79 Tabel 4.5 menunjukkan statistik deskriptif masing-masing variabel
penelitian. Berdasarkan tabel tersebut, hasil analisis menggunakan statistik deskriptif terhadap capital employed efficiency CEE menunjukkan nilai
minimum sebesar 0.020615 dan nilai maksimum sebesar 0.647357 dengan rata-rata sebesar 0.278173 dan standar deviasi 0.109204.
Hasil analisis dengan menggunakan statistik deskriptif terhadap human capital efficiency HCE menunjukkan nilai minimum sebesar
0.374641 dan nilai maksimum sebesar 3.963514 dengan rata-rata 2.003738 dan standar deviasi sebesar 0.673162.
Hasil analisis menggunakan statistik deskriptif terhadap structure capital efficiency SCE menunjukkan nilai minimum sebesar -1.669222
dan nilai maksimum sebesar 0.747699 dengan rata-rata 0.417886 dan standar deviasi sebesar 0.341776. Dan hasil analisis dengan menggunakan
statistik deskriptif terhadap value added intellectual capital VAIC™
menunjukkan nilai minimum sebesar -1.273966 dan nilai maksimum sebesar 5.313627 dengan nilai rata-rata 2.699797 dan standar deviasi
sebesar 1.017037.
c. Hasil Uji Asumsi Klasik
a Hasil Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, baik variabel independen maupun dependen, telah
terdistribusi secara normal. Model regresi yang baik adalah model regresi yang memiliki distribusi data normal atau mendekati normal.
80 Dalam penelitian ini, jenis uji normalitas yang digunakan
adalah uji Jarque-Bera.
Grafik 4.1 Hasil Uji Normalitas Menggunakan Jarque-Bera
2 4
6 8
10 12
14 16
-0.0075 -0.0050
-0.0025 0.0000
0.0025 0.0050
Series: Standardized Residuals Sample 2010 2014
Observations 120 Mean
-1.93e-19 Median
0.000367 Maximum
0.006174 Minimum
-0.009481 Std. Dev.
0.002937 Skewness
-0.478494 Kurtosis
3.445485 Jarque-Bera
5.571408 Probability
0.061686
Sumber: Output Eviews 9
Berdasarkan grafik 4.1 dapat dilihat bahwa nilai probability menunjukkan angka 0,061 yang artinya 0,05 sehingga dapat
disimpulkan bahwa data dalam penelitian ini telah terdistribusi secara normal.
Hal tersebut diperkuat dengan adanya uji normalitas dengan menggunakan uji Kolmogorov-smirnov test yang menunjukkan
bahwa data dalam penelitian ini telah terdistribusi secara normal, dimana nilai siginifikansinya mencapai 0,2 yang melebihi batas
normalitas yaitu 0,05 sehingga dapat dinyatakan bahwa data yang digunakan dalam penelitian ini telah terdistribusi secara normal.
81
Tabel 4.6 Hasil Uji Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 120
Normal Parameters
a,b
Mean .0000000
Std. Deviation .00646185
Most Extreme Differences Absolute
.054 Positive
.040 Negative
-.054 Test Statistic
.054 Asymp. Sig. 2-tailed
.200
c,d
Sumber: Output SPSS 22
b Hasil Uji Autokorelasi Uji autokorelasi menunjukkan hasil yang dapat mendeteksi
ada atau tidaknya autokorelasi dalam analisis regresi. Untuk mendeteksi ada atau tidaknya autokorelasi dapat dilihat dari nilai
Durbin-Watson.
Tabel 4.7 Hasil Uji Autokorelasi
R-squared 0.866211 Mean dependent var
0.015175 Adjusted R-squared
0.828808 S.D. dependent var 0.007886
S.E. of regression 0.003263 Akaike info criterion
-8.417233 Sum squared resid
0.000990 Schwarz criterion -7.790048
Log likelihood 532.0340 Hannan-Quinn criter.
-8.162530 F-statistic
23.15873 Durbin-Watson stat 1.680375
ProbF-statistic 0.000000
Sumber: Output Eviews 9
Berdasarkan tabel diatas dapat dilihat bahwa nilai Durbin- Watson stat berada pada angka 1,6803 yang artinya nilai D-W
82 berada diantara -2 dan +2 Sunyoto, 2009:91-92 dan memenuhi
unsur bebas gejala autokorelasi baik positif maupun negatif. c Hasil Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homokedastisitas dan jika berbeda disebut heterokedastisitas. Model regresi yang baik adalah model regresi yang homokedastisitas
Ghozali, 2011:139. Jenis uji heterokedastisitas yang digunakan dalam penelitian
ini adalah Uji Park, dimana uji ini dilakukan dengan meregresi variabel LogRes2 sebagai variabel dependen, dengan variabel
independen capital employee efficiency CEE, human capital efficiency HCE, dan Structure Capital Efficiency SCE dimana
suatu penelitian dapat dikatakan bebas dari heterokedastisitas homokedastisitas apabila nilai probabilitynya 0,05.
83
Tabel 4.8 Hasil Uji Heterokedastisitas Menggunakan Uji Park
Dependent Variable: LOGRES2 Method: Panel Least Squares
Date: 090215 Time: 23:29 Sample: 2010 2014
Periods included: 5 Cross-sections included: 24
Total panel balanced observations: 120 Variable
Coefficient Std. Error
t-Statistic Prob.
C -13.77394
0.848787 -16.22780
0.0000 CEE
5.995618 3.681912
1.628398 0.1068
HCE 0.480773
0.614494 0.782388
0.4360
SCE -0.484746
0.982497 -0.493381
0.6229
Sumber: Output Eviews 9
Berdasarkan tabel 4.8 dapat dilihat bahwa seluruh nilai probability dalam penelitian ini, baik capital employee efficiency
CEE, human capital efficiency HCE, dan Structure Capital Efficiency SCE berada diatas 0,05 CEE = 0,1068, HCE = 0,463,
dan SCE = 0,6229 yang artinya tidak terdapat gejala heterokedastisitas pada model persamaan regresi sehingga model
regresi dapat digunakan untuk memprediksi Return On Asset. d Hasil Uji Multikolineritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik ada model yang tidak mengandung multikolinearitas Ghozali, 2013:105.
84
Tabel 4.9 Hasil Uji Multikolineritas
SCE HCE
CEE SCE
1.000000 0.729355
0.539262
HCE 0.729355
1.000000 0.521141
CEE 0.539262
0.521141 1.000000
Sumber: Output Eviews 9
Berdasarkan hasil uji diatas, terlihat bahwa nilai dari seluruh variabel independen, baik CEE, HCE, dan SCE berada dibawah 0,8
yang merupakan syarat dari bebasnya gejala multikolineritas.
d. Hasil Uji Hipotesis
