4. Variabel rasio kas memiliki nilai minimum sebesar -4,61 nilai maksimum sebesar 0,39 nilai rata-rata mean sebesar -1,9522 dan nilai standar
deviasi sebesar 1,17044 dengan jumlah sampel sebanyak 75 sampel.
4.2 Pengaruh Modal Kerja X Terhadap Rasio Lancar Y
1
4.2.1 Uji Asumsi Klasik
1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji
normalitas dapat dilihat dari penyebaran data titik pada sumbu diagonal dari grafik. Dasar pengambilan keputusan adalah :
Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Sebaliknya,
jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram Rasio Lancar
Dari grafik normal P-Plot diatas terlihat bahwa titik-titik data tersebut menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal. Dengan demikian, model regresi memenuhi asumsi normalitas.
Universitas Sumatera Utara
Gambar 4.2 Grafik Histogram Rasio Lancar
Grafik histogram pada gambar diatas menunjukkan distribusi normal karena grafik tidak menceng kekiri maupun kekanan. Dengan demikian
dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi
yang baik seharusnya tidak terjadi korelasi. Semakin besar korelasi diantara sesama variabel independen, maka koefisien-koefisien regresi semakin
Universitas Sumatera Utara
besar kesalahannya dan standar errornya semakin besar pula. Cara yang digunakan untuk mendeteksi ada tidaknya multikolinieritas adalah dengan
menggunakan Variance Inflation Factors VIF. Menurut Myers 1990 : 369, menyatakan bahwa batasan nilai dari
kedua variabel dikatakan berkolinieritas tinggi bisa dilihat melalui nilai VIF. Apabila nilai VIF untuk variabel bebas lebih besar dari 10, maka salah satu
diantara variabel yang berkorelasi tinggi tersebut harus direduksi dari model regresi.
Tabel 4.2 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -.416
.426 -.976
.332 Modal Kerja
.052 .025
.241 2.119
.037 1.000
1.000 a. Dependent Variable: Rasio Lancar
Hasil perhitungan didapat bahwa nilai VIF variabel independen yaitu modal kerja X memiliki nilai VIF sebesar 1,000 atau memiliki nilai VIF
kurang dari 10, artinya tidak memiliki korelasi yang tinggi. Jadi dapat disimpulkan bahwa tidak dapat multikolinieritas dalam model regresi.
3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t-1 sebelumnya.
Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang
Universitas Sumatera Utara
diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW.
Dalam model regresi tidak terjadi autokorelasi apabila nilai du d 4 – du.
Tabel 4.3 Uji Autokorelasi
Dari tabel diatas menunjukkan bahwa nilai statistics Durbin Watson DW sebesar 1,955. Nilai ini akan dibandingkan dengan nilai tabel dengan
menggunakan taraf signifikansi 5, jumlah sampel n = 75 dan jumlah variabel independen k = 1. Maka berdasarkan tabel Durbin Watson didapat
nilai batas atas du sebesar 1,652 dan nilai batas bawah dl sebesar 1,598. Oleh karena itu, nilai DW lebih besar dari 1,652 dan lebih kecil dari 4 –
1,652 atau dapat dinyatakan bahwa 1,652 1,955 4 – 1,652 du d 4 – du. Dengan demikian dapat disimpulkan tidak terdapat autokorelasi baik
yang positif maupun negatif.
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .241
a
.058 .045
.64401 1.955
a. Predictors: Constant, Modal Kerja b. Dependent Variable: Rasio Lancar
Universitas Sumatera Utara
4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan
yang lain. Jika variance dari residual satu pengamatan kepengamatan lain tetap maka disebut Homoskedastisitas dan jika berbeda disebut
heteroskedastisitas atau tidak terjadi heteroskedastisitas. Dalam penelitian ini untuk mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat grafik scatterplot antara variabel dependen ZPRED dengan residualnya SRESID yang dihasilkan dari
pengolahan data dengan menggunakan SPSS. Dasar pengambilan keputusannya adalah :
1. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka TIDAK TERJADI
heteroskedastisitas. 2. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan TELAH TERJADI heteroskedastisitas.
Universitas Sumatera Utara
Gambar 4.3 Uji Heteroskedastisitas
Dari gambar scatterplot diatas, dapat dilihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur serta titik-
titik menyebar diatas dan dibawah angka 0 pada sumbu Y. Hal ini mengindikasi tidak terjadi heteroskedastisitas pada model regresi.
4.2.2 Analisis Regresi Sederhana Tabel 4.4
