deviasi 43,510023. EPS minimum pada tahun 2005 adalah 1,472 dan EPS maksimum adalah Rp122,381 dengan rata-rata Rp 51,97300 dan standar deviasi Rp
43,795983. EPS minimum pada tahun 2006 adalah Rp 0,842 dan EPS maksimum adalah Rp 85,455 dengan rata-rata Rp 36,89442 dan standar deviasi Rp 33,083168.
4.1.2 Teknik Pengujian Data
1. Uji Normalitas Pengujian normalitas data dilakukan dengan nilai skewness kurtosis.
Berdasarkan nilai ini, suatu data dikatakan memiliki distribusi normal jika Z
hitung
lebih kecil dari Z
tabel
. Nilai Z skewnes dapat dihitung dengan membandingkan antara nilai kurtosis dengan standard deviasi dari nilai kurtosis. Nilai skewnes dan kurtosis
dapat dilihat pada tabel 4.2 berikut ini :
Tabel 4.2 Uji Normalitas Skewness Dan Kurtosis
Sumber : Lampiran 4 Dari tabel 4.2 dapat dilihat bahwa dari empat variabel yang akan diuji hanya
data ukuran perusahaan yang berdistribusi normal. Untuk melihat apakah data berdistribusi normal atau tidak dapat juga dilakukan dengan uji statistik Kolmogorov-
Variabel Z
tabel
Skewness Z
hitung
Skewness Kurtosis Z
hitung
Kurtosis Ukuran Perusahaan TA
1.96 - 0,320 - 1,0356
- 0,868 - 1,428
Kebijakan Pendanaan DER 1.96 2,112
6,835 3,410
5,609 Kinerja Keuangan NPM
1.96 6,350
20,550 43,653
71,798 Kinerja Keuangan EPS
1,96 5,972 19,327
41,061 67,135
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
Smirnov. Hasil uji statistikKolmogorov-Smirnov dapat dilihat pada tabel 4.3 berikut ini :
Tabel 4.3 Uji Statistik Kolmogorov - Smirnov
Ukuran Perusahaan
Kebijakan Pendanaan
Kinerja Keuangan-
NPM Kinerja
Keuangan- EPS
N Mean
Normal Parametersa,b Std. Deviation Most Extreme Absolute
Differences Positive
Negative Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed 60
13,73011 1,181684
,161 ,095
-,161 1,245
,090 60
,29468 ,431011
,260 ,260
,249 2,015
,090 60
,27487 ,711612
,398 ,398
-,353 3,085
,000 60
70,86261 129,879289
,295 ,285
-,295 2,281
,000
a Test distribution is normal. b Calculated from data.
Sumber: Lampiran 4 Dari tabel 4.3 dapat dilihat nilai kolmogorov-Smirnov untuk variabel ukuran
perusahaan 1,245 dengan probabilitas signifikansi 0.090 dan nilainya di atas 0.05, yang berarti data variabel ukuran perusahaan berdistribusi normal. Nilai
Kolmogorov-Smirnov variabel kebijakan pendanaan 2,015 dengan probabilitas signifikansi 0.001, variabel NPM 3,085 dengan probabilitas 0,000 dan variable EPS
2,281 dengan probabilitas 0,000 berada di bawah 0.05, berarti data variabel kebijakan pendanaan, NPM dan EPS tidak berdistribusi normal. Selain itu, melalui
grafik histogram dapat dilihat apakah data berdistribusi normal atau tidak. Dari gambar 4.1 nampak bahwa hasil tampilan grafik histogram menunjukkan
variabel ukuran perusahaan mendekati distribusi normal, sementara hasil tampilan
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
16.00 15.00
14.00 13.00
12.00 11.00
10 8
6 4
2 Mean = 13.7301
Std. Dev. = 1.18168 N = 60
Fr equenc
y
Ukuran Perusahaan
2.00 1.50
1.00 0.50
0.00
DER_ Keb Pen
30 25
20 15
10 5
Fr equ
enc y
Mean = 0.2947 Std. Dev. = 0.43101
N = 60
Gambar 4.2 Histogram Kebijakan Pendanaan
grafik histogram menunjukkan bahwa variabel kebijakan pendanaan memiliki disribusi tidak normal dan menceng ke kiri positive skewness.
