39
3.5 Metode Analisis Data
3.5.1 Statistik Deskriptif
Statistik deskriptif merupakan proses transformasi data penelitian dalam bentuk tabulasi sehingga mudah dipahami dan diinterpretasikan. Statistik deskriptif
tujuannya menggambarkan profil perusahaan yang digunakan dalam penelitian ini secara keseluruhan meliputi jumlah sampel, nilai maksimum, nilai minimum, mean,
dan standar deviasi. Analisis data yang digunakan adalah metode deskriptif kuantitatif yang merupakan pencatatan data yang disertai angka yang dapat memberikan
gambaran yang objektif dari masalah yang dianalisis Indriantoro dan Supomo, 2009:170.
3.5.2 Uji Normalitas
Menurut Ghozali 2006:110, untuk mengetahui normalitas populasi suatu data dapat dilakukan dengan menggunakan analisis grafik. Pada analisis regresi ini,
metode yang digunakan adalah grafik histogram dan normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi
kumulatif dari distribusi normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik dengan melihat histogram
dari residualnya. Dasar untuk mengambil keputusan adalah sebagai berikut Ghozali,
2006:110:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model
regresi tersebut memenuhi asumsi normalitas. 2. Jika data menyebar menjauh dari garis diagonal dan atau tidak mengikuti arah
garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal, maka model regresi tersebut tidak memenuhi asumsi normalitas.
40
3.5.3 Uji Asumsi Klasik
Asumsi utama yang mendasari penggunaan regresi berganda adalah tidak ada multikoliniaritas, homokedastisitas, dan tidak ada autokorelasi. Untuk menghindari
adanya kemungkinan penyimpangan-penyimpanagn asumsi klasik, maka diperlukan
uji asumsi klasik yang terdiri dari:
a. Uji Multikolinearitas Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya
korelasi antar variabel independen Ghozali, 2006:91. Untuk mendeteksi ada tidaknya multikolinearitas dalam model regresi, dapat dilihat dari tolerance value
dan Variance Inflation Factor VIF. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dapat dijelaskan oleh variabel independen
lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerance. Jika nilai VIF 10 maka antar variabel independen
tidak terjadi multikolinearitas. Regresi yang baik adalah model yang tidak terjadi multikolinearitas.
b. Uji Autokorelasi Uji ini dilakukan untuk menguji apakah dalam model regresi linear ada korelasi
antara kesalahan pengganggu error term pada suatu periode dengan kesalahan pada periode sebelumnya yang biasanya terjadi karena menggunakan data time
series. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada tidaknya
gejala autokolerasi dapat dilihat melalui nilai pengujian Durbin Watson DW- Test yang mensyaratkan adanya intercept konstanta dalam model regresi dan
tidak ada variabel lag di antara variabel independen Ghozali, 2006:95. Hipotesis yang akan diuji :
H H
= tidak ada autokorelasi r = 0
a
= ada autokorelasi r Dengan dasar pengambilan keputusan pada statistik tabel Durbin Watson sebagai
berikut:
41
Tabel 3.2 Kriteria Pengambilan Keputusan Uji Autokolerasi
Hipotesis Nol H0 Keputusan
Jika
Tidak ada autokolerasi positif Tolak
0 d d
l
Tidak ada autokolerasi positif No decision
d
l
≤ d ≤ d
u
Tidak ada autokolerasi negatif Tolak
4 – d
l
d 4 Tidak ada autokolerasi negatif
No decision 4 – d
u
≤ d ≤ 4 – d
l
Tidak ada autokolerasi positif atau negatif
Tidak Di Tolak d
u
d 4 - d
u
Keterangan : d
u
= batas atas dan d
l
= batas bawah
Sumber : Ghozali 2006: 100
c. Uji Heterokedastisitas 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 maka
disebut homoskedastisitas dan jika berbeda maka heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas. Ghozali 2006:105
menyatakan bahwa cara mendeteksi ada tidaknya heteroskedastisitas dalam uji regresi dapat dilakukan uji Glesjer. Uji Glesjer dapat dilakukan dengan meregresi
nilai absolut residual sebagai variabel dependen dengan semua variabel independen dalam model. Jika signifikan berarti ada heterokedastisitas. Apabila
ditemukan nilai t
hitung
t
tabel
Dasar pengambilan keputusan: diantara hasil regresi tersebut, maka pada model
terjadi heterokedastisitas. Kriteria lain terjadinya heterokedastisitas apabila nilai probabilitas lebih besar dari nilai signifikan α = 0,05.
1. Probabilitas 0.05 : Bebas dari heteroskedastisitas. 2. Probabilitas 0,05 : Terkena heteroskedastitas.
42
3.5.4 Analisis Regresi Berganda
Kategori