49
6. to create high competencies and favorable choice for human resource
.
4.2. Deskripsi Hasil Pengujian Hipotesis
4.2.1. Uji Normalitas
Dalam pengujian normalitas data dengan menggunakan uji Kolmogorof-Smirnov dengan menggunakan program SPSS, dimana
apabila nilai signifikansi probabilitas yang diproleh lebih besar dari nilai signifikansi yang telah ditetapkan dalam penelitian 5 maka data
tersebut telah terdistribusi normal. Santoso, 2001 : 97 Pedoman dalam mengambil keputusan apakah sebuah distribusi data
mengikuti distribusi normal adalah : • Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka
distribusi adalah tidak normal. • Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka
distribusi adalah normal.
50
Tabel 4.1. Normalitas Data Masing-masing Variabel
One-Sample Kolmogorov-Smirnov Test
35 .0000000
858.28136592 .274
.274 -.223
1.624 .010
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences
Kolmogorov-Smirnov Z As ymp. Sig. 2-tailed
Unstandardiz ed Res idual
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran Hasil uji normalitas terhadap nilai residual persamaan regresi
dengan menggunakan Kolmogorov – Smirnov, menunjukkan nilai signifikansi 0,010 0,05; sehingga dapat disimpulkan bahwa data pada
persamaan regresi memiliki distribusi data yang tidak normal.
4.2.2. Uji Asumsi Klasik 4.2.2.1 Autokorelasi
Salah satu metode yang digunakan untuk mendeteksi adanya autokorelasi adalah dengan metode Uji Durbin-Watson d. Adapun
pengujiannya adalah sebagai berikut : 1. Banyaknya sampel N = 35
2. Banyarknya variabel bebas k = 3 3. Taraftingkat signifikansi yang digunakan
α = 0,05
51
Tabel 4.2. Data Autokorelasi
Model Summ ary
b
.276
a
.076 -.013
898.85222 2.161
Model 1
R R Square
Adjust ed R Square
St d. E rror of the Es timate
Durbin- W atson
Predic tors: Constant, Profitabilitas , Ukuran Perus ahaan, Financial Leverage
a. Dependent Variable: Laba P erusahaan
b.
Selanjutnya dilihat pada tabel Durbin Watson nilai Durbin Watson sebesar 2.161. Untuk mengetahui ada tidaknya gejala autokorelasi maka perlu
dilihat pada tabel Durbin Watson dengan jumlah variabel bebas adalah 3 dan jumlah sampel adalah 35 maka diperoleh DL = 1.283 dan DU = 1,653
serta 4 – DL = 2.717 dan 4 – DU = 2,347 Adapun kriteria pengujiannya adalah sebagai berikut :
Tabel 4.3. Batas-batas daerah Test Durbin Watson
Daerah Keterangan
Kurang dari 1.283 1.283 dan 1,653
1,653 dan 2,347 2,347 dan 2.717
DW ≥ 2.717
Autokorelasi positif Tanpa kesimpulaninconclusive
Non autokorelasi Tanpa kesimpulaninconclusive
Autokorelasi negatif Sumber
: data diolah Sedangkan nilai Durbin Watson dari perhitungan DW = 2.161 dan nilai ini
terletak pada daerah Non autokorelasi.
52
4.2.2.2 Multikolinearitas
Untuk mengetahui ada atau tidaknya gejala multikolinier pada model regresi linier berganda yang dihasilkan dapat dilakukan dengan
menghitung nilai Variance Inflation Factor VIF dari masing-masing variabel bebas dalam model regresi.
Tabel 4.4 : Hasil Pengujian Multikolinieritas
Coefficients
a
.904 1.106
.819 1.222
.814 1.229
Ukuran Perusahaan Financial Leverage
Profitabilitas Model
1 Tolerance
VIF Collinearity Statistics
Dependent Variable: Laba Perusahaan a.
Sumber : Lampiran
Dari hasil perhitungan diperoleh bahwa pada bagian colliniearity statistics
, nilai VIF pada seluruh variabel bebas lebih kecil dari 10, yang artinya seluruh variabel bebas pada penelitian ini tidak ada gejala
multikolinier.
