72
4.3. Teknik Analisis dan Uji Hipotesis
4.3.1. Hasil Pengujian Hipotesis I
4.3.1.1.Uji Normalitas
Dalam pengujian normalitas data dengan menggunakan uji Kolmogorof-Smirnov dengan menggunakan program SPSS, dimana apabila
nilai signifikansi probabilitas yang diperoleh 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.
Tabel 4.3. Normalitas Data Masing-masing Variabel
Variabel Kolmogorov-smirnov Z
Keterangan X
1
0.000 Tidak
normal X
2
0.000 Tidak
normal Y
1
0.000 Tidak normal
Sumber : Lampiran 3 Dari tabel 4.3 diatas, terlihat bahwa nilai probabilitas setiap
variabel lebih kecil dari 0,05 maka dapat disimpulkan bahwa distribusi dari data adalah tidak mengikuti pola distribusi normal. Selain dengan uji
Kolmogorov-smirnov, peneliti juga telah melakukan pengujian dengan uji Shapiro-Wilk, Skewness dan Kurtosis, untuk pengujian Shapiro-Wilk
73
dengan hasil nilai signifikan masih tetap di bawah 5 lampiran 3, berarti data tidak mengikuti pola distribusi normal, untuk pengujian Skewness
dan Kurtosis dengan hasil nilai signifikan diatas 1,96 lampiran 3, berarti data tidak mengikuti pola distribusi normal. Setelah menggunakan
beberapa pengujian dan dengan hasil bahwa data tetap tidak mengikuti pola distribusi normal maka peneliti tetap melanjutkan penelitian dengan
alasan diatas dan dengan keterbatasan waktu dan pengetahuan yang di miliki.
4.3.1.2.Uji Asumsi Klasik 4.3.1.2.1.
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 = 56 2.
Banyarknya variabel bebas k = 2 3.
Taraftingkat signifikansi yang digunakan = 0,05
Selanjutnya dilihat pada tabel Durbin Watson nilai Durbin Watson sebesar 2,035. Untuk mengetahui ada tidaknya gejala autokorelasi maka
perlu dilihat pada tabel Durbin Watson dengan jumlah variabel bebas adalah 2 dan jumlah responden adalah 56 maka diperoleh DL = 1,490 dan
DU = 1,641 serta 4 – DL = 2,510 dan 4 – DU = 2,359 Adapun kriteria pengujiannya adalah sebagai berikut :
74
Tabel 4.4. Batas-batas daerah Test Durbin Watson Daerah
Keterangan
Kurang dari 1,490 1,490 dan 1,641
1,641 dan 2,359 2,359 dan 2,510
DW 2,510
Autokorelasi positif Tanpa kesimpulaninconclusive
Non autokorelasi Tanpa kesimpulaninconclusive
Autokorelasi negatif Sumber : lampiran 3
Sedangkan nilai Durbin Watson dari perhitungan DW = 2,035 dan nilai ini terletak pada daerah Non Autokorelasi.
4.3.1.2.2. 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 4.5 : Hasil Pengujian Multikolinieritas
No Variabel
Tolerance VIF
1 2
Laba X
1
Arus Kas X
2
1.000 1.000
1.000 1.000
Sumber : Lampiran 3 Dari hasil perhitungan diperoleh bahwa pada bagian colliniearity
statistics, nilai VIF pada seluruh variabel bebas lebih kecil dari 10, dimana nilai VIF untuk variabel Laba X
1
sebesar 1.000; untuk variabel Arus Kas X
2
sebesar 1.000 yang artinya seluruh variabel bebas pada penelitian ini tidak ada gejala multikolinier.
75
4.3.1.2.3. 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.
Berdasarkan lampiran dapat dilihat korelasi untuk variabel Laba X
1
dengan nilai probabilitassignifikansi sebesar 0.006, dimana nilai probabilitassignifikansi tersebut lebih kecil dari 5 yang berarti terdapat
korelasi atau hubungan dengan masing-masing variabel bebas yang diteliti. Korelasi untuk variabel Arus Kas X
2
dengan nilai probabilitas signifikansi sebesar 0,263, dimana nilai probabilitassignifikansi tersebut
lebih besar dari 5 yang berarti tidak terdapat korelasi atau hubungan dengan masing-masing variabel bebas yang diteliti. Menurut Gujarati
2005:189 Heterokedastisitas tidak merusak sifat ketidakbiasan dan konsistensi dari penaksir, tetapi penaksir tidak lagi mempunyai varians
minimum atau efisien. Untuk itu peneliti tetap melanjutkan penelitian dengan alasan diatas dan dengan keterbatasan waktu dan pengetahuan
yang di miliki.
