Metode Pengumpulan Data Metode Pengumpulan Data

Seminar Nasional dan Call for Papers “Tantangan Pengembangan Ilmu Akuntansi, Inklusi Keuangan, dan Kontribusinya Terhadap Pembangunan Ekonomi Berkelanjutan” 92 pustaka dengan membaca buku-buku yang mendukung penelitian ini.

3.2. Metode Analisis Data

Untuk melakukan analisis data maka metode analisis yang akan digunakan adalah metode kuantitatif, yang dinamakan dengan metode tradisional karena metode ini sudah cukup lama digunakan sehingga sudah menjadi tradisi sebagai metode untuk penelitian. Metode ini pun disebut metode positivistic karena berlandaskan pada filsafat positivism, disebut pula sebagai metode ilmiah karena telah memenuhi kaidah-kaidah ilmiah yaitu konkrit, obyektif, terukur, rasional dan sistematis. Dan disebut juga dengan metode discovery karena dengan metode ini dapat ditemukan dan dikembangkan berbagai ilmu pengetahuan baru serta disebut pula metode kuantitatif karena data penelitian berupa angka-angka dan analisis menggunakan statistik. Sugiyono, 2013; 7

3.3.1 Uji Statistik Deskriptif

Statistik deskripstif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standard deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness Ghozali, 2011; 19

3.3.2 Uji Asumsi Klasik

Metode analisis data yang digunakan adalah metode analisis regresi berganda dengan bantuan softwareSPSSfor Windows .Penggunaan metode analisis dalam regresi dalam pengujian hipotesis terlebih dahulu diuji apakah model tersebut telah memenuhi asumsi klasik atau tidak. Pengujian asumsi terdiri dari uji normalitas, uji multikolonearitas, uji autokorelasi dan uji heterokesdasitas. 3.3.2.1 Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan independen keduanya mempunyai distribusi normal atau tidak. Uji normalitas data dalam penelitian ini menggunakan uji Kolmogorov-Smirnov . Kriteria pengujian dengan menggunakan uji dua arah two tailed test, yaitu dengan membandingkan probabilitas yang diperoleh dengan taraf signifikasi α 0,05. Jika p-value 0,05 maka data berdistribusi normal. Ghozali, 2009. 3.3.2.2 Uji Multikolinearitas Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel- variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol Ghozali, 2009; 95. Untuk mendeteksi ada tidaknya gejala multikolinearitas di dalam model regresi, dapat dilihat dari nilai Tolerance dan Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang tinggi sama dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance ≥ 0.10 atau sama dengan nilai VIF ≤ 10 dengan tingkat kolonieritas 0.95 Ghozali, 2009

3.3.2.3 Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, “Tantangan Pengembangan Ilmu Akuntansi, Inklusi Keuangan, dan Kontribusinya Terhadap Pembangunan Ekonomi Berk elanjutan” 93 maka disebut Homokedastisitas dan jika beda disebut Heteroskedastisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi Heteroskedastisitas Ghozali, 2009: 125. Pengujian heteroskedastisitas dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan variabel residualnya SRESID. 3.3.2.4 Uji Autokolerasi, Durbin Watson Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya Ghozali, 2009; 93. Uji autokorelasi dilakukan dengan metode Durbin-Watson. Jika nilai Durbin-Watson berkisar antara nilai batas atas du maka diperkirakan tidak terjadi autokorelasi. Dasar pengambilan keputusan uji autokorelasi adalah sebagai berikut: a. Apabila nilai DW terletak antara batas atas atau upper bound du dan 4-du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi. b. Apabila nilai DW lebih rendah daripada batas bawah atau lower bound dl, maka koefisien autokorelasi lebih besar daripada nol, berarti ada auto korelasi positif. c. Apabila nilai DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif. d. Apabila nilai DW terletak diantara batas atas du dan batas bawah dl atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat disimpulkanGhozali, 2009:79- 80.

3.3.3 Uji Korelasi R

Tabel 3.2 Ketentuan Interpretasi Koefisien Korelasi r Interval Korelasi Tingkat Hubungan 0,00 - 0,199 Sangat Rendah 0,20 - 0,399 Rendah 0,40 - 0,599 Sedang 0,60 - 0,799 Kuat 0,80 - 1,000 Sangat Kuat Sumber: Sugiyono 2009

3.3.4 Koefisien Determinasi R2

Koefisien determinasi R 2 pada intinya adalah untuk mengukur seberapa jauh kemampuan model yang digunakan dalam menerangkan variasi variabel dependen Imam Ghozali, 2011:97.