Gambar 4.1 Histogram Ukuran Perusahaan
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
Data yang tidak berdistribusi normal dapat ditransformasi agar menjadi normal, Apabila tampilan grafik histogram menunjukkan variable tidak normal dan menceng
ke kiri positive skewness maka bentuk transformasinya adalah SQRTx atau akar kuadrat Ghozali, 2005: 32. Statistik deskriptif setelah dilakukan transformasi dapat
dilihat pada tabel 4.4 berikut ini:
Tabel 4.4 Statistik Deskriptif - SQRT
N Minimum Maximum
Mean Std. Deviation
LnTA_02 LnTA_03
LnTA_04 LnTA_05
LnTA_06 SQRT_DER02
SQRT_DER03 SQRT_DER04
SQRT_DER05 SQRT_DER06
SQRT_NPM02 SQRT_NPM03
SQRT_NPM04 SQRT_NPM05
SQRT_NPM06 SQRT_EPS02
SQRT_EPS03 SQRT_EPS04
SQRT_EPS05 SQRT_EPS06
Valid N listwise 12
12 12
12 12
12 12
12 12
12 12
12 12
12 12
12 12
12 12
12 11,737
11,681 11,624
11,531 11,482
0,05 0,05
0,06 0.05
0,05 0,10
0,15 0,15
0,16 0,08
1,04 1,08
0,83 1,21
0,92 15,124
15,245 15,530
15,645 15,954
1,30 1,23
1,19 1,19
1,12 1,38
2,30 0,48
0,54 0,51
31,22 16,85
11,95 11,06
9,24 13,48550
13,62125 13,75892
13,86825 13,91642
0,4902 0,3976
0,4563 0,3770
0,4496 0,5107
0,5578 0,3480
0,3461 0,3181
8,9230 7,7264
6,4013 6,4216
5,1594 1,054900
1,149837 1,220905
1,285501 1,331629
0,39485 0,29997
0,31893 0,31733
0,34890 0,34610
0,57746 0,10844
0,13865 0,13314
8,03576 4, 05138
3,45054 3,42236
3,34803
Sumber: Lampiran 4 Berdasarkan tabel 4.4 dapat dilihat nilai dari variabel-variabel setelah
dilakukan transformasi. LDE minimum pada tahun 2002 adalah 0,05 dan LDE maksimum 1,30 dengan rata-rata 0,4902 dan standar deviasi 0,39485. LDE minimum
pada tahun 2003 adalah 0,05 dan LDE maksimum 1,23 dengan rata-rata 0,3976 dan
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
standar deviasi 0,29997. LDE minimum pada tahun 2004 adalah 0,06 dan LDE maksimum 1,19 dengan rata-rata 0,4563 dan standar deviasi 0,31893. LDE minimum
pada tahun 2005 adalah 0,05 dan LDE maksimum 1,19 dengan rata-rata 0,3770 dan standar deviasi 0,31773. LDE minimum pada tahun 2006 adalah 0,05 dan LDE
maksimum 1,12 dengan rata-rata 0,4496 dan standar deviasi 0,34890. NPM minimum pada tahun 2002 adalah 0,10 NPM maksimum 1,38 dengan rata-rata
0,5107 dan standar deviasi 0,34680. NPM minimum pada tahun 2003 adalah 0,15 dan NPM maksimum 2,30 dengan rata-rata 0,5578 dan standar deviasi 0,1,57746.