4.3.1.3.Hasil Pengujian Regresi Linier Berganda Hipotesis I
Hasil analisis mengenai koefisien model regresi adalah seperti yang tercantum dalam Tabel 4.6 berikut ini.
76
Tabel 4.6 Koefisien Regresi
Unstandardized Coeficients
Standardized Coefficients
Model B Stad.
Error Beta 1 Constant
Laba X
1
Arus KasX
2
6.860 0.396
0.061 2.233
0.152 0.090
0.335 0.088
Sumber : Lampiran 3 Berdasarkan Tabel 4.6 tersebut, maka model regresi yang diperoleh
adalah sebagai berikut : Y =
X
X
e Y = 6.860 + 0.396 X
1
+ 0.061 X
2
+ e
Dengan asumsi bahwa variabel X
1
, X
2
adalah nol atau konstan maka nilai Prediksi Laba Y
1
adalah sebesar 6.860 Koefisien regresi untuk variabel Laba X
1
diperoleh nilai 0.396 mempunyai koefisien regresi positif, hal ini menunjukkan terjadinya
perubahan yang searah dengan variabel terikat. Jadi semakin besar nilai Laba X
1
akan menaikkan nilai Prediksi Laba Y
1
dengan asumsi bahwa variabel yang lainnya adalah konstan.
Koefisien regresi untuk variabel Arus Kas X
2
diperoleh nilai 0.061 mempunyai koefisien regresi positif, hal ini menunjukkan terjadinya
perubahan yang searah dengan variabel terikat. Jadi semakin besar nilai Arus Kas X
2
akan menaikkan nilai Prediksi Laba Y
1
dengan asumsi bahwa variabel yang lainnya adalah konstan.
77
Dari hasil pengujian juga diperoleh nilai koefisien korelasi R sebesar 0,346 lampiran 3. Hal ini menunjukkan bahwa terdapat hubungan positif
antara variabel laba X
1
dan arus kas X
2
dengan variabel prediksi laba Y
1
.
a X
1
dan arus kas X
2
, sedangkan sisanya 88 dijelaskan oleh faktor lain.
4.3.1.4.Hasil Pe
nakan adalah sebesar urutan langkah sebagai berikut:
a. Artinya :
mpunyai pengaruh yang fikan terhadap Prediksi Laba.
Artinya : empunyai pengaruh yang signifikan
si Laba. b.
Diketahui juga nilai koefisien deteminasi R
2
sebesar 0,120 lampiran 3, hal ini menunjukkan bahwa perubahan yang terjadi pada prediksi laba
Y
1
sebesar 12 dapat dijelaskan oleh variabel lab
ngujian dengan Uji F
Untuk mengetahui apakah variabel bebas yaitu Laba X
1
serta Arus Kas X
2
mempunyai pengaruh terhadap variabel terikat yaitu Prediksi Laba Y
1
, maka digunakan uji F melalui perhitungan dengan bantuan program SPSS yang hasilnya kemudian dibandingkan dengan F tabel. Dalam
pengujian hipotesis ini level signifikansi yang digu 0,05 atau 5 dengan
H :
1
=
2
= 0 Laba dan Arus Kas tidak me
signi H
1
:
1
2
0 Laba dan Arus Kas m
terhadap Predik Menentukan nilai F tabel
78
Tingkat signifikan = 0,05 = 5
Derajat bebas pembilang b
1
= k = 2 Derajat bebas pembagi
b
2
= n-k-1 =
56-2-1 =
53 maka F tabel
F0,05; 53; 2 = 3.171 lampiran 6 c.
F tabel H
diterima dan H
1
ditolak d.
Inter
an Arus Kas mempunyai pengaruh yang signifikan terhadap Prediksi Laba.
Hipotesis II 4.3.2.1.Uji No
itian 5 maka data tersebut telah te
eputusan apakah sebuah distribusi data Membandingkan nilai F hitung dengan F tabel
Jika F hitung F tabel H
ditolak dan H
1
diterima Jika F hitung
pretasi Karena nilai F hitung sebesar 3,599 lampiran 3 lebih besar
daripada nilai F tabel 3,171 maka dengan tingkat signifikansi sebesar 5, Laba d
4.3.2. Hasil Pengujian