58
terdistribusi normal. Lebih jelasnya dapat di lihat pada hasil output dari pengujian normalitas dengan kolmogorov smirnov sebagai berikut :
Tabel 3.7 Uji Normalitas Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 70
Normal Parameters
a
Mean .0000000
Std. Deviation 1.63263783
Most Extreme Differences Absolute
.141 Positive
.141 Negative
-.087 Kolmogorov-Smirnov Z
1.177 Asymp. Sig. 2-tailed
.125 a. Test distribution is Normal.
Sumber : Data Sekunder yang Telah Diolah, 2010 Berdasarkan hasil uji normalitas di atas, didapatkan hasil bahwa variabel
terdistribusi normal. Seperti diketahui, bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar
maka uji statistik menjadi tidak valid untuk jumlah sampel kecil, karena hasil uji statistik akan lebih baik jika semua variabel berdistribusi normal Ghozali,
2006:147. Selain itu, karena variabel berdistribusi normal, maka alat analisis data menggunakan analisis parametrik, sedangkan jika variabel tidak berdistribusi
normal maka alat analisis data menggunakan analisis non parametrik
3.7.3 Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk meramalkan pengaruh dua variabel prediktor atau lebih terhadap satu variabel atau untuk membuktikan
59
ada atau tidaknya hubungan fungsional antara dua variabel bebas atau lebih dengan variabel terikat Usman, 2003: 241. Pada penelitian ini, menggunakan
variabel bebas lebih dari satu, sehingga penelitian ini menggunakan Analisis Regresi Linear Berganda dan selanjutnya menggunakan bantuan program SPSS.
Alat analisis linear berganda digunakan untuk mengetahui bentuk hubungan antara variabel bebas X dengan variabel terikat Y. Data yang
digunakan untuk melakukan regresi liner berganda yaitu data efisiensi masing- masing indikator dari variabel bebas yaitu likuiditas, solvabilitas, perputaran
modal kerja, efisiensi penggendalian biaya dan ukuransize perusahaan. Rumus linier berganda ditunjukkan oleh persamaan:
Ŷ = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
- β
4
X
4
+ β
5
X
5
+ e Dimana:
Ŷ = Tingkat Rentabilitas
α = Konstanta persamaan regresi
β
1
, β
2
, β
3
, β
4
, β
5
= KoefisienX
1,
X
2,
X
3,
X
4,
X
5
X
1
= Likuiditas X
2
= Solvabilitas X
3
= Perputaran Modal kerja X
4
= Efisiensi Pengendalian Biaya X
5
= Size e
= Faktor lain
60
3.7.4 Uji Asumsi Klasik
3.7.4.1 Uji Multikolinearitas
Menurut Ghozali 2006:95 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk mendeteksi ada atau tidaknya
multikolonieritas didalam model regresi dilihat dari hubungan antara variabel bebas yang ditunjukkan oleh angka tolerance dan variance inflation factor
VIF yaitu : 1
Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa
tidak terdapat multikolinearitas pada penelitian tersebut. 2
Jika nilai tolerance 0,10 dan VIF 10, maka dapat diartikan bahwa terjadi gangguan multikolinearitas pada penelitian tersebut Ghozali,
2006:91-92. 3.7.4.2
Uji Heterokedastisitas
Uji Heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heterokedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas. Untuk mendeteksi ada atau tidaknya heterokedastisitas
dengan cara melihat grafik Scatterplot.
61
1 Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas.
2 Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Selain menggunakan grafik scatterplot, uji heterokedastisitas dapat juga
menggunakan uji glejser yang digunakan untuk meregres nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara
statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Probabilitas signifikansi di atas kepercayaan 5 dapat
disimpulkan bahwa model regresi tidak mengandung adanya heteroskedastisitas.
3.7.3.3 Uji Autokorelasi
Uji ini bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Pendeteksiannya menggunakan Durbin Watson Test Ghozali, 2001: 61. Jika nilai Durbin Watson diantara du
Durbin Watson maksimal dan 4-dl Durbin Watson minimal maka tidak terjadi autokorelasi.
3.7.5 Uji Hipotesis