NPM minimum pada tahun 2004 adalah 0,15 dan NPM maksimum 0,48 dengan rata- rata 0,3480 dan standar deviasi 0,10844. NPM minimum pada tahun 2005 adalah
0,16 dan NPM maksimum 0,54 dengan rata-rata 0,3461 dan standar deviasi 0,13865. NPM minimum pada tahun 2006 adalah 0,08 dan NPM maksimum 0,51 dengan rata-
rata 0,3181 dan standar deviasi 0,13314. EPS minimum pada tahun 2002 adalah Rp1,04 dan EPS maksimum Rp 31,22 dengan rata-rata Rp 8,9230 dan standar deviasi
Rp 8,03576. EPS minimum pada tahun 2003 adalah Rp 1,08 dan EPS maksimum Rp 16,85 dengan rata-rata Rp 7,7264 dan standar deviasi Rp 4,05138. EPS minimum
pada tahun 2004 adalah Rp 0,83 dan EPS maksimum Rp 11,95 dengan rata-rata Rp 6,4013 dan standar deviasi Rp 3,45054. EPS minimum pada tahun 2005 adalah
Rp 1,21 dan EPS maksimum Rp 11,06 dengan rata-rata Rp 6,4216 dan standar deviasi Rp 3,42236. EPS minimum pada tahun 2006 adalah Rp 0,92 dan EPS
maksimum Rp 9,24 dengan rata-rata Rp 5,1594 dan standar deviasi Rp 3,34803.
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
Dari uraian tentang statistik deskriptif sebelum dan setelah dilakukan transformasi dengan SQRT dapat diambil kesimpulan bahwa LDE rata-rata turun
pada tahun 2003 dan naik lagi pada tahun 2004 kemudian turun kembali pada tahun 2005 serta pada tahun 2006 naik kembali tapi belum mencapai LDE sebagaimana
pada tahun 2002. Jadi LDE tahun 2006 turun dibandingkan LDE pada tahun 2002. Sebaliknya NPM rata-rata mengalami kenaikan pada tahun 2003 namun turun secara
tajam pada tahun 2004 dan terus berlangsung sampai dengan tahun 2006.EPS turun secara tajam pada tahun 2003 dan dilanjutkan dengan penurunan pada tahun 2004
walaupun tidak setajam penurunan pada tahun 2003 dan naik dalam tingkatan yang tidak signifikan pada tahun 2005 dan turun kembali secara tajam pada tahun 2006.
Dari kesamaan hasil sebelum dan setelah dilakukan transformasi nampak bahwa transformasi menyebabkan distribusi penyebaran data menjadi lebih merata
tanpa merubah hasil. Analisis selanjutnya menggunakan data yang ditransformasi.
Tabel 4.5 Uji Statistik Kolmogorov-Smirnov - SQRT
Kebijakan Pendanaan
SQRT Kinerja Keuangan
– NPM SQRT Kinerja Keuangan
– EPS SQRT N
Normal Parametersa,b
Most Extreme Differences
Kolmogorov – Smirnov Z Asymp.Sig.2-tailed
Mean Std. Deviation
Absolute Positive
Negative 60
,4342 ,32853
,128 ,128
-,122 ,993
,278 60
,4162 ,32155
,250 ,250
-,170 1,936
,001 60
6,2963 4,82458
,140 ,140
-,103 1,805
,190 a Test distribution is Normal
b Calculated from data.
Sumber: Lampiran 4
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
1.25 1.00
0.75 0.50
0.25 0.00
Kebijakan Pendanaan SQRT
14 12
10 8
6 4
2
Frequency
Mean = 0.4189 Std. Dev. = 0.31606
N = 57
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
1.00 0.80
0.60 0.40
0.20 0.00
Kinerja Keuangan - NPM SQRT
20 15
10 5
Fr equency
Mean = 0.3675 Std. Dev. = 0.16247
N = 57
Dari tabel 4.5 dapat dilihat bahwa nilai Kolmogorov-Smirnov untuk variabel kebijakan pendanaan X
2
0,993 dengan probabilitas signifikansi 0,278 dan variabel EPS Y
2
1,085 dengan probabilitas signifikansi 0,190 nilainya jauh di atas 0,05. Hal ini berarti variabel kebijakan pendanaan X
2
dan EPS Y
2
sudah berdistribusi normal dan hasil tampilan grafik histogram pada gambar 4.5 dan 4.6 juga konsisten.
