Tabel 4.7 : Hasil Uji Normalitas 2
One-S ample Kolm ogorov-Sm irnov Test
20 20
20 20
90.8580 -3106. 7550
-5. 8365 -2. 6735
53.30865 6181.15938
14.20052 53.49127
.207 .092
.231 .193
.207 .092
.135 .183
-.111 -.079
-.231 -.193
.926 .411
1.034 .861
.358 .996
.236 .449
N Mean
St d. Deviat ion Normal Parameters
a,b
Absolute Positive
Negative Most E xtreme
Differences Kolmogorov-Smirnov Z
As ymp. Sig. 2-tailed ras io leverage
pangsa pasar ROA
ROE
Test distribution is Normal. a.
Calculated from data. b.
Sumber : Lampiran 5
Berdasarkan tabel di atas dapat ditunjukkan bahwa variabel rasio leverage
X
1
, pangsa pasar X
2
, ROA Y
1
dan ROE Y
2
Variabel Bebas berdistribusi
normal, karena tingkat signifikan yang dihasilkan lebih dari 5 sig 0,05.
4.4. Analisis Pengaruh Rasio Leverage dan Pangsa Pasar Terhadap Kinerja
Perusahaan Return On Assets ROA
4.4.1. Asumsi Klasik
Untuk mendukung keakuratan hasil model regresi, maka perlu dilakukan penelusuran terhadap asumsi klasik yang meliputi asumsi
multikolinieritas, heteroskedastisitas dan autokorelasi.
1. Asumsi Klasik : Multikolinieritas
Adapun besaran VIF dari masing-masing variabel bebas adalah sebagai berikut :
Tabel 4.8 : Hasil VIF Variance Inflation Factor
VIF Rasio leverage X
1
Pangsa pasar X
2
1,005 1,005
Sumber : Lampiran 7.A
Berdasarkan tabel 4.8 di atas, dapat disimpulkan bahwa model regresi yang dihasilkan tidak terjadi multikolinearitas, karena nilai VIF
pada variabel rasio leverage X
1
dan pangsa pasar X
2
Variabel Bebas lebih kecil dari
10.
2. Asumsi Klasik : Heteroskedastisitas
Heteroskedastisitas dapat diidentifikasikan dengan cara menghitung koefisien korelasi Rank Spearman antara nilai residual
dengan seluruh variabel bebas. Hasil dari uji Rank Spearman adalah sebagai berikut :
Tabel 4.9 : Korelasi Rank Spearman
Koefisien korelasi Rank Spearman
Tingkat signifikansi
Rasio leverage X
1
Pangsa pasar X
2
-0,051 0,039
0,830 0,870
Sumber : Lampiran 7.A
Berdasarkan tabel di atas, dapat disimpulkan bahwa model regresi yang dihasilkan tidak terjadi heteroskedastisitas, karena tingkat
signifikansi yang dihasilkan oleh variabel rasio leverage X
1
dan pangsa pasar X
2
lebih besar dari 5.
3. Asumsi Klasik : Autokorelasi
Uji statistik yang digunakan untuk mengetahui ada tidaknya autokorelasi adalah uji Durbin Watson. Berikut ini hasil uji Durbin
Watson:
Tabel 4.10 : Hasil Uji Durbin Watson
Model Summary
b
.743
a
.552 .499
10.05388 1.741
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, pangs a pasar, ras io leverage a.
Dependent Variable: ROA b.
Sumber : Lampiran 7.B
Untuk mengetahui ada tidaknya gejala autokorelasi maka perlu dilihat tabel Watson dengan jumlah variabel bebas k dan jumlah data
n sehingga diketahui d
L
dan d
U
maka dapat diperoleh distribusi daerah keputusan ada tidaknya autokorelasi.
k = 2
n = 20
d
L
= 1,10 d
U
= 1,54 Lampiran 9 Nilai Durbin Watson yang dihasilkan sebesar 1,741 berada diantara
1,54 d
U
sampai dengan 2,46 4-d
U
atau berada pada daerah tidak ada autokorelasi positif atau autokorelasi negatif.
Gambar 4.1
Ada Daerah
Daerah Ada Autokorelasi Keragu-raguan
Keragu-raguan Autokorelasi Negatif
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif 1,10
1,54 2,46 2,9
4
Sumber : Gujarati, Damodar, 1995, Ekonometrika Dasar, Terjemahan Sumarno Zain, Penerbit Airlangga, Jakarta.
: Kurva Uji Autokorelasi
4.4.2. Persamaan Regresi Linier Berganda
Berdasarkan hasil asumsi klasik tersebut di atas menyimpulkan bahwa
model regresi linier berganda yang dihasilkan adalah Best Linier Unbiased Estimator BLUE yaitu model regresi yang menghasilkan estimasi linear
tidak bias yang baik. Adapun model regresi linier berganda yang dihasilkan adalah sebagai berikut:
Tabel 4.11: Hasil Analisis Pengaruh Rasio Leverage dan Pangsa Pasar
Terhadap Return On Assets ROA
Coeffi cients
a
11,697 4,750
2,462 ,025
-,197 ,043
-,738 -4, 533
,000 ,995
1,005 ,000
,000 -,046
-,283 ,781
,995 1,005
Const ant ras io leverage
pangsa pasar Model
1 B
St d. E rror Unstandardized
Coeffic ient s Beta
St andardiz ed Coeffic ient s
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: ROA a.
