mengukur kemampuan perusahaan menghasilkan laba bersih berdasarkan tingkat aset yang tertentu. Return on Asset ROA
dinyatakan dengan rumus: ROA =
Net Income Total Assets
3 Leverage
Leverage suatu
perusahaan dapat
diukur dengan
membandingkan jumlah aktiva total asset dengan jumlah utang baik jangka pendek maupun jangka panjang. Dalam
penelitian ini leverage diukur dengan Debt to Equity Ratio DER. Debt To Equity Ratio DER untuk menghitung
kemampuan perusahaan membayar utang jangka panjang dengan total ekuitas atau modal. Debt To Equity Ratio DER
dinyatakan dengan rumus: �
= Total Utang
Total Ekuitas
4 Aktivitas
Rasio aktivitas merupakan rasio yang menggambarkan kemampuan serta efisiensi dalam menghasilkan penjualan
dengan mendayagunakan aktiva yang dimiliki. Aktivitas dalam penelitian ini diukur dengan Total Asset Turnover TATO.
Total Asset Turn Over TATO untuk mengukur efisiensi perusahaan dalam menggunakan aset untuk menghasilkan
penjualan. Total Asset Turn Over TATO dinyatakan dengan rumus:
� =
Penjualan Total Aktiva
G. Teknik Analisis Data
Teknik analisis data yang dilakukan bertujuan untuk menjawab permasalahan yang ada dalam rumusan masalah yaitu :
1. Uji Normalitas
Uji signifikansi pengaruh variabel independen terhadap variabel dependen melalui uji t hanya akan valid jika residual yang kita dapatkan
mempunyai distribusi normal Widarjono, 2013: 49. Uji kecocokan distribusi dilakukan untuk pengambilan kesimpulan
mengenai hipotesis data berasal dari populasi dengan distribusi peluang tertentu. Uji yang dilakukan adalah terhadap hipotesis :
H
o
: Sampel atau data berasal dari distribusi peluang tertentu. Ha: Sampel atau data tidak berasal dari distribusi peluang tertentu
Uji Kolmogorov-Smirnov merupakan salah satu jenis uji yang digunakan untuk melakukan uji normalitas terhadap data.
2. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk menguji kelayakan model yang dibuat sebelum digunakan untuk memprediksi. Pengujian asumsi klasik
yang digunakan yaitu: uji multikolinearitas, heteroskedastisitas dan autokorelasi yang secara rinci dapat dijelaskan sebagai berikut:
a. Uji Multikolinearitas
Hubungan linear antara variabel independen di dalam regresi berganda disebut multikolinearitas Widarjono, 2013: 101.
Multikolinearitas pada dasarnya adalah fenomena sampel regresi yang berarti bahwa meskipun variabel-variabel X tidak secara
linear berhubungan dalam populasi, variabel-variabel itu bisa linear berhubungan dalam sampel khusus. Multikolinearitas merupakan
kondisi variabel penjelas yang diasumsikan nonstokhastik, multikolinearitas merupakan fitur dari sampel dan bukan populasi
Gujarati, 2007: 70. Deteksi uji multikolinearitas pada suatu model dapat dilihat dari beberapa indikator, antara lain Gujarati,
2007: 68-71: 1
R
2
tinggi namun sedikit rasio t signifikan. Jika R
2
tinggi atau melebihi 0,8 tes F di sebagian besar kasus akan menolak
hipotesis nol bahwa koefisien kemiringan parsial secara tergabung atau serentak sama dengan nol. Tes-tes t individual
akan memperlihatkan bahwa tak satu pun atau sangat sedikit koefisien kemiringan parsial yang berbeda secara statistik
dengan nol. 2
Korelasi berpasangan yang tinggi antara variabel penjelas. Jika dalam regresi berganda yang melibatkan dua atau lebih
variabel penjelas dan dihitung koefisien korelasi antar pasangan variabel, lalu ditemukan beberapa korelasi ini
tinggi melebihi angka 0,8, ada kemungkinan terjadi kolinearitas yang serius.
3 Pengujian korelasi parsial. Koefisien korelasi parsial melihat
pengaruh antar dua variabel dan menganggap variabel ketiga konstan. Dimisalkan koefisien korelasi antara X
1
dan X
2
adalah 0,43 dan menganggap pengaruh X
3
konstan, maka koefisien korelasi X
1
dan X
2
masih 0,43. Padahal jika tidak mempertimbangkan X
3
konstan, maka nilai X
1
dan X
2
menjadi 0,9. Jadi dengan mempertimbangkan korelasi parsial ini, kita tidak bisa mengatakan bahwa kolinearitas antara X
1
dan X
2
cukup tinggi.Regresi subsider atau tambahan. Regresi subsider merupakan tambahan atas regresi utama Y terhadap
semua X. Kelemahan menggunakan teknik ini adalah beban perhitungan. Jika suatu regresi mengandung beberapa
variabel penjelas, maka harus dihitung beberapa regresi subsider sehingga metode pendeteksian kolinearitas ini
terbatas penggunaannya. 4
Faktor inflasi varians Variance Inflation Factor-VIF. VIF dapat dirumuskan
�� = 1
1 −
2 2
VIF ini menunjukkan bagaimana varian dari estimator menaik inflating dengan adanya multikolinearitas.
Ketika
12 2
mendekati 1 maka nilai VIF tidak terbatas. Ketika
