literatur, jurnal, majalah dan penelitian terdahulu yang relevan dengan masalah penelitian ini.
3.3.3. Pengumpulan Data
Untuk memperoleh data-data diatas digunakan teknik pengumpulan data sebagai berikut:
1. Studi Pustaka
Dalam penelitian ini studi pustaka diambil dari beberapa literatur dan artikel yang relevan dengan permasalahan dan digunakan sebagai
landasan teori. 2.
Dokumentasi Dalam penelitian ini dokumentasi dilakukan dengan mengumpulkan
data laporan keuangan perusahaan yang terkait dengan penelitian.
3.4. Uji Kualitas Data
3.4.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah data
tersebut mengikuti sebaran normal dapat dilakukan dengan metode Kolmogorov Smirnov dan metode Shapiro Wilk, dengan menggunakan
program SPSS Sumarsono, 2004: 40. Pedoman dalam mengambil keputusan apakah sebuah distribusi
data mngikuti distribusi normal adalah :
- Jika nilai signifikan nilai profitabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal. -
Jika nilai signifikasi nilai profitabilitasnya lebih besar dari nilai 5, maka distribusi adalah normal.
3.5. Uji Asumsi Klasik
Uji asumsi klasik dilakukan guna untuk mengetahui bahwa dalam persamaan regresi linier berganda harus bersifat BLUE Best Linier
Unbiased Estimator, artinya pengambilan keputusan melalui uji F dan uji t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE maka
persamaan regresi harus memenuhi ketiga asumsi klasik ini : 1.
Tidak boleh ada autokorelasi 2.
Tidak boleh ada multikoliniertas 3.
Tidak boleh ada heteroskedastisitas 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 Gujarati,
1997: 218.
3.5.1. Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antar data observasi yang diurutkan berdasarkan urutan waktu data time series atau
data yang diambil pada waktu tertentu data cross-sectional” Gujarati,
1999: 201. Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya. Untuk menguji apakah terjadi autokorelasi atau tidak, digunakan uji Durbin-Watson DW-Test,
dengan ketentuan sebagai berikut: Tabel 3.1 : Ketentuan Uji Durbin Watson
Gambar 3.1 : Kurva Uji Autokorelasi - d Durbin Watson
3.5.2. Multikolinearitas
Persamaan regresi linier berganda diatas diasumsikan tidak terjadi pengeruh antar variabel bebas. Apabila ternyata ada pengaruh linier antar
variabel bebas, maka asumsi tersebut tidak berlaku lagi terjadi bias. Pendeteksi adanya multikolinieritas dapat dilihat ciri-cirinya
sebagai berikut Gujarati, 1999:339 : a.
Koefisien determinasi berganda R squre tinggi
Ada autokorelasi
positif Daerah
Keragu- raguan
Tidak ada autokerlasi positif dan tidak ada
autokorelasi negatif Daerah
Keragu- raguan
Ada autokorelasi
negatif
dL dU
4-dU 4-dL
4
b. Koefisien korelasi sederhanannya tinggi
c. Nilai F hitung tinggi signifikan
d. Tapi tak satupun diantara variabel bebas yang signifikan
Akibat adanya multikolinier adalah: 1.
Nilai standar error galat baku tinggi sehingga taraf kepercayaan confidence intervalnya akan semakin melebar. Dengan demikian,
pengujuan koefisien regresi secara individu menjadi tidak signifikan. 2.
Profiitabilitas untuk menerima hipotesa Ho diterima tidak ada pengaruh antara variabel bebas terhadap variabel terikat akan
semakin besar. Identifikasi secara statistik ada atau tidaknya gejala multikolinier
dapat dilakukan dengan menghitung koefisien korelasi product moment atau Variance inflation Factor VIF.
Gujarati, 1999:
339 VIF menyatakan tingkat “pembengkakan” varians. Apabila varians
lebih besar dari 10. Hal ini berarti terdapat multikolinier pada persamaan regresi linier Gujarati, 1999: 339.
3.5.3. Heteroskedastisitas
Regresi linier nilai-nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bias diidentifikasikan dengan cara menghitung korelasi
rank Spearman antara residual dengan seluruh variabel bebas. 1
VIF = Q-R
j
²
Gujarati, 1999:
339 Keterangan :
di = Perbedaan dalam rank antara residuaal dengan variabel bebas
ke- N
= Banyaknya data
Menurut Santoso, 2002: 301 deteksi adanya heterokedastisitas adalah:
- Nilai probabilitas 0,05 berarti bebas dari heterokedastisitas
- Nilai probabilitas 0,05 berarti terkena heterokedastisitas
3.6. Teknik Analisis dan Uji Hipotesis