Nilai rata-rata DER perusahaan manufaktur yang terdaftar di BEI tahun 2009-2012 adalah sebesar 21,8339 dengan standar deviasi sebesar 35,37822
artinya penyebaran data bervariatif dan mengarah pada distribusi data yang tidak normal karena nilai rata-rata lebih kecil dari nilai standar deviasinya. Nilai
tertinggi DER adalah 290.69 ada pada emitten Kalbe Farma Tbk KLBF tahun 2009 sebesar dan HM Sampoerna Tbk HMSP memiliki nilai terendah pada
tahun 2009 sebesar 1,96. Semakin tinggi nilai DER maka semakin tidak baik karena menunjukkan peningkatan hutang perusahaan yang dapat meningkatkan
resiko financial distres. Nilai rata-rata DPR perusahaan manufaktur dalam sektor barang konsumsi
yang terdaftar di BEI tahun 2009-2012 adalah sebesar 45,7155 dengan standar deviasi sebesar 42.43907 artinya penyebaran data bervariatif dan mengarah
pada distribusi data yang normal karena nilai rata-rata lebih besar dari nilai standar deviasinya. Nilai tertinggi DPR adalah Cahaya Kalbar Tbk dan nilai
terendah DPR adalah 0,03. Emitten HM Sampoerna Tbk HMSP memiliki nilai
maksimum pada tahun 2010 sebesar 275.74. Semakin tinggi nilai DPR maka semakin baik karena mencerminkan perusahaan mampu memenuhi harapan
investornya dalam membagi sebagai laba bersih yang diperoleh perusahaan.
5.2. Uji Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala
heteroskedastisitas, gejala multikolonieritas, dan gejala autokorelasi. Model regresi akan dapat dijadikan estimasi yang tidak bias jika telah memenuhi
Universitas Sumatera Utara
persyaratan BLUE Best Linear Unbiased Estimator yakni tidak terdapat heteroskedastisitas, tidak terdapat multikolonieritas dan tidak terdapat
autokolerasi.
5.2.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah variabel dependen dan independen yang digunakan dalam penelitian mempunyai ditribusi normal atau
tidak. Model regresi yang layak adalah model yang mempunyai distribusi normal atau mendekati normal. Hasil pengujian normalitas data dapat dilihat pada
Gambar 5.1.
Gambar 5.1. Normal P-Plot
Sumber: Lampiran Output SPSS
Universitas Sumatera Utara
Pada grafik normal probility Gambar 5.1. menunjukkan titik-titik menjauhi garis diagonal dan hal ini menunjukkan bahwa residual tidak terdistribusi secara
normal.
Gambar 5.2. Grafik Histogram
Sumber: Lampiran Output SPSS Pada grafik histogram pada gambar diatas tampak bahwa residual
terdistribusi secara tidak normal karena grafik histogram tidak proporsional yaitu melenceng ke kiri. Uji Kolmogorov-Smirnov dapat dilakukan untuk menguji
apakah residual terdistribusi secara normal. Hasil uji Kolmogorov-Smirnov tampak dibawah ini:
Tabel 5.2 One-Sample Kolmogorov-Smirnov Test
Universitas Sumatera Utara
EP-R CAPBVA
VAR DER
DPR Unstandardized
Residual N
132 132
132 132
132 132
Normal Parameters
a
Mean 24.7770
4.9491 21.3666 21.8339 45.7155
.0000000 Std.
Deviation 6.79899E
1 6.55356 3.96951E1
3.53782E 1
4.24391E 1
40.96610633 Most Extreme
Differences Absolute
.372 .219
.332 .287
.182 .191
Positive .372
.219 .332
.258 .182
.191 Negative
-.358 -.209
-.325 -.287
-.141 -.128
Kolmogorov-Smirnov Z 4.273
2.521 3.810
3.299 2.085
2.190 Asymp. Sig. 2-tailed
.000 .000
.000 .000
.000 .000
Sumber: Lampiran Output SPSS Berdasarkan uji Kolmogorov-Smirnov diperoleh sig. K-S 0,05 nilai
α yaitu 0,000 0,05 untuk variabel EP-R, 0,000 0,05 untuk variabel CAPBVA,
0,000 0,05 untuk variabel VAR, 0,000 0,05 untuk variabel DER, 0,000 0,05 untuk variabel DPR dan secara keseluruhan dari Unstandardized Residual sebesar
0,000 0,05. Oleh sebab itu, residual data tidak terdistribusi dengan normal.