4.2.2.3 Heteroskedastisitas
Penyimpangan asumsi model klasik yang lain adalah adanya heteroskedastisitas. Artinya, varians variabel dalam model tidak sama
konstan. Hal ini bisa diindentifikasi dengan cara menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas.
53
Tabel 4.5 : Hasil Pengujian Heteroskedastisitas
Correl ations
1.000 -.438
.072 -.098
. .008
.680 .574
35 35
35 35
-.438 1.000
.168 .308
.008 .
.333 .072
35 35
35 35
.072 .168
1.000 -.464
.680 .333
. .005
35 35
35 35
-.098 .308
-.464 1.000
.574 .072
.005 .
35 35
35 35
Correlation Coefficient Sig. 2-tailed
N Correlation Coefficient
Sig. 2-tailed N
Correlation Coefficient Sig. 2-tailed
N Correlation Coefficient
Sig. 2-tailed N
Unstandardized Residual Uk uran Perusahaan
Financ ial Leverage Profitabilitas
Spearmans rho Unstandardiz
ed Res idual Uk uran
Perusahaan Financ ial
Leverage Profitabilitas
Correlation is s ignificant at t he 0.01 level 2-t ailed. .
Berdasarkan lampiran dapat dilihat korelasi untuk variabel Ukuran Perusahaan X
1
dengan nilai probabilitassignifikansi sebesar 0.008, korelasi untuk variabel Financial Leverage X
2
dengan nilai probabilitas signifikansi sebesar 0,680. korelasi untuk variabel Profitabilitas X
3
4.2.3. Hasil Pengujian Regresi Linier Berganda
dengan nilai probabilitas signifikansi sebesar 0,574. Dimana nilai probabilitassignifikansi tersebut ada yang lebih kecil dari 5 yang berarti
terdapat korelasi atau hubungan dengan masing-masing variabel bebas yang diteliti.
Hasil analisis mengenai koefisien model regresi adalah seperti yang tercantum dalam Tabel 4.6 berikut ini.
Tabel 4.6. Koefisien Regresi
Coefficients
a
-2221.515 2747.934
-.808 .425
314.386 401.629
.142 .783
.440 .185
.139 .135
.904 1.106
9.605 91.153
.020 .105
.917 -.032
.019 .018
.819 1.222
9.812 8.713
.215 1.126
.269 .235
.198 .194
.814 1.229
Constant Ukuran Perusahaan
Financial Leverage Profitabilitas
Model 1
B Std. Error
Unstandardized Coefficients
Beta Standardized
Coefficients t
Sig. Zero-order
Partial Part
Correlations Tolerance
VIF Collinearity Statistics
Dependent Variable: Laba Perus ahaan a.
Sumber : Lampiran
54
Berdasarkan Tabel 4.6 tersebut, maka model regresi yang diperoleh adalah sebagai berikut :
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e Y = - 2221.515 + 314.386 X
1
+ 9.605 X
2
+ 9.812 X
3
+ e
Dengan asumsi bahwa variabel X
1
, X
2,
X
3
adalah nol atau konstan maka nilai Laba Perusahaan Y adalah sebesar - 2221.515
Koefisien regresi untuk variabel Ukuran Perusahaan X
1
diperoleh nilai - 314.386 mempunyai koefisien regresi positif, hal ini menunjukkan
terjadinya perubahan yang searah dengan variabel terikat. Jadi semakin besar nilai Ukuran Perusahaan X
1
akan menaikkan nilai Laba Perusahaan Y dengan asumsi bahwa variabel yang lainnya adalah
konstan. Koefisien regresi untuk variabel Financial Leverage X
2
diperoleh nilai 9.605 mempunyai koefisien regresi positif, hal ini menunjukkan
terjadinya perubahan yang searah dengan variabel terikat. Jadi semakin besar nilai Financial Leverage X
2
Koefisien regresi untuk variabel Profitabilitas X akan menaikkan nilai Laba
Perusahaan Y dengan asumsi bahwa variabel yang lainnya adalah konstan.
3
diperoleh nilai 9.812 mempunyai koefisien regresi positif, hal ini menunjukkan terjadinya
perubahan yang searah dengan variabel terikat. Jadi semakin besar nilai
55
Profitabilitas X
3
4.2.5. Hasil Pengujian Uji t