MODUL PERKULIAHAN

METODOLOGI
PENELITIAN
KEUANGAN

BAB4 ANALISIS KUALITAS

DATA

Fakultas Program Studi Tatap Muka Kode MP Disusun Oleh

12
Ekonomi dan Bisnis S1 Manajemen Iwan Firdaus, SKom,.MM

Abstract Kompetensi
Mengetahui metode peramalan Memahami metode peramalan
penjualan dan mampu menghitung penjualan
peramalan penjualan
 ANALISIS KUALITAS DATA
Pendahuluan
Uji kualitas data diperlukan untuk memberikan keyakinan kepada peneliti bahwa data
atau pun varibael yang diteliti sudah berkualitas atau sesuai dengan ketentuan statistik. Uji ini
diperlukan jika peneliti menggunakan analisis single regresi atau pun analisis regeresi
berganda. Uji kualitas data terdiri dari uji Stasioneritas, uji Normalitas, Uji Multikolineritas
dan uji Heteroskedatisitas.
Kelompok uji ini untuk analisis data panel tidak diperlukan kecuali untuk uji
heteroskedatisitas, itu pun jika hasil uji eviews yang terpilih adalah commom effect model.
Untuk lebih memperjelas silahkan mahasiswa membaca buku ekonometrika dari Gujarati
atau pun buku eviews dari Wing Whayu Winanro.
Tingkat signifikan dari setiap variabel independen terhadap variabel dependen dapat
berbeda – beda, begitu juga dalam penggunaan analisis regresi, agar menunjukan hubungan
yang valid atau tidak biasa apabila telah memenuhi syarat normalitas, non multikolinieritas
dan non heteroskedastisitas, dalam penggunaan tingkat signifikan maka akan dilakukan uji
statistik sebagai berikut:
1. Uji Stasioneritas
Menurut Winarno (2015) data stasioner yaitu data yang menunjukan mean, varians, dan
autovarians (pada varasi lag) tetap sama pada waktu kapan saja data itu dibentuk atau
dipakai, dengan kata lain data stasioner model time series dikatakan lebih stabil. Berikut hasil
pengujian stasioneritas pada perusahaan sub sektor konstruksi dan bangunan:
TABEL 4.2
Hasil Uji Stasioneritas PBV
Null Hypothesis: PBV has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -6.348051  0.0000

Test critical values: 1% level -3.560019
5% level -2.917650
10% level -2.596689

Sumber: data BEI diolah eviews 9, 2020

‘14 Metlit keuangan/Modul 12

2 Iwan Firdaus, SKom.MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Berdasarkan hasil uji stasioner varian PBV pada tabel 4.2 di atas menunjukan nilai
probabilitas sebesar 0,0000 di mana nilai tersebut lebih kecil dari 0,05. Sehingga dapat
dikatakan bahwa data pada variabel PBV adalah stasioner.
TABEL 4.3
Hasil Uji Stasioneritas CR

Null Hypothesis: CR has a unit root

Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -4.305322  0.0011

Test critical values: 1% level -3.560019
5% level -2.917650
10% level -2.596689

Sumber: data BEI diolah eviews 9, 2020

Berdasarkan hasil uji stasioner varian CR pada tabel 4.3 di atas menunjukan nilai
probabilitas sebesar 0,0011 di mana nilai tersebut lebih kecil dari 0,05. Sehingga dapat
dikatakan bahwa data pada variabel CR adalah stasioner.
TABEL 4.4
Hasil Uji Stasioneritas SG

Null Hypothesis: D(SG) has a unit root

Exogenous: Constant
Lag Length: 4 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -7.035880  0.0000

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

Sumber: data BEI diolah eviews 9, 2020

Berdasarkan hasil uji stasioner varian SG pada tabel 4.4 di atas menunjukan nilai
probabilitas sebesar 0,0000 di mana nilai tersebut lebih kecil dari 0,05. Sehingga dapat
dikatakan bahwa data pada variabel SG adalah stasioner.
TABEL 4.5
Hasil Uji Stasioneritas NPM
Null Hypothesis: NPM has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic   Prob.*

