48
3.4 Teknik Analisis dan Uji Hipotesis
3.4.1 Analisis Regresi Linier Berganda
Untuk menganalisis data yang diperoleh agar dapat ditarik suatu kesimpulan, maka digunakan metode analisis regresi linier
berganda, untuk melihat pengaruh tiga variabel bebas terhadap satu variabel terikat, dengan bentuk persamaannya adalah sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e…….. Dimana:
Y = laba usaha
a = konstanta
X
1
= perputaran kas X
2
= perputaran piutang X
3
= perputaran persediaan b
1 ,
b
2 ,
b
3
= koefisien regresi e
= variabel pengganggu
3.4.2 Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah suatu data mengikuti sebaran normal atau tidak. Untuk mengetahui apakah
data tersebut mengikuti sebaran normal dapat dilakukan dengan berbagai metode diantaranya adalah Somarsono,2004:40:
49
Uji Normalitas – Metode Kolmogorov Smirnov
Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah:
- Jika nilai signifikan nilai probabilitasnya lebih kecil dari
5, maka distribusi tidak normal. -
Jika nilai signifikan nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal.
3.4.3 Uji Asumsi Klasik
Syarat suatu persamaan regresi adalah harus BLUE Best Linier Unbiased Estimator. Untuk menghasilkan keputusan yang
BLUE, maka harus dipenuhi diantaranya tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda yaitu tidak boleh
adanya multikolinieritas, heteroskedastitas, dan autokorelasi. Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar maka
persamaan regresi yang diperoleh tidak lagi BLUE, sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias.
1. Multikolonieritas Multicollinearity
Multikolonieritas merupakan suatu keadaan dimana satu atau lebih variabel independen terdapat korelasi atau hubungan
dengan variabel independen lainnya. Dengan kata lain, satu atau
50 lebih variabelnya merupakan suatu fungsi linier dari variabel
independen yang lain. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
Untuk mendeteksi ada atau tidaknya multikolinearitas dalam melihat nilai VIF Variance Inflation Factor dengan
rumus sebagai berikut: VIF =
Tolerance 1
VIF menyatakan tingkat “Pembengkakan” varians, apabila nilai VIF lebih besar dari 10, hal ini berarti terdapat adanya gejala
multikolonearitas pada persamaan regresi linier. 2.
Heteroskedastitas Heteroscedasticity Heteroskedastitas artinya varians varibel-variabel
independen tidak konstan berbeda untuk setiap nilai tertentu variabel independen.
Uji heteroskedastitas bertujuan untuk menguji apakah dalam model regresi tidak terjadi ketidaksamaam varian dari
residual satu pengamatan ke pengamatan lainnya. Diagnosis adanya heteroskedastitas secara kuantitatif dalam suatu regresi
dapat dilakukan dengan melakukan pengujian korelasi Rank Spearman. Apabila koefisien korelasi Rank Spaerman untuk
seluruh variabel bebas terhadap residual lebih kecil dari 0,05
51 maka dapat dirumuskan bahwa dalam persamaan regresi terdapat
heteroskedastitas. 3.
Autokorelasi Autokorelasi dapat didefinisikan sebagai dua observasi
yang diurutkan berdasarkan urut waktu Date Time Series atau data yang diambil dari waktu tertentu Gujarati,2003:201. Jadi
dalam model regresi linier diasumsikan tidak dapat gejala autokorelasi. Artinya residual Y observasi- Y prediksi pada
waktu ke-t e
t
. Identifikasi ada atau tidaknya gejala autokorelasi dapat dites dengan menghitung nilai Durbin Watson.
Berdasarkan jumlah sampel dan jumlah variable independent menentukan nilai d
L
dan d
U
berdasarkan tabel Durbin Watson. Langkah selanjutnya adalah menarik kesimpulan:
Tabel 2 : Tabel Durbin Watson Nilai d
Kesimpulan 0 d d
L
Ada korelasi positif d
L
≤ d ≤ d
L
Tidak ada kesimpulan d
U
d 4-d
L
Tidak ada auto korelasi 4-d
U
≤ d ≤ 4-d
L
Tidak ada kesimpulan 4-d
L
d 4 Ada korelasi negatif
Sumber : Gujarati 2003:201
52
3.4.4 Uji Hipotesis