53 tidak terjadi heteroskedastisitas pada model regresi, sehingga model ini
layak dipakai untuk memprediksi profitabilitas berdasarkan masukan variabel bebas yaitu cash conversion cycle CCC dan working capital
turnover WCT.
d. Uji Autokorelasi
Pendeteksian masalah autokorelasi dapat dilakukan dengan melakukan Durbin-Watson test. Pada Tabel 4.4 di bawah, dapat dilihat
bawah nilai hitung DW yang diperoleh sebesar 0,909. Nilai ini akan dibandingkan dengan nilai tabel DW dengan menggunakan signifikansi
5, jumlah sampel n 48, dan jumlah variabel independen k sebanyak 2. Pada tabel Durbin-Watson, didapat nilai batas bawah DL sebesar
1,4500 dan nilai batas atas DU sebesar 1,6231. Oleh karena nilai DW lebih rendah dari nilai DL, maka dapat disimpulkan bahwa telah terjadi
autokorelasi positif.
Tabel 4.4 Hasil Uji Autokorelasi Sebelum Transformasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .234
a
.055 .013
8.70492 .909
a. Predictors: Constant, WCT, CCC b. Dependent Variable: ROA
Sumber: Output SPSS 20, diolah oleh Peneliti, 2012
Universitas Sumatera Utara
54
4.2.2.2 Hasil Uji Asumsi Klasik Setelah Transformasi
Setelah ditemukan adanya masalah autokorelasi pada uji asumsi klasik sebelumnya, peneliti melakukan transformasi data dengan
menggunakan metode lag untuk menyelesaikan masalah autokorelasi agar memenuhi syarat pengujian asumsi klasik. Pengujian ulang dilakukan untuk
menguji hasil transformasi tersebut.
a. Uji Normalitas Data
Untuk menguji data penelitian ini terdistribusi normal atau tidak setelah transformasi dapat setelah dilihat melalui analisis grafik P-P Plot
dan histogram serta uji statistik non-parametrik Kolmogorov-Smirnov.
Gambar 4.4 Grafik P-P Plot Setelah Transformasi
Sumber: Output SPSS 20, diolah oleh Peneliti, 2012
Universitas Sumatera Utara
55 Pada grafik P-P Plot sebelumnya Gambar 4.4, dapat dilihat bahwa
titik-titik menyebar tidak jauh mengikuti garis diagonal sehingga telah memenuhi asumsi normalitas.
Model regresi telah terdistribusi normal juga dapat dilihat dari grafik histogram yang menunjukkan pola distribusi normal dengan penyebaran
secara merata baik ke kiri maupun ke kanan sebagaimana terlihat pada Gambar 4.5 berikut.
Gambar 4.5 Histogram Setelah Transformasi
Sumber: Output SPSS 20, diolah oleh Peneliti, 2012
Universitas Sumatera Utara
56
Tabel 4.5 Hasil Uji
Kolmogorov-Smirnov Setelah Transformasi
Sumber: Output SPSS 20, dioleh oleh Peneliti, 2012
Model regresi yang telah memenuhi asumsi normalitas juga dapat dilihat dari Tabel 4.5 di atas. Hasil uji statistik non-parametrik
Kolmogorov-Smirnov menghasilkan nilai signifikansi sebesar 0,903. Hal ini menandakan nilai residual tersebut telah normal karena nilai
signifikansi lebih besar dari 0,05 .
b. Uji Multikolinearitas