81 4.1.6.4.Uji Autokorelasi
Hasil uji multikolinearitas setelah dilakukan transformasi pada data dapat dilihat pada tabel berikut ini.
Tabel 4.9. Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square
Change F
Change df1
df2 Sig. F
Change 1
,283
a
,080 ,013
,10488 ,080
1,194 3
41 ,324
2,328 a. Predictors: Constant, SQRT_X3, SQRT_X1, SQRT_X2
b. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Dari tabel 4.9. diatas diperoleh nilai DW yaitu 2,328 dimana nilai D
L
dari tabel Durbin-Watson adalah 1,3832 dan D
U
adalah 1,6662 dan nilai dari 4- D
L
adalah 2,6168 dan nilai dari 4-D
U
adalah 2,3338. Kriteria penilaian data penelitian yang bebas autokorelasi adalah nilai D-W berada diantara D
U
dan 4-D
U,
maka dari hasil penelitian ini 1,6662 2,328 2,3338, maka tidak terjadi asumsi autokorelasi dalam penelitian ini.
4.1.7. Model Analisis Regresi Setelah Ditransformasi Square Root
Setelah melewati uji asumsi klasik pada data yang telah ditransformasi dengan model Square Root, maka model analisis regresi yang digunakan dalam
penelitian ini telah memenuhi Best Linear Umbiased EstimatorBLUE dan layak untuk melanjutkan penelitian selanjutnya, yaitu melakukan pengujian hipotesis.
Adapun hasil pengolahan data dengan analisis regresin yang telah ditransformasi dengan model Square Root adalah sebagai berikut
Universitas Sumatera Utara
82
Tabel 4.10. Koefisien Regresi
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
,214 ,068
3,140 ,003
SQRT PK ,003
,007 ,057
,378 ,707
1,000 1,000
SQRT PP -,026
,024 -,239
-1,115 ,271
,487 2,051
SQRT PPERS ,060
,033 ,393
1,834 ,074
,487 2,051
a. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Dari output SPSS diatas, maka dapat dirumuskan model regresi sebagai berikut :
SQRTY = 0,214 + 0,003 SQRTX
1
– 0,026 SQRTX
2
+ 0,06 SQRTX
3
+ ε
Dimana : SQRTY = Return on Asset
SQRTX
1
= Perputaran Kas SQRTX
2
=Perputaran Piutang SQRTX
3
= Perputaran Persediaan
ε = Error
Konstanta sebesar 0,214 menyatakan bahwa jika tidak terjadi perputaran kas, perputaran piutang dan perputaran persediaan atau jika perputaran kas,
perputaran piutang dan perputaran persediaan bernilai nol maka Return on Asset akan bertambah sebesar 0,214 satuan.
Koefisien regresi SQRTX
1
sebesar 0,003 menyatakan bahwa perputaran kas memiliki pengaruh positif dalam mengestimasi Return on Asset perusahaan
Universitas Sumatera Utara
83 otomotif di Bursa Efek Indonesia sebesar 0,003 satuan artinya, setiap penambahan
perputaran kas sebesar 1 satuan maka akan meningkatkan Return on Asset sebesar 0,003 satuan dengan asumsi variabel lain dianggap tetap.
Koefisien regresi SQRTX
2
menyatakan bahwa perputaran piutang memiliki pengaruh negatif dalam mengestimasi Return on Asset perusahaan
otomotif di Bursa Efek Indonesia sebesar 0,026 satuan artinya, setiap penambahan perputaran piutang sebesar 1 satuan maka Return on Asset akan menurun sebesar
0,026 satuan dengan asumsi variabel lain dianggap tetap. Koefisien regresi SQRTX
3
menyatakan bahwa perputaran persediaan memiliki pengaruh positif dalam mengestimasi Return on Asset perusahaan
otomotif di Bursa Efek Indonesia sebesar 0,06 satuan artinya, setiap penambahan perputaran persediaan sebesar 1 satuan maka akan meningkatkan Return on Asset
sebesar 0,06 dengan asumsi variabel lain dianggap tetap.
4.1.8. Uji Hipotesis Setelah Ditransformasi Square Root