Gambar 4.6 Histogram Kinerja Keuangan – EPS SQRT
Nilai Kolmogorov-Smirnov untuk variabel NPM Y
1
adalah 1,936 dengan probabilitas signifikansi 0,001 yang jauh di bawah 0,05 menunjukkan bahwa
Gambar 4.5 Histogram Kebijakan Pendanan SQRT
20.00 15.00
10.00 5.00
0.00
Kinerja Keuangan - EPS SQRT
12 10
8 6
4 2
Fre que
ncy
Mean = 6.3642 Std. Dev. = 3.61579
N = 57
variabel NPM masih belum berdistribusi normal. Hal ini dapat dilihat melalui hasil tampilan grafik histogram pada gambar di bawah ini.
Gambar 4.7 Histogram Kinerja Keuangan-NPM SQRT
Setelah transformasi data dilakukan maka langkah seklanjutnya untuk mendapatkan normalitas data adalah melakukan pengujian otlier. Uji ini berguna
untuk melihat apakah ada data yang outlier., yaitu data yang mempunyai nilai yang sangat menyimpang dari nilai data lainnya. Menurut Hait 1998 dalam Ghozali
2001, 36 untuk kasus sampel kecil kurang dari 80, standar skor dengan nilai ± 2,5 dinyatakan outlier,. Berdasarkan kriteria ini ditemukan data outlier sebagai berikut :
Tabel 4.6 Nilai Skor Outlier
Observasi LDE Observasi NPM
Observasi EPS
9 2,61480 5 3,,00406
5 5,03588
13 5,85822
Sumber : Data diolah Setelah data outlier teridentifikasi langkah berikutnya adalah tetap
mempertahankan data outlier atau membuang data outlier, dalam hal ini alternatif yang dipilih adalah data outlier dikeluarkan dari sampel pengamatan sehingga jumlah
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
sampel pengamatan menjadi 57. Keputusan membuanga data outlier ini dilakukan karena dianggap tidak menggambarkan observasi dalam populasi Ghozali, 2001: 38.
Hasil uji statistik Kolmogrov-Smirnov setelah data dioutlier dapat dilihat pada tabel 4.7 berikut ini.
Tabel 4.7 Uji Statistik Kolmogrov-Smirnov setelah outlier
Ukuran Perusahaan
Kebijakan Pendanaan
SQRT Kinerja
Keuangan- NPM
SQRT Kinerja
Keuangan- EPS
SQRT N
Normal Parameters a,b Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed
Mean Std.
Deviation Absolute
Positive Negative
57 13,75852
1,178936 ,166
,100 -,166
1,255 0,86
57 ,4189
.31606 ,123
,123 -,122
,927 ,357
57 ,3675
,16247 ,100
,100 -,083
,753 ,622
57 6,3642
3,61579 ,088
,079 -,088
,666 ,767
a Test distribution is Normal b Calculated from data
Sumber : Lampiran 4 Dari tabel 4.7 dapat dilihat bahwa nilai Kolmogrov-Smirnov untuk ukuran
perusahaan X
1
1,256 dengan probabilitas signifikansi 0,086, variabel kebijakan pendanan X
2
0,927 dengan probabilitas signifikansi 0,357, variabel NPM Y
1
0,753 dengan probabilitas signifikansi 0,622 serta variabel EPS Y
2
0,666 dengan
probabilitas signifikansi 0,767 yang berada jauh di atas 0,05. Hsl ini berarti data
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
16.000 15.000
14.000 13.000
12.000 11.000
Ukuran Perusahaan
10 8
6 4
2
Frequency
Mean = 13.75852 Std. Dev. = 1.178936
N = 57
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
1.25 1.00
0.75 0.50
0.25 0.00
Kebijakan Pendanaan SQRT
14 12
10 8
6 4
2
Frequ ency
Mean = 0.4189 Std. Dev. = 0.31606
N = 57
untuk semua variabel sudah berdistribusi normal dan dapat dilihat melalui tampilan grafik histogram pada gambar 4.8, 4.9, 4.10 dan 4.11 serta hasilnya konsisten.
