76 variabel return on asset adalah sebesar 0.04823. hal ini menunjukan bahwa
terdapat penyimpangan dari variabel return on asset sebesar 0.04823 di atas rata-rata hitungnya.
Hasil analisis dengan statistik deskriptif terhadap variabel total asset turn overTATO menunjukan bahwa dari 37 sampel total asset turn over yang diuji
menunjukan nilai terendah 0.34 dan nilai tertingginya 1.04. mean atau rata-rata variabel total asset turn over menunjukan nilai 0.8522 dan standar deviasi dari
variabel total asset turn over adalah sebesar 0.20365 hal ini menunjukan bahwa terdapat penyimpangan dari variabel fixed asset turn over sebesar 0.20365 di
atas rata-rata hitungnya. Hasil analisis dengan statistik deskriptif terhadap variabel Company
SizeSize menunjukan bahwa dari 37 sampel Company Size yang diuji menunjukan nilai terendah 13.22 dan nilai tertingginya 16.75. mean atau rata-
rata variabel Company Size menunjukan nilai 15.0278 dan standar deviasi dari variabel Company Size adalah sebesar 1.33604 hal ini menunjukan bahwa
terdapat penyimpangan dari variabel Company Size sebesar 1.33604 di atas rata- rata hitungnya.
3. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalittas dilakukan untuk mengetahui apakah model variabel bebas independen mempunyai distribusi normal atau tidak.
Uji ini dilakukan dengan menggunakan One-Sample Kolmogorov Smirnov Test. Data yang berdistribusi normal dapat menunjukkan
bahwa hasil penelitian akan valid secara statistik dan dapat mempresentasikan keadaan yang sebenarnya Dari kejadian di
77 lapangan. Hasil dari uji ini dapat diketahui melalui dua cara. Cara
yang pertama adalah dengan melihat grafik PP Plots yang menggambarkan distribusi frekuensi dari variabel dependen
dibandingkan dengan distribusi frekuensi data. Cara ke kedua adalah dengan menggunakan uji Kolmogorov-Smirnov. Pada tabel uji
Kolmogorov-Smirnov, pada baris Asymp. Sig. 2-tailed baris paling bawah, apabila nilai tiap variabel lebih dari 0,05 maka uji
normalitas bisa terpenuhi.
Gambar 3. 1 PP Plots
Grafik PP Plots menunjukkan titik-titik yang mendekati garis diagonal yang berarti bahwa model regresi terdistribusi secara
normal.
78
Tabel 4.2 One Sample Kolmogorov-smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 37
Normal Parameters
a
Mean .0000000
Std. Deviation .31786065
Most Extreme Differences Absolute
.192 Positive
.192 Negative
-.189 Kolmogorov-Smirnov Z
1.166 Asymp. Sig. 2-tailed
.132 a. Test distribution is Normal.
Dari tabel di atas, dapat diketahui bahwa semua variabel baik itu current ratio, debt to asset, return on asset, total asset turn over,
dan company size telah terdistribusi normal. Hal ini didasarkan pada nilai Asymp.Sig. 2-tailed, jika nilainya 0.05maka data tersebut
dapat dinyatakan terdistribusi dengan normal. Sebaliknya apabila nilainya 0.05 maka dikatakan tidak berdistribusi normal.
Dari hasil perbedaan yang dilakukan, dengan menggunakan 5 rasio, semua rasio secara signifikan berbeda satu sama lain dan terjadi
sampel acak. Dengan melihat hasil pengujian secara keseluran maka dapat disimpukan setiap sampel berbeda.
79
b. Uji Autokorelasi
Tabel 4.3 Model Summary
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson 1
.935
a
.874 .854
.34254 1.255
a. Predictors: Constant, Size, DAR, ROA, TATO, CR b. Dependent Variable: Rating
Hasil pengujian autokorelasi menunjukan nilai Durbin- WatsondW hitung adalah sebesar 1.255. nilai dW hitung berada
diantara -2 dan 2 yaitu, -2 1.255 2 maka dapat dikatakan bahwa hasil uji berhasil dan tidak terjadi autokorelasi.
Tapi untuk memastikan hasil uji Durbin-Watson itu benar dapat dilakukan pengujian kedua dengan melakukan uji run untuk
melihat apakah terjadi autokorelasi pada sampel yang diuji atau tidak.
Tabel 4.4 Run Test
Runs Test
Unstandardized Residual
Test Value
a
.01629 Cases Test Value
17 Cases = Test Value
20 Total Cases
37 Number of Runs
20 Z
.041 Asymp. Sig. 2-tailed
.967 a. Median
80 Setelah dilakukan uji run maka dapat dilihat nilai Asymp. Sig.
2-tailed adalah 0.098 dan nilai itu 0.05 maka dapat dinyatakan bahwa uji run berhasil menunjukan bahwa tidak terjadi autokorelasi
antar variabel.
c. Uji Multikolinearitas
Untuk dapat melihat gejala multikolinearitas, dapat dilihat dari hasil pengolahan data dengan menggunakan SPSS. Jika nilai toleransi
masing-masing variabel bebas 0,1 dan VIF 10, maka dapat disimpulkan bahwa model regresi tidak mengandung gejala
multikolinearitas.
Tabel 4.5 Hasil Uji Multikolinearitas
Model Tolerance
VIF CR
0,474 2,110
DAR
0,348 2,870
ROA
0,613 1,630
TATO
0,501 1,998
Size
0,552 1,810
Hasil uji multikolinearitas menunjukan bahwa current ratio, current ratio, debt to asset, return on asset, fixed asset turn over, dan
company size tidak mengalami multikolinearitas karena nilai tolerance setiap variabel lebih besar dari 0.10 dan nilai VIF semua
variabel independen lebih kecil dari 10.00. maka dapat disimpulkan dari pengujian multikolinearitas tidak terjadi multikolinearitas.
d. Uji Heterokedaktisitas
Untuk melihat persamaan regresi suatu penelitian apakah memenuhi asumsi heterokedastisitas ataukah tidak dapat dilihat dari
81 penyebaran residual yang terdapat pada hasil pengolahan data dengan
memanfaatkan aplikasi SPSS.
Gambar 3. 2 Scatterplot
Berdasarkan output Scatterplot di atas, terlihat bahwa titik- titik tidak menyebar bebas dan hampir membentuk pola yang teratur
tapi Scatterplot memiliki kelemahan yang cukup signifikan sebab sejumlah pengamatan tertentu sangat mempengaruhi hasil ploting
maka untuk mengetahui apakah terjadi heteroskedastisitas atau tidak maka dilakukan uji glejser sebagai pengujian ulang.
Tabel 4.6 Coefficients
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error
Beta 1 Constant
4,11E- 12
1.261 .000
1.000 CR
.000 .177
.000 .000
1.000 DAR
.000 .764
.000 .000
1.000 ROA
.000 .027
.000 .000
1.000 TATO
.000 .321
.000 .000
1.000 Size
.000 .056
.000 .000
1.000 a. Dependent Variable: Unstandardized Residual
82 Nilai t-tabel dicari dengan distribusi nilai t-tabel n = 37 dan
diperoleh nilai t-tabel = 2.037. Berdasarkan uji heteroskedastisitas dengan uji glejser diperoleh nilai t-hitung lebih kecil dibandingkan t-
tabel dan nilai signifikansi yang lebih besar dari 0.05, sehingga dapat disimpulkan tidak terjadi masalah heterokedastisitas.
4. Uji Regresi Berganda