Sumber : Lampiran 7.A Model Regresi
Y
1
= 11,697 - 0,197 X
1
+ 0,00011 X
2
Interpretasi Model Regresi
1. Konstanta a sebesar 11,697 menunjukkan besarnya Return On Assets Y
1
jika rasio leverage X
1
dan pangsa pasar X
2
adalah konstan. 2. Koefisien regresi pada variabel rasio leverage X
1
b
1
bertanda negatif atau tidak searah yaitu sebesar -0,197 yang artinya jika rasio
leverage X
1
naik satu satuan, maka Return On Assets Y
1
3. Koefisien regresi pada variabel pangsa pasar X akan turun
sebesar 0,197 satuan begitu juga sebaliknya, variabel lainnya dianggap konstan.
2
b
2
bertanda positif atau searah yaitu sebesar 0,00011 yang artinya jika pangsa pasar X
2
naik satu satuan, maka Return On Assets Y
1
ANOV A
b
2113.073 2
1056.537 10.452
.001
a
1718.368 17
101.080 3831.441
19 Regres sion
Residual Total
Model 1
Sum of Squares
df Mean S quare
F Sig.
Predic tors: Constant, pangsa pasar, rasio leverage a.
Dependent Variable: ROA b.
akan naik sebesar 0,00011 satuan begitu juga sebaliknya, variabel lainnya dianggap konstan.
4.4.3. Uji F dan Uji t
Uji F digunakan untuk menguji apakah model regresi linier berganda yang digunakan adalah cocok atau tidak.
Tabel 4.12: Hasil Uji F Pengaruh Rasio Leverage dan Pangsa Pasar
Terhadap Return On Assets
Sumber : Lampiran 7.A
Berdasarkan hasil analisis menunjukkan bahwa nilai F
hitung
sebesar 10,452 dengan tingkat signifikan 0,001 lebih kecil dari 5, hal ini berarti
model regresi yang dihasilkan adalah cocok atau sesuai untuk mengetahui pengaruh rasio leverage X
1
dan pangsa pasar X
2
terhadap ROA Y
1
. Uji t digunakan dengan tujuan untuk mengetahui pengaruh rasio
leverage X
1
dan pangsa pasar X
2
secara parsial terhadap Return On Assets
Y
1
Coeffi cients
a
11,697 4,750
2,462 ,025
-,197 ,043
-,738 -4, 533
,000 ,995
1,005 ,000
,000 -,046
-,283 ,781
,995 1,005
Const ant ras io leverage
pangsa pasar Model
1 B
St d. E rror Unstandardized
Coeffic ient s Beta
St andardiz ed Coeffic ient s
t Sig.
Tolerance VIF
Collinearity Statistics
Dependent Variable: ROA a.
. Berikut ini hasil uji t :
Tabel 4.13: Hasil Uji t Pengaruh Rasio Leverage dan Pangsa Pasar
Terhadap Return On Assets
Sumber : Lampiran 7.A
Berdasarkan hasil uji t pada tabel di atas menunjukkan bahwa : 1. Nilai t
hitung
pada variabel rasio leverage X
1
sebesar -4,533 dan nilai signifikan sebesar 0,000. Karena nilai signifikansi yang dihasilkan
kurang dari 5 maka H ditolak dan H
a
diterima yang berarti rasio leverage
berpengaruh negatif signifikan terhadap Return On Assets. 2. Nilai t
hitung
pada variabel pangsa pasar X
2
sebesar -0,283 dan nilai signifikan sebesar 0,781. Karena nilai signifikansi yang dihasilkan lebih
dari 5 maka H diterima dan H
a
ditolak yang berarti pangsa pasar tidak berpengaruh terhadap Return On Assets.
4.4.4. Koefisien Determinan R squareR
2
Adapun nilai koefisien determinasi R squareR
2
yang dihasilkan adalah sebagai berikut:
Tabel 4.14: Nilai Koefisien Determinasi R squareR
2
Model Summary
b
,743
a
,552 ,499
10,05388 1,741
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, pangs a pasar, ras io leverage a.
Dependent Variable: ROA b.
Sumber : Lampiran 7.B
Penjelasan tabel di atas adalah : 1. Nilai R
2
sebesar 0,552 yang berarti bahwa rasio leverage X
1
dan pangsa pasar X
2
hanya mampu menjelaskan variabel Return On Assets
Y
1
sebesar 55,2 dan sisanya sebesar 44,8 dijelaskan oleh variabel lain yang tidak dibahas pada penelitian ini.
2. Nilai korelasi R sebesar 0,743 menunjukkan korelasi yang sangat kuat antara rasio leverage X
1
dan pangsa pasar X
2
dengan Return On Assets
Y
1
Variabel Bebas yaitu sebesar 74,3.
4.5. Analisis Pengaruh Rasio Leverage dan Pangsa Pasar Terhadap Kinerja
Perusahaan Return On Equity ROE
4.5.1. Asumsi Klasik
Untuk mendukung keakuratan hasil model regresi, maka perlu dilakukan penelusuran terhadap asumsi klasik yang meliputi asumsi
multikolinieritas, heteroskedastisitas dan autokorelasi.
1. Asumsi Klasik : Multikolinieritas