‘14 Metlit keuangan/Modul 12

3 Iwan Firdaus, SKom.MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Augmented Dickey-Fuller test statistic -4.327790  0.0011
Test critical values: 1% level -3.560019
5% level -2.917650
10% level -2.596689

Sumber: data BEI diolah eviews 9, 2020

Berdasarkan hasil uji stasioner varian NPM pada tabel 4.5 di atas menunjukan nilai
probabilitas sebesar 0,0011 di mana nilai tersebut lebih kecil dari 0,05. Sehingga dapat
dikatakan bahwa data pada variabel NPM adalah stasioner.
2. Uji Normalitas
Dilakukan untuk mengetahui apakah data yang digunakan berdistribusi normal atau
diambil dari populasi normal, untuk mengetahui apakah residual berdistribusi normal atau
tidak dalam penelitian ini menggunakan uji jarque bera. Di mana hipotesis pada uji jarque
bera adalah sebagai berikut:
H0 : Residual berdistribusi normal
Ha : Residual tidak berdistribusi normal
Jika nilai jarque bera hitung > chi square tabel, maka Ho ditolak dan Ha diterima di mana
residual tidak berdistribusi normal, tetapi jika nilai jarque bera hitung < chi square tabel,
maka H0 diterima dan Ha ditolak di mana residual terdistribusi normal. Atau dapat dilihat
melalui nilai probabilitas jika > 0,05 maka residual terdistribusi normal sedangkan jika
probabilitas < 0,05 maka residual tidak terdistribusi normal, dari pengelolaan maka
didapatkan hasil uji normalitas sebagai berikut:

Gambar 4.1
Hasil Uji Normalitas
14
Series: Residuals
12 Sample 1 54
Observations 54
10
Mean -1.32e-16
Median -0.013132
8 Maximum 2.837957
Minimum -2.672237
6 Std. Dev. 1.032037
Skewness -0.177883
4 Kurtosis 3.908081

Jarque-Bera 2.140155
2
Probability 0.342982
0
-2 -1 0 1 2 3

Sumber : data BEI diolah eviews 9, 2020

‘14 Metlit keuangan/Modul 12

4 Iwan Firdaus, SKom.MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Dari gambar 4.1, menunjukan bahwa nilai jarque bera sebesar 2.140155 sementara
nilai chi square tabel yang diperoleh menggunakan perhitungan df (degree of freedom) dan
nilai signifikasi yang digunakan adalah 0,05 atau 5%, didapat nilai chi square tabel sebesar

3. Uji Multikolinieritas
Dilakukan untuk mengetahui hubungan antara dua variabel independen yang secara
bersama-sama mempengaruhi satu variabel independen yang lain. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel, multikolinieritas suatu model regresi juga
dapat dilihat centered VIFnya, jika nilai centered VIFnya > 10 maka diduga ada
multikolinieritas dalam model. Sebaliknya jika centered VIFnya < 10 maka tidak
mengandung unsur multikolinieritas. Winarno (2015). Dari pengolahan data maka hasil dari
uji multikolinieritas yaitu:
TABEL 4.6
Hasil Uji Multikolinieritas
Variance Inflation Factors
Date: 03/11/20 Time: 19:37
Sample: 1 54
Included observations: 54

Coefficient Uncentered Centered

Variable Variance VIF VIF

C  0.955922  45.72141  NA

CR  0.254592  27.42816  1.094988
SG  0.000232  3.683362  1.083506
NPM  0.004597  9.253723  1.011754

Sumber: data BEI diolah eviews 9, 2020

Dari tabel 4.7 menunjukan bahwa hasil nilai centered VIF pada CR sebesar 1.094988,
SG sebesar 1.083506, dan NPM sebesar 1.011754. Dengan demikian hasil dari angka-angka
tersebut menunjukan bahwa nilai tersebut kurang dari 10, maka dinyatakan bahwa tidak
terdapat masalah multikolinieritas pada model ini.
4. Uji Heteroskedastisitas
Dilakukan untuk mengetahui apakah terdapat penyimpangan dari syarat-syarat asumsi
klasik pada model regresi. Model regresi yang baik adalah yang tidak terjadi
heteroskedastisitas. Uji white menggunakan residual kuadrat sebagai dependen, dan variabel
independenya terdiri atas variabel independen yang sudah ada. Winarno (2015). Dengan
hipotesis sebagai berikut:
H0: Tidak terdapat masalah heteroskedatisitas

