Uji Kualitas Data Uji Asumsi Klasik

9. PT. Ultra Jaya Milk, Tbk

3.3. Teknik Pengumpulan Data

3.3.1. Sumber dan Jenis Data

Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari indonesian capital market directory ICMD tahun 2005 – 2008 dan berasal dari situs www.idx.co.id yang berupa laporan keuangan perusahaan. Ditinjau dari sifatnya, jenis data yang digunakan dalam penelitian ini adalah data kuantitatif.

3.3.2. Pengumpulan Data

Adapun teknik pengumpulan data yang digunakan adalah dengan teknik dokumentasi, yaitu suatu teknik pengumpulan data dengan mempelajari dan menggunakan laporan keuangan laba sebelum pos luar biasa dan laporan arus kas khususnya arus kas dari aktivitas operasional, aktivitas investasi dan aktivitas pendanaan serta laba.

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 dengan menggunakan program SPSS Sumarsono, 2004: 40. Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti 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

Persamaan regresi 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 multikolinieritas 3. Tidak boleh ada heteroskedasitas 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, 1999: 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. Menurut Santoso 2001: 219 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:  Angka D-W di bawah -2 berarti ada autokorelasi positif  Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi  Angka D-W di atas +2 berarti ada autokorelasi negatif.

3.5.2. Multikolinieritas

Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas Independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2005: 91. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adala sebagai berikut:  Koefisien determinasi berganda R square tinggi  Koefisien korelasi sederhanannya tinggi  Multikolinieritas dapat juga dilihat dari nilai tolerance dan variance inflation factor 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. VIF menyatakan tingkat “pembengkakan” varians. Apabila varians lebih besar dari 10. Hal ini berarti terdapat multikolinier pada persamaan regresi linier.

3.5.3. Heteroskedastisitas

Uji Heteroskedastisitas bertujuan menguji apakah dalam, odel regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi Keteroskedastisitas Ghozali, 2005: 105. Menurut Santoso, 2002: 301 deteksi adanya heteroskedastisitas adalah: - Nilai probabilitas 0,05 berarti bebas dari heteroskedastisitas - Nilai probabilitas 0,05 berarti terkena heteroskedastisitas

3.6. Teknik Analisis dan Uji Hipotesis