51 berganda. Selain itu data-data yang diperoleh lalu dianalisis dengan menggunakan
bantuan SPSS Statistic Product and Service Sollution.
3.7.1 Analisis Regresi Linear Berganda
Analisis regresi linear berganda bertujuan untuk mengukur kekuatan asosiasi hubungan linear antara dua variabel atau lebih. Adapun model yang digunakan
dari regresi linear berganda yaitu: Y
t
= β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ β
5
X
5
+ e
1
Dimana: Y
t
= Pertumbuhan laba X
1
= Working Capital to Total Assets X
2
= Debt to Equity Ratio X
3
= Total Assets Turnover X
4
= Net Profit Margin X
5
= Gross Profit Margin β
= Koefisien konstanta β = Koefisien regresi dari masing-masing variabel
e
1
= Variabel pengganggu
3.7.2 Pengujian Asumsi Klasik
3.7.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen mempunyai distribusi normal atau tidak.
Model regresi yang baik, memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas dapat dilakukan dengan uji statistik. Test statistik
Universitas Sumatera Utara
52 yang digunakan antara lain: analisis grafik histogram, normal probability plots
dan Kolmogorov Smirnov test Ghozali, 2005. Pengujian normalitas ini dapat dilakukan melalui analisis grafik dan analisis
statistik. Menurut Ghozali 2006: 112, “pada prinsipnya normalitas data dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik
atau dengan melihat histogram dari residualnya”. Dasar pengambilan keputusan normal atau tidaknya data yang diolah adalah sebagai berikut:
a. Jika nilai Z hitung Z tabel, maka distribusi sampel normal.
b. Jika nilai Z hitung Z tabel, maka distribusi sampel tidak normal.
3.7.2.2 Uji Multikolinearitas
Menurut Ghozali 2005, “uji multikolinearitas digunakan untuk mengetahui apakah terdapat korelasi antar variabel bebas independen dalam model regresi
tersebut”. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika terdapat korelasi antara variabel independen, maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen adalah nol dan apabila korelasinya
signifikan antar variabel bebas tersebut maka terjadi multikolinieritas. Untuk mendeteksi ada tidaknya multikoliniearitas dalam model regresi dapat
dilihat dengan menganalisis matrik korelasi variabel-variabel bebas atau dari tolerance value atau variance inflation factor VIF. Sebagai dasar acuannya
dapat disimpulkan:
Universitas Sumatera Utara
53 1.
Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model
regresi. 2.
Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model
regresi. Jika terjadi multikolineritas, maka dapat dilakukan hal-hal sebagai berikut:
1. Mengeluarkan satu atau lebih variabel independen yang mempunyai
kolerasi tinggi dari model regresi dan identifikasi variabel independen lainnya untuk membantu prediksi.
2. Menggabungkan data cross section dan time series pooling data
3. Mengurangi hubungan linear di antara variabel independen, dapat
dilakukan dalam bentuk logaritma natural.
3.7.2.3 Uji Autokorelasi
