Uji Normalitas Uji Asumsi Model Klasik

3.4.2. Teknik Pengumpulan Data

Metode yang digunakan dalam penelitian ini adalah : a. Metode Dokumenter Yaitu teknik pengumpulan data dengan cara mempelajari, mencatat dan menganalisa dokumen laporan keuangan KPRI Bina Raharja dengan tahun pengamatan tahun 2003 sampai dengan tahun 2012. b. Metode Observasi Yaitu teknik pengumpulan data dengan jalan mengadakan pengamatan secara langsung terhadap obyek yang akan diteliti [Nazir, 2005 : 174-213]. Hal ini sangat membantu dalam suatu kegiatan pengumpulan, pengolahan, penyajian, dan analisis data yang dilakukan dengan metode ilmiah yang hasilnya dapat memberikan suatu kesimpulan yang berguna bagi semua pihak.

3.5. Teknik Analisis Dan Uji Hipotesis

3.5.1. Uji Normalitas

Uji normalitas dimaksudkan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data tersebut mengikuti sebaran normal dalam penelitian ini dengan menggunakan metode Kolmogrov Smirnov [Sumarsono, 2004 : 42]. Dalam pengambilan keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah : Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. a. Jika nilai signifikan nilai probabilitasnya lebih kecil dari 5, maka distribusi adalah tidak normal. b. Jika nilai signifikan nilai probabilitasnya lebih besar dari 5, maka distribusi normal [Sumarsono, 2004: 43].

3.5.2. Uji Asumsi Model Klasik

Persamaan umum linier berganda sebagai berikut : persamaan regresi ini harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan uji-F dan uji-t tidak bias. Untuk menghasilkan keputusan yang BLUE maka harus dipenuhi diantaranya 3 asumsi dasar yang tidak boleh dilanggar oleh regresi linier yaitu : a. Tidak boleh ada Multikolinieritas b. Tidak boleh ada Autokorelasi c. Tidak boleh ada Heterokedastisitas Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE Best Linier Unbiased Estimator sehingga pengambilan keputusan melalui uji-F dan uji-t menjadi bias. a. Multikollinieritas Multikollinieritas berarti terjadi korelasi mendekati sempurna antar variabel bebas. Jika variabel bebas saling berkolerasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. dengan nol. Diagnosis secara sederhana terhadap adanya multikorelasi di dalam model regresi adalah sebagai berikut : 1 Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak signifikan mempengaruhi variabel terikat. 2 Jika diantara dua variabel independen memiliki korelasi yang spesifik maka di dalam model regresi tersebut terdapat multikolinieritas. 3 Multikolinieritas dapat juga dilihat dari 1 nilai tolerance dari lawannya 2 variance inflation faktor VIF. Kedua ukuran ini menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas terpilih yang tidak dapat dijelaskan oleh variabel lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance dan menunjukkan adanya kolonieritas yang tinggi, nilai cuttof yang umum dipakai adalah nilai VIF10 maka terjadilah multikolonieritas [Ghozali, 2006 : 91]. b. Autokorelasi Autokorelasi adalah korelasi antara dua observasi yang diurutkan berdasarkan waktu urut time series atau data yang diambil pada waktu tertentu data cross sectorial. Dalam konteks regresi, model regresi linier mengasumsikan bahwa autokorelasi seperti itu tidak terdapat dalam disturbansi atau nilai pengganggu. Jadi uji Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. autokorelasi bertujuan menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya [Ghozali, 2006 : 95]. Untuk mendiagnosis adanya autokorelasi dalam suatu model regresi dilakukan melalui pengujian terhadap uji Durbin Watson Uji DW. Tabel 3 Autokorelasi Durbin-Watson Kriteria DW Tes berada di Ada autokorelasi positif 0 dW dL Tidak ada keputusan dL dW dU Tidak ada autokorelasi dU dW 4 – dU Ada autokorelasi keputusan 4 – dU dW 4 – dL Ada autokorelasi negative 4 – dL dW 4 Sumber : Gujarati 1995 : 217 – 218 c. Heterokedastisitas Heterokedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain [Ghozali, 2006 : 105 ]. Maksud dari penyimpangan heterokedastisitas adalah varians variabel dalam model tidak sama. Untuk mendeteksi ada atau tidaknya heteroskedastistas, digunakan korelasi Rank Sperman antara residual dengan variabel independen. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 1 Apabila nilai signifikan hitung sig dari tingkat signifikan α = 0,05 berarti tidak terjadi heteroskedastistas. 2 Apabila nilai signifikan hitung sig dari tingkat signifikan α = 0,05 berarti terjadi heteroskedastistas [Santoso, 2002 : 231].

3.5.3. Uji Hipotesis