Tabel. 4.5 : Rekapitulasi Data : “Pertumbuhan laba Y” Periode 2007 – 2009
No Nama Perusahaan
Pertumbuhan Laba Periode Penelitian
2007 2008 2009
1 PT. Ace Hard Ware Indonesia, Tbk
122.39 117.49
18.22 2
PT. Catur Sentosa Adiprana, Tbk 113.88
67.87 -79.99
3 PT. Enseval Putra Megatrading, Tbk
10.75 15.21
23.29 4
PT. Multi Indocitra, Tbk -21.58
-20.23 26.75
5 PT. Ramayana Lestari, Tbk
17.36 17.16
-22.10 6
PT. Tigaraksa Satria, Tbk 78.38
134.63 -55.21
7 PT. Toko Gunung Agung, Tbk
-69.61 -57.53
-69.70 8
PT. Triwira Insan Lestari, Tbk 322.14
-43.32 -85.46 9
PT.Hero Supermarket, Tbk 7.54
149.00 -43.71
Sumber : Lampiran 5
Berdasarkan pada tabel 4.5 dapat diinterprestasikan bahwa besarnya nilai pertumbuhan laba tertinggi untuk tahun 2007 dimiliki
oleh PT. Triwira Insan Lestari, Tbk, yaitu sebesar 322,14, sedangkan terrendah dimiliki oleh PT. Toko Gunung Agung, Tbk yaitu sebesar -
69,61, untuk tahun 2008 nilai pertumbuhan laba tertinggi dimiliki oleh PT Hero Supermarket, Tbk, yaitu sebesar 149,00, sedangkan terrendah
dimiliki oleh PT. Toko Gunung Agung, Tbk yaitu sebesar -57,53, dan untuk tahun 2009 nilai pertumbuhan laba tertinggi dimiliki oleh PT.
Multi Indocitra, Tbk yaitu sebesar 26,75, sedangkan terrendah dimiliki oleh PT. Triwira Insan Lestari, Tbk yaitu sebesar -85,46.
4.2.1. Uji Kualitas Data
Pengujian kualitas data bisa dilakukan dengan mendeteksi pencilan atau outliers. Outliers adalah observasi atau data yang memiliki
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
karakteristik unik yang terlihat sangat berbeda jauh dari observasi- observasi lainnya dan muncul dalam bentuk nilai ekstrim baik untuk
sebuah variabel tunggal atau kombinasi Hair et al.,1995. Evaluasi outliers dapat dilakukan dengan menggunakan perhitungan jarak
mahalanobis the mahalonobis distance untuk tiap-tiap variabel. The mahalonobis distance menunjukkan jarak sebuah variabel dari rata-rata
semua variabel dalam sebuah ruang multidimensional Norusis, 1994; Tabacnick dan Fidell, 1996, dalam Ferdinand,2005. Perhitungan jarak
mahalanobis didasarkan pada nilai chi-square dalam tabel distribusi χ
2
pada derajat bebas degree of freedom sebesar jumlah variabel yang digunakan dalam penelitian. Dalam penelitian ini digunakan 4 variabel
pada tingkat p 0,001 yaitu χ
2
4;0,001 = 18,467. Karena itu, data yang memiliki jarak mahalanobis lebih besar dari 18,467 dianggap outliers.
Dari hasil perhitungan didapatkan jarak mahalanobis sebagai berikut: Tabel 4.6 Nilai Jarak Mahalanobis
No. Observasi Jarak Mahalanobis
1 25,027
2 4,088 3 3,930
4 3,540 5 1,240
6 3,641 7 0,930
8 0,697 9 0,790
10 2,385 11 1,387
12 0,918 13 2,018
14 2,589 15 1,164
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16 1,849 17 4,153
18 1,288 19
21,034 20 10,256
21 11,713 22 11,816
23 2,880 24 5,794
25 0,742 26 3,205
27 0,928
Sumber : Lampiran 6 Berdasarkan tabel di atas terlihat dari 27 pengamatan ternyata
terdapat 2 pengamatan yang merupakan outliers karena nilai jarak mahalanobis lebih besar dari
χ
2
4;0,001 = 18,467 yaitu pengamatan no 1 dan 19 sebesar 25,027 dan 21,034, sehingga pengamatan tersebut
dihilangkan dari data.
4.2.2. Uji Normalitas
Pedoman dalam mengambil keputusan apakah sebuah distribusi data mngikuti distribusi normal adalah Jika nilai signifikasi nilai
profitabilitasnya lebih besar dari nilai 5, maka distribusi adalah normal. Sumarsono, 2004: 43.
Berdasarkan hasil uji normalitas dengan alat bantu komputer yang menggunakan Program SPSS. 16.0, dapat dilihat pada tabel 4.6, sebagai
berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Tabel 4.7 Hasil Uji Normalitas
Y X1 X2 X3 X4 Kolmogorov Smirnov Z
1,058 0,799
0,368 1,055
1,629 Nilai Signifikasi 2-tailed
0,213 0,546
0,999 0,215
0,010
Sumber : Lampiran 7
Berdasarkan tabel 4.6 diatas dapat disimpulkan bahwa variabel Y, X
1,
X
2
, dan X
3
adalah berdistribusi normal, karena nilai signifikan yang dihasilkan lebih dari 0,05 yaitu sebesar untuk Y, 0,546, untuk X
1
0,546, untuk X
2,
0,999, dan untuk X
3
0,215. Sementara variabel X
4
tidak berdistribusi normal, karena nilai signifikan yang dihasilkan kurang dari
0,05 yaitu sebesar 0,010. Regresi linier berganda tetap terus dilanjutkan, karena menurut
Gujarati 1995 : 66-67 bahwa dalam regresi OLS Ordinary Least Square asumsi normalitas diberlakukan pada u
i
residual, apabila residual u
i
berdistribusi normal dengan sendirinya b , b
1,
b
2,
b
3
dan b
4
juga berdistribusi normal. Berikut ini hasil uji normalitas pada residual :
Tabel 4.8 : Hasil Uji Normalitas Pada Residual
Kolmogorov Smirnov
Tingkat Signifikan
Residual 0,897
0,396
Sumber : Lampiran 7
Berdasarkan hasil uji normalitas pada tabel di atas menunjukkan bahwa distribusi data pada residual adalah distribusi normal, karena nilai
Kolmogorov-Smirnov yang dihasilkan 0,897 dengan tingkat signifikan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
sebesar 0,396 diatas 0,05 Apabila residual u
i
berdistribusi normal dengan sendirinya variabel X
1
, X
2
,X
3
, dan X
4
juga berdistribusi normal.
4.2.3. Uji Asumsi Klasik