‘14 Metlit keuangan/Modul 12

5 Iwan Firdaus, SKom.MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Ha: Terdapat masalah heteroskedatisitas
Di mana akan terjadi heteroskedastisitas apabila probabilitas < alpha (0,05) maka H0
ditolak dan Ha diterima, jika probabilitas > alpha (0,05), maka H0 diterima dan Ha ditolak,
yang berarti tidak terdapat masalah heteroskedastisitas. Dari pengolahan yang dilakukan
didapatkan hasil sebagai berikut:
TABEL 4.7
Hasil Uji Heteroskedastisitas
Heteroskedasticity Test: White

F-statistic 0.906666    Prob. F(9,44) 0.5280

Obs*R-squared 8.447851    Prob. Chi-Square(9) 0.4897
Scaled explained SS 10.53114    Prob. Chi-Square(9) 0.3092

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 03/11/20 Time: 19:36
Sample: 1 54
Included observations: 54

Variable Coefficient Std. Error t-Statistic Prob.  

C -11.81984 9.635187 -1.226737 0.2264

CR^2 -1.962377 1.942598 -1.010182 0.3179
CR*SG -0.177456 0.114182 -1.554148 0.1273
CR*NPM -0.263878 0.568260 -0.464362 0.6447
CR 11.27796 9.292741 1.213631 0.2314
SG^2 0.002801 0.002803 0.999224 0.3231
SG*NPM 0.004587 0.013336 0.343958 0.7325
SG 0.182611 0.226045 0.807854 0.4235
NPM^2 -0.013165 0.053150 -0.247700 0.8055
NPM 0.539326 0.943527 0.571606 0.5705

R-squared 0.156442    Mean dependent var 1.045377

Adjusted R-squared -0.016104    S.D. dependent var 1.799431
S.E. of regression 1.813863    Akaike info criterion 4.194370
Sum squared resid 144.7643    Schwarz criterion 4.562701
Log likelihood -103.2480    Hannan-Quinn criter. 4.336421
F-statistic 0.906666    Durbin-Watson stat 2.199239
Prob(F-statistic) 0.528006

Sumber : data BEI diolah eviews 9, 2020

Berdasarakan hasil yang didapat pada tabel 4.8 dapat diketahui bahwa nilai Obs*R-
Squared adalah 8.447851 dan nilai probabilitasnya adalah 0.4897, yang uraian sebagai
berikut:
a) Probability CR 0.3179 > alpha 0,05, maka tidak terdapat heteroskedastisitas.

b) Probability SG 0.3231 > alpha 0,05, maka tidak terdapat heteroskedastisitas.

c) Probability NPM 0.8055 > alpha 0,05, maka tidak terdapat heteroskedastisitas.

‘14 Metlit keuangan/Modul 12

6 Iwan Firdaus, SKom.MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
‘14 Metlit keuangan/Modul 12
7 Iwan Firdaus, SKom.MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Daftar Pustaka
1. Tim Penyusun (2018), Pedoman penulisan Tugas Akhir, penerbit: FEB UMB, Jakarta
2. Damodaran N. Gujarati, (2012), Dasar-dasar Ekonometrika, edisi 5, Salemba Empat,
Jakarta
3. Wing Wahyu Winarno, 2015, Analisis Ekonometrika dan Statistika dengan Eviews
Edisi 5, UPP STIM YKPN, Yogyakarta

‘14 Metlit keuangan/Modul 12

8 Iwan Firdaus, SKom.MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id