IV.2.3.1 Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen melalui pengaruh total aktiva X
1
, perputaran modal kerja X
2
, arus kas operasi X
3
terhadap likuiditas Y. Hasil regresi dilihat pada tabel 4.6 berikut:
Tabel 4.4 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.893 .295
3.027 .003 LN_X1
-.005 .017
-.029 -.302 .763
.359 2.782 LN_X2
-.171 .016
-.615 -10.519 .000 .974 1.027
LN_X3 .002
.012 .018
.187 .852 .361 2.767
a. Dependent Variable: LN_Y
Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai berikut: LNY = 0,893 - 0,005 LNX
1
- 0,171 LNX
2
+ 0,002 LNX
3
+ e Dimana:
LNY = Logaritma Natural Likuiditas
LNX
1
= Logaritma Natural Total Aktiva LNX
2
= Logaritma Natural Perputaran Modal Kerja LNX
3
= Logaritma Natural Arus Kas Operasi Keterangan:
Universitas Sumatera Utara
1. Konstanta sebesar 0,893 menyatakan bahwa jika variabel independen dianggap konstan, maka LN Likuiditas sebesar 0,893.
2. LN Total Aktiva memiliki koefisien regresi bertanda negatif sebesar 0,005, artinya apabila terjadi perubahan variabel LN Total Aktiva sebesar 1 akan
menurunkan LN Likuiditas sebesar 0,005 atau 0,5 interprestasi elastisitas karena model logaritma.
3. LN Perputaran Modal Kerja memiliki koefisien regresi bertanda negatif sebesar 0,171, artinya apabila terjadi perubahan variabel LN Perputaran Modal Kerja
sebesar 1 akan menurunkan LN Likuiditas sebesar 0,171 atau 17,1 . 4. LN Arus Kas Operasi memiliki koefisien regresi bertanda positif sebesar 0,002,
artinya apabila terjadi perubahan variabel LN Arus Kas Operasi sebesar 1 akan menaikkan LN Likuiditas sebesar 0,002 atau 0,2.
IV.2.3.2 Analisis Koefisien Korelasi dan Koefisien Adjusted Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada diatas 0,5 dan mendekati Koefisien determinasi R square menunjukkan seberapa besar variabel
independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-
variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square,
maka kemampuan variabel-variabel independen dalam menjelaskan variasi
Universitas Sumatera Utara
variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen
meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.5 Hasil Analisis Koefisien Korelasi dan Koefisien Adjusted Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .612
a
.375 .365
.22630 2.077
a. Predictors: Constant, LN_X3, LN_X2, LN_X1 b. Dependent Variable: LN_Y
Pada model summary di atas, angka R sebesar 0,612 menunjukkan bahwa korelasi atau hubungan antara LN Likuiditas LNY dengan LN Total Aktiva
LNX
1
, LN Perputaran Modal Kerja LNX
2
dan LN Arus Kas Operasi LNX
3
, erat karena 0,5 50. Angka R square atau koefisien determinasi adalah 0,375.
Angka ini mengindikasikan bahwa 37,5 variasi atau perubahan dalam LN Likuiditas tidak dapat dijelaskan oleh variasi variabel LN total aktiva, LN
perputaran modal kerja dan LN arus kas operasi. Sedangkan sisanya dijelaskan oleh sebab-sebab lain yang tidak dimasukkan dalam model penelitian. Standar
Error of Estimate SEE adalah 0,22630 dimana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
Universitas Sumatera Utara
IV.2.3.3 Pengujian Hipotesis
Kategori