Gambar 4.9 Histogram Kebijakan Pendanaan setelah o Gambar 4.8 Histogram Ukuran Perusahaan setelah outlier
1.00 0.80
0.60 0.40
0.20 0.00
Kinerja Keuangan - NPM SQRT
20 15
10 5
Frequency
Mean = 0.3675 Std. Dev. = 0.16247
N = 57
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
20.00 15.00
10.00 5.00
0.00
Kinerja Keuangan - EPS SQRT
12 10
8 6
4 2
Fr eq
ue nc
y
Mean = 6.3642 Std. Dev. = 3.61579
N = 57
Gambar 4.11 Histogram Kinerja Keuangan – EPS setelah outlier
Penggunaan data yang telah ditransformasi mengakibatkan berubahnya definisi operasional atas variabel-variabel. Definisi operasional dari variabel-variabelyang
ditransformasi adalah sebagai berikut :
Gambar 4.10 Histogram Kinerja Keuangan – NPM setelah outlier
Nilai
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
Ukuran Perusahaan Kebijakan Pendanaan Kinerja Keuangan - NPMKinerja Keuangan - EPS VIF
Ukuran Perusahaan X
1
1,000 0,
Kebijakan Pendanaan X 396
0,176 0,235
1,143
2
-0,396 1,
Kinerja Keuangan - NPM Y
1
0,176 -0,
Kinerja Keuangan - EPS Y
2
0,235 0,
Variabel 000
-0,080 0,029
1,143 080
1,000 -
029 1,000
- Nilai Korelasi
1. Net Profit Margin adalah perbandingan antara selisih akar kuadrat laba bersih
dengan akar kuadrat pajak terhadap akar kuadrat penjualan. 2.
Earning per share adalah perbandingan antara akar kuadrat laba yang tersedia bagi pemegang saham biasa terhadap akar kuadrat jumlah saham yang
beredar. 3.
LDE adalah perbandingan antara akar kuadrat hutang jangka panjang terhadap akar kuadrat ekuitas pemegang saham.
2. Uji Multikolinearitas
Pengujian multikolinearitas dilakukan dengan melihat nilai VIF korelasi di antara variabel bebas. Adapun hasil pengujian multikolinearitas dapat dilihat pada
tabel 4.8 berikut ini:
Tabel 4.8 Uji Multikolinearitas
Sumber: Lampiran 4
Berdasarkan kriteria pengujian multikolenearitas, maka dapat disimpulkan bahwa di antara variabel bebas tidak terjadi multikolenearitas karena nilai dari VIF
10. Disamping itu, berdasarkan matriks korelasi di antara variabel bebas, ternyata tidak ada variabel bebas yang mempunyai nilai korelasi R lebih besar dari 0,9.
3 2
1 -1
-2
Regr ession S
tudentized Residua
l
4 2
-2 -4
Regression Standardized Predicted Value Dependent Variable: Kinerja Keuangan _ EPS
Scatterplot
Dengan demikian pengujian multikolinearitas dengan melihat nilai VIF dan nilai korelasi di antara variabel bebas memberikan hasil yang konsisten.
