53
4.1.2 Uji Asumsi Klasik
Setiap model persamaan regresi linier harus melalui uji asumsi klasik sebelum dianalisis lebih lanjut. Uji asumsi klasik yang dilakukan terhadap
model persamaan regresi linier berganda pada penelitian ini yaitu : Uji Normalitas,
Uji Multikolinearitas, Uji Autokorelasi, dan Uji
Heterokedastisitas. Hasil uji asumsi klasik yang diperoleh dengan bantuan komputer dengan program SPSS disajikan sebagai berikut :
1 Uji Normalitas
Hasil uji normalitas dalam penelitian ditunjukkan melalui Gambar 4.1 dan Tabel 4.3 dibawah ini.
Gambar 4.1. Hasil Uji Normalitas
Universitas Sumatera Utara
54
Gambar 4.1 di atas menunjukkan bahwa plot – plot memiliki pola masih dalam lingkup dari garis diagonal grafik P-P Plot, sehingga dapat
dikatakan data terdistribusi dengan normal.
Tabel 4.3 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Standardized Residual N
48 Normal
Parameters
a,,b
Mean .0000000
Std. Deviation .97849211
Most Extreme Differences
Absolute .167
Positive .167
Negative -.061
Kolmogorov-Smirnov Z 1.155
Asymp. Sig. 2-tailed .139
a. Test distribution is Normal. b. Calculated from data.
Bila nilai signifikan 0.05 berarti distribusi data tidak normal. Sebaliknya bila nilai signifikan 0.05 berarti distribusi data normal. Dari
tabel 4.3 di atas, dapat dilihat bahwa setelah dilakukan transformasi, data yang diuji menjadi normal dan nilai signifikan untuk semua variabel 0,05.
2 Uji Multikolinearitas
Hasil uji multikolinieritas dalam penelitian ditunjukkan melalui tabel 4.4 di bawah ini.
Universitas Sumatera Utara
55
Tabel 4.4 Hasil Uji Multikolinieritas
Coefficients
a
Model t
Sig. Collinearity Statistics
Tolerance VIF
1 Constant
1.821 .075
Jumlah Modal Kerja 1.057
.296 .998
1.002 Perputaran Modal Kerja
13.924 .000
.998 1.002
a. Dependent Variable: ROE
Setelah diolah dengan SPSS, diperoleh koefisien tolerance dari kedua variabel bebas lebih besar dari 0.10 dan nilai VIF lebih kecil dari 10. Hal ini
membuktikan bahwa tidak terdapat gejala multikolinearitas dalam model regresi ini.
3 Hasil Uji Autokorelasi
Hasil uji multikolinieritas dalam penelitian ditunjukkan melalui tabel 4.5 di bawah ini.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .901
a
.812 .803
21.95319 1.541
a. Predictors: Constant, Perputaran Modal Kerja, Jumlah Modal Kerja b. Dependent Variable: ROE
Universitas Sumatera Utara
56
Hasil olahan data dengan SPSS pada uji Durbin Watson sebesar 1.541. Kemudian nilai ini dibandingkan dengan nilai tabel, dengan menggunakan
nilai signifikan 5 persen 0,05. Jumlah data n = 48 dan variabel bebas k = 2 maka dl = 1.45, du = 1.62. Jadi 4-du = 4 – 1.62 = 2.38. Karena nilai
DW sebesar 1.541 lebih kecil dari batas du sebesar 1.62 dan kurang dari 4- du yaitu 2.38 ini menunjukkan bahwa tidak ada autokorelasi negatif. Dapat
disimpulkan model regresi ini tidak ada autokorelasi. 4
Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dari model regresi
terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada tidaknya heteroskedasitas, menurut
Ghozali 2005:105 dapat dilihat dari grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Jika ada pola
tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heteroskedasitas. Sebaliknya jika tidak ada pola yang
jelas, serta titik- titik menyebar maka tidak terjadi heteroskedasitas. Hasil dari uji heteroskedasitas dapat dilihat pada grafik scatterplot berikut ini:
Universitas Sumatera Utara
57
Gambar 4.2. Grafik Scatterplot 4.1.3 Analisis Regresi Linier Berganda
Berdasarkan hasil pengolahan data dengan menggunakan bantuan
software SPSS diformulasikan model analisis regresi linier berganda yang digunakan dalam penelitian ini. Tujuan digunakannya analisis ini untuk
mengetahui apakah jumlah modal kerja dan perputaran modal kerja berpengaruh terhadap profitabilitas ROE baik secara simultan maupun
parsial. Adapun rangkuman hasil pengolahan data tersebut dapat dilihat pada Tabel 4.
Universitas Sumatera Utara
58
Tabel 4.6 Hasil Uji Regresi Linier Berganda
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. 95.0 Confidence
Interval for B Collinearity
Statistics B
Std. Error
Beta Lower
Bound Upper
Bound Tolerance
VIF 1
Constant 6.539
3.591 1.821 .075
-.693 13.771
Jumlah modal kerja 1.437E-6
.000 .068
1.057 .296 .000
.000 .998 1.002
Perputaran modal kerja 2.658
.191 .901 13.924 .000
2.273 3.042
.998 1.002 a. Dependent Variable: ROI
Berdasarkan Tabel 4.6 dapat dirumuskan persamaan regresi linier sebagai berikut :
Y = 6.539 + 1.437E-6 X
1
+ 2.658 X
2
+ e Model analisis di atas menjelaskan bahwa :
a. Nilai konstanta return on equity ROE perusahaan Makanan dan Minuman di Bursa Efek Indonesia sebesar 6.539 artinya apabila nilai
variabel modal kerja dan perputaran modal kerja bernilai nol maka return on equity akan naik sebesar 6.539 satuan.
b. Koefisien regresi jumlah modal kerja sebesar 1.437-6 menyatakan bahwa apabila jumlah modal kerja meningkat sebesar 1 kali dan variabel bebas
perputaran modal kerja dianggap tetap, maka akan meningkatkan return on equity ROE perusahaan makananan dan minuman di Bursa Efek
Indonesia sebesar 0,1437 satuan
Universitas Sumatera Utara
59
c. Parameter beta Perputaran Modal Kerja sebesar 2.658 menjelaskan bahwa perputaran modal kerja berpengaruh positif didalam mengestimasi return
on equity ROE perusahaan Makanan dan Minuman di Bursa Efek Indonesia sebesar 2.658, artinya setiap pertambahan 1 perputaran modal
kerja akan meningkatkan return on equity ROE perusahaan makanan dan minuman di Bursa Efek Indonesia sebesar 2.658 satuan.
4.1.4 Uji Statistik F