METODOLOGI
PENELITIAN
KEUANGAN
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.*
t-Statistic Prob.*
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
t-Statistic Prob.*
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.*
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
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
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
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 03/11/20 Time: 19:36
Sample: 1 54
Included observations: 54
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.
c) Probability NPM 0.8055 > alpha 0,05, maka tidak terdapat heteroskedastisitas.