3. Uji Heterokedastisitas Uji heterokedastisitas dilakukan dengan melihat grafik scatterplot antara nilai
residu variabel terikat SRESID dengan nilai prediksi variabel bebas ZPRED. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED, nilai residual adalah Y dan nilai yang diprediksi X. Grafik scatterplot dalam uji heterokedastisitas untuk
persamaan variabel bebas ukuran perusahaan dan kebijakan pendanaan terhadap variabel terikat NPM dapat dilihat pada gambar 4.12 serta terhadap variabel terikat
EPS dapat dilihat pada gambar 4.13 berikut ini :
Gambar 4.12 Uji Heterokedastisitas - NPM
Dari gambar 4.12 dapat dilihat bahwa tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y , begitu juga gambar 4.13
menunjukkan tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, berarti tidak terjadi heterokedastisitas.
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
2 1
-1 -2
Regression Standardized Predicted Value
4 3
2 1
-1 -2
R egre
ssi o
n Stud
enti zed
R esi
d u
al
Dependent Variable: Kinerja Keuangan _ NPM Scatterplot
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
R Square Change
F Change df1
df2 Sig. F
Change 1
,353a 0,125
0,092 0,1548
0,125 3,842
2 54
0,028 1,796
a Predictors: Constant, Kebijakan Pendanaan SQRT, Ukuran Perusahaan b Dependent Variable: Kinerja Keuangan - NPM SQRT
Std. Error of the
Estimate Change Statistics
Durbin- Watson
Model R
R Square Adjusted
R Square
Gambar 4.13 Uji Heterokedastisitas - EPS
4. Uji Autokorelasilasi Pada penelitian ini, untuk mendeteksi apakah model yang digunakan
mengalami gejala autokorelasi adalah dengan melihat nilai statistik Durbin Watson. Hasil dari nilai Durbin Watson dapat
Sumber: Lampiran 4 Dari tabel 4.9 dapat dilihat bahwa nilai Durbin Watson 1.796 dan dari tabel
statistik Durbin Watson dengan 0.05 dl dan du 1.499 dan 1.645, dan nilai dari 4-dl dilihat pada tabel 4.9 berikut ini:
Tabel 4.9 Uji Autokorelasi - NPM
R Square Change
F Change df1
df2 Sig. F
Change 062 3,50153
0,096 2,857
2 54
0,066 1,586
SQRT, Ukuran Perusahaan PS SQRT
Std. Error of the
Estimate Change Statistics
Durbin- Watson
ted are
1 ,309a
0,096 0,
a Predictors: Constant, Kebijakan Pendanaan b Dependent Variable: Kinerja Keuangan - E
Model R
R Square Adjus
R Squ
Seniwati Sembiring : Pengaruh Ukuran Perusahaan Dan Kebijakan Pendanaan Terhadap Kinerja Keuangan Pada Perusahaan Bisnis Properti Di Bursa Efek Jakarta, 2008
M o d el R
R S q u are A d ju sted R
S q u are S td . E rro r o f th e
E stim ate 1
,3 5 2 a 0 ,1 2 4
0 ,1 0 8 0 ,1 5 3 4 6
a P red icto rs: C o n stan t, U k u ran P eru sah aan
dan 4-du 2.501 dan 2.355. Dengan demikian dapat disimpulkan bahwa nilai du DW 4-du atau 1.499 1.796 2.355, yang artinya tidak terjadi autokorelasi.
Tabel 4.10 Uji Autokorelasi - EPS
Sumber: Lampiran 4 Dari tabel 4.10 dapat dilihat bahwa nilai Durbin Watson 1.586 dan dari tabel
statistik Durbin Watson dengan 0.05 dl dan du 1.499 dan 1.645, dan nilai dari 4-dl dan 4-du 2.501 dan 2.355. Dengan demikian dapat disimpulkan bahwa nilai du
DW 4-du atau 1.499 1.796 2.355, yang artinya tidak terjadi autokorelasi
4.1.3 Pengujian Hipotesis
