolak. b. uji statistik ”F” atau uji signifikan simultan; untuk menunjukkan apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama – sama terhadap variabel dependen Ghozali, 2005 : 84. Uji ini digunakan untuk menguji pengaruh variabel independen yaitu modal kerja dan leverage terhadap variabel dependen yaitu profitabilitas secara simultan bersama – sama. Ho : ß 1 = ß 2 = 0 Artinya, semua variabel independen secara simultan bukan merupakan penjelas yang signifikan terhadap variabel dependen. Ha : ß 1 ≠ ß 2 ≠ 0 Artinya, semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. Kriteria pengambilan keputusan menurut Ghozali 2005 : 84 adalah: • Apabila nilai F hitung 4 dengan tingkat kepercayaan 5 dan F hitung F tabel , maka Ha diterima Ho ditolak. • Apabila nilai F hitung 4 dengan tingkat kepercayaan 5 dan F hitung F tabel , maka Ho diterima Ha ditolak.

G. Jadwal Penelitian

Perencanaan jadwal penelitian adalah sebagai berikut: Tabel 3.3 Universitas Sumatera Utara