KARTHIKEYAN and NAGASE, “Origins of the Stability of Imidazole–Imidazole, Benzene–Imidazole, and Benzene–

In document 「分子研リポート2012」 (Page 137-143)

2-6 財  政

S. KARTHIKEYAN and NAGASE, “Origins of the Stability of Imidazole–Imidazole, Benzene–Imidazole, and Benzene–

Dalam melakukan analisis data digunakan metode deskriptif kuantitatif, yaitu dengan mengumpulkan, mengolah dan menginterpretasikan hasil yang diperoleh. Teknik yang digunakan dalam penelitian ini adalah teknik analisis statistik, yaitu uji asumsi klasik, pengujian hipotesis, analisis regresi berganda dan analisis regresi dengan variabel moderator.

3.8.1.Uji Asumsi Klasik

Sebelum melakukan pengujian hipotesis dan uji analisis regresi linear berganda, maka hal yang pertama dilakukan adalah uji asumsi klasik, yang bertujuan untuk mendapatkan nilai estimasi yang diperoleh bersifat BLUE (Best, Linear, Unbiased, and Estimator), yang artinya nilai estimator yang terbaik, estimator yang linear, dan estimator yang tidak bias, maka data-data yang digunakan dalam analisis regresi terlebih dahulu akan diuji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.

a. Uji Normalitas

Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan jika data tidak normal maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Dasar pengambilan keputusannya adalah:

1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,

2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Dalam penelitian ini Peneliti menggunakan uji Kolmogorov-Smirnov (K-S) untuk menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis:

H0 : data residual berdistribusi normal,

b. Uji Multikolinieritas

Menurut Ghozali (2009: 91), uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah:

1. koefisien-koefisien regresi menjadi tidak dapat ditaksir,

2. nilai standar error setiap koefisien regresi menjadi tak terhingga.

Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor (VIF), serta dengan menganalisis matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai tolerance<0,1 atau sama dengan nilai VIF>10, maka model dapat dikatakan terbebas dari multikolinearitas.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu pengamatan dengan pengamatan yang lain. Menurut Ghozali (2009:125) Model regresi yang baik adalah yang homoskesdatisitas atau tidak terjadi heteroskedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot. Analisis pada gambar Scatterplot yang menyatakan model regresi berganda tidak terdapat heteroskedastisitas jika:

2. titik-titik data tidak mengumpul hanya di atas atau dibawah,

3. penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali,

4. penyebaran titik-titik data sebaiknya tidak berpola.

d. Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi atau kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Jika terjadi autokorelasi, maka terdapat problem autokorelasi. Menurut Ghozali (2009:99), autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada data time series. Pada data cross section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian untuk mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson (DW). Kriteria untuk penilaian terjadinya autokorelasi yaitu:

1. nilai D-W lebih kecil dari -2 berarti ada korelasi positif,

2. nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, 3. nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.

3.8.2.Pengujian Hipotesis

a. Uji Statistik F (Uji Simultan)

Pengujian Hipotesis Distribusi F pada model regresi berganda dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Rumusan hipotesis yang diuji adalah sebagai berikut:

terima H0 (tolak Ha) bila Fhitung ≤ Ftabel, atau dapat dilihat dari nilai

signifikansinya apabila > 0.05; artinya tidak terdapat pengaruh yang signifikan secara serentak dari variabel bebas terhadap variabel terikat,

tolak H0 (terima Ha) bila Fhitung> Ftabel, atau dapat dilihat dari nilai

signifikansinya apabila < 0.05; artinya terdapat pengaruh yang signifikan secara serentak dari variabel bebas terhadap variabel terikat.

b. Uji Statistik t (Uji Parsial)

Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual.

Rumusan Hipotesis yang akan diuji adalah sebagai berikut:

H0 diterima bila ttabel > thitung, atau dapat dilihat dari nilai signifikansinya

apabila > 0.05; artinya tidak terdapat pengaruh yang signifikan dari variabel bebas secara parsial terhadap variabel terikat,

Ha diterima bila thitung> ttabel,atau dapat dilihat dari nilai signifikansinya

apabila < 0.05; artinya terdapat pengaruh yang signifikan dari variabel bebas secara parsial terhadap variabel terikat.

c. Pengujian Koefisien Determinan (R2 )

Pengujian koefisien determinan dilakukan untuk melihat seberapa besar pengaruh variabel bebas terhadap variabel terikat. Pengujian ini dilakukan dengan melihat nilai koefisien determinan. Koefisien determinan (R2) merupakan besaran non negatif dan besarnya koefisien determinasi adalah ( ≤ � ≤ . Jika koefisien determinan bernilai 0, maka tidak ada hubungan antara variabel bebas

dengan variabel terikat. Sebaliknya jika koefisien determinan bernilai 1, maka ada keterikatan sempurna antara variabel bebas dengan variabel terikat.

Uji Determinasi, untuk melihat besarnya kontribusi pengaruh variabel bebas dan variabel terikat dapat dihitung dengan rumus:

D = r2 x 100 %.

3.8.3. Analisis Regresi Linear Berganda

Analisis regresi linier berganda digunakan dengan maksud meramalkan bagaimana keadaan (naik-turunnya) variabel dependen bila dua atau lebih variabel independen dimanipulasi (Sugiyono, 2006: 210). Analisis ini menggunakan teknik analisis statistik SPSS dengan metode analisis regresi linear berganda.Dalam model ini dinyatakan laporan audit wajar tanpa pengecualian dan audit report lag berpengaruh terhadap harga saham. Pengujian terhadap model tersebut dengan mengidentifikasi nilai dan probabilitas b1 adalah sebagai berikut:

Y = a + b1X1 + b2 X2+ e Dimana: Y = Kinerja Keuangan X1 = Solvabilitas X2 = Rentabilitas a = Konstanta b = Koefisien regresi e = Standard Error

3.8.4. Analisis Regresi dengan Variabel Moderating

Dalam penelitian ini, metode yang digunakan untuk melakukan uji regresi dengan variabel moderator adalah Moderated Regression Analysis atau uji interaksi. Menurut Ghozali (2009:164), Moderated Regression Analysis (MRA) merupakan aplikasi khusus regresi berganda linear dimana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel independen) dengan rumus persamaan sebagai berikut :

Y = a1+ b1X1+ b3X3+ b5X1X3+ e1 Y = a2+ b2X2+ b4X3+ b6X2X3+ e2 Dimana : Y = Kinerja Keuangan a = Konstansta b = Koefisien regresi X1 = Solvabilitas X2 = Rentabilitas X3 = Ukuran Perusahaan e = Standard error

Jika variabel X3merupakan variabel moderating, maka koefisien b5 dan b6 harus signifikan pada tingkat signifikansi yang ditentukan. Apabila variabel X3

semakin tinggi maka akanberpengaruh terhadap tingginya variabel Y.

In document 「分子研リポート2012」 (Page 137-143)