Uji Kualitas Data Uji Asumsi Klasik

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