Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu data yang diambil dari sumber data dokumentasi yang berupa
laporan keuangan perusahaan dan prospektus perusahaan yang akan dijadikan sampel penelitian dari tahun 2005-2010.
3.3.2. Sumber Data
Sumber data yang digunakan dalam penelitian ini berasal dari Pusat Data Pasar Modal LPM GIKA di Jl. Dharmawangsa No. 86-88 Surabaya.
3.3.3. Pengumpulan Data
Teknik pengumpulan data yang digunakan adalah dokumentasi, yaitu suatu teknik pengumpulan data dengan mencatat, mengkopi, mempelajari
dan menggunakan laporan keuangan pihak emiten yang menjadi sampel dalam penelitian ini.
3.4. Teknik Analisis dan Uji Hipotesis
3.4.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal
atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mengetahui apakah data tersebut
berdistribusi normal, dapat diuji dengan metode Kolmogorov Smirnov. Pedoman dalam mengambil keputusan apakah sebuah distribusi data
mengikuti distribusi data normal:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1. Jika nilai signifikan nilai probabilitasnya lebih kecil dari 5, maka distribusi data adalah tidak normal.
2. Jika nilai signifikan nilai probabilitasnya lebih besar dari 5, maka distribusi data adalah normal Sumarsono, 2004:43.
3.4.2. Uji Asumsi Klasik
Berdasarkan uji asumsi klasik persamaan regresi harus bersifat
BLUE Best Linear Unbiased Estimator, artinya pengambilan keputusan
melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan
yang BLUE maka persamaan regresi harus memenuhi ke tiga asumsi
klasik ini : a. Tidak boleh ada multikolinearitas
b. Tidak boleh ada heteroskedastisitas c. Tidak boleh ada autokorelasi
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka
persamaan regresi yang diperoleh tidak lagi bersifat BLUE, sehingga
pengambilan keputusan melalui uji F dan uji t menjadi bias. a. Multikolinearitas
Multikolineritas merupakan suatu keadaan dimana terjadi satu atau lebih variabel bebas yang berkorelasi sempurna atau mendeteksi
sempurna dengan variabel bebas lainnya Alghifari, 2000:84. Multikolinearitas berarti adanya hubungan linear yang
“sempurna” atau pasti, di antara beberapa atau semua variabel yang menjelaskan dari model regresi Gujarati, 1999:157.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Menurut Ghozali 2001:57, deteksi adanya multikolinieritas dalam model persamaan regresi adalah dengan melihat besaran VIF
Variance Influation Factor dan Tolerance. VIF dapat dihitung dengan rumus:
Tolerance 1
= VIF
VIF menyatakan tingkat “pembengkakan” varians, apabila jika VIF 10, maka terjadi multikolinieritas dan jika VIF 10, maka tidak terjadi
multikolinieritas. b. Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi tidak terjadi ketidaksamaan varians dari residual atau
pengamatan ke pengamatan lainnya. Pada regresi linear, nilai residual tidak boleh ada hubungan dengan variabel independen. Diagnosis
terhadap kemungkinan adanya heteroskedastisitas dalam suatu model regresi adalah dengan melakukan uji korelasi Rank Spearman.
Untuk menguji Hetrokedastisitas dapat diketahui dari nilai signifikan Rank Spearman anatara masing-masing variable independen
dengan risidualnya. Jika nilai signifikan lebih besar dari α 5 maka
tidak terdapat Hetrokedastisitas, dan sebaliknya jika lebih kecil dari α 5 maka terdapat Hetrokedastisitas.
a. Autokorelasi Autokorelasi dapat didefinisikan sebagai korelasi antar data
observasi yang diurutkan berdasarkan urutan waktu data time series
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
atau data yang diambil pada waktu tertentu data cross-sectional. Identifikasi ada tidaknya gejala autokorelasi dapat di tes dengan
menghitung nilai Durbin Watson DW
tes
. Berdasarkan jumlah sampel dan jumlah variabel independen menentukan nilai d
L
dan d
U
Gujarati, 1999:201.
3.4.3. Teknik Analisis