5.2.2. Uji Normalitas Setelah Transformasi
Berikut ini dijelaskan hasil uji normalitas data setelah ditransformasi menggunakan Logaritma Natural LN. Hasil pengujian normalitas data dapat
dilihat pada Gambar 5.3.
Universitas Sumatera Utara
Gambar 5.3. Normal P-Plot Setelah Transformasi Gambar pada tampilan Normal P-Plot memberikan pola distribusi normal
dengan penyebaran secara merata mendekati garis diagonal.
Universitas Sumatera Utara
Gambar 5.4. Grafik Histogram Setelah Transformasi
Gambar pada tampilan grafik histogram memberikan pola distribusi normal dengan penyebaran secara merata baik ke kiri maupun ke kanan. Selain
dari gambar diatas, uji normalitas dapat dilakukan dengan uji statistik Kolmogorov Smirnov, yang merupakan pengujian yang paling valid atas
normalitas. Pengujian ini dilakukan terhadap nilai yang dihasilkan dari setiap variabel dengan hasil yang terlihat pada Tabel 5.6. berikut:
Tabel 5.3 One-Sample Kolmogorov-Smirnov Test Setelah Trasformasi
Universitas Sumatera Utara
LN2.EPR LN.CAPBVA LN2.VAR LN2.DER LN.DPR Unstandardized
Residual N
129 99
132 132
132 96
Normal Parameters
a
Mean .8096
1.2939 .9237
.7662 3.3829
.0000000 Std. Deviation
.41636 1.28518
.28076 .47615 1.14154
1.05344321 Most Extreme
Differences Absolute
.108 .083
.084 .069
.083 .093
Positive .083
.050 .084
.054 .066
.077 Negative
-.108 -.083
-.081 -.069
-.083 -.093
Kolmogorov-Smirnov Z 1.228
.825 .968
.790 .959
.915 Asymp. Sig. 2-tailed
.098 .504
.306 .560
.316 .372
Sumber Lampiran Output SPSS Berdasarkan uji Kolmogorov-Smirnov pada data yang ditransformasi
dalam bentuk Logaritma Natural LN diperoleh sig. K-S 0,05 nilai α yaitu
0,098 0,05 untuk variabel EP-R, 0,504 0,05 untuk variabel CAPBVA, 0,306 0,05 untuk variabel VAR, 0,560 0,05 untuk variabel DER, 0,316 0,05 untuk
variabel DPR dan secara keseluruhan dari Unstandardized Residual sebesar 0,372 0,05. Oleh sebab itu, residual data terdistribusi dengan normal sehingga layak
untuk menggunakan statistik parametrik.
5.2.3. Uji Multikolonieritas
Tabel 5.4 Hasil Uji Multikolonieritas Setelah Transformasi
Model Collinearity Statistics
Keterangan Tolerance
VIF 1 Constant
LN2.EPR .900
1.111 Tidak terjadi Multikolonieritas LN.CAPBVA
.829 1.206 Tidak terjadi Multikolonieritas
LN2.VAR .915
1.093 Tidak terjadi Multikolonieritas LN2.DER
.797 1.254 Tidak terjadi Multikolonieritas
a. Dependent Variable: LN.DPR
Setelah dilakukan transformasi, dieroleh nilai VIF yang lebih kecil dari 10 dan nilai toleransi yang lebih besar dari 0,1. Multikolonieritas terjadi apabila nilai
Universitas Sumatera Utara
tolerance 0,10 dan Variance Inflation Factor VIF 10. Hal ini menunjukkan bahwa variabel-variabel independen yang digunakan dalam penelitian ini tidak
saling berkolerasi atau tidak ditemukan adanya kolerasi antar variabel independen. 5.2.4. Uji Heteroskedastisitas
Berikut ini hasil uji heteroskedasitas sesudah transformasi menggunakan uji statistik.
Tabel 5.5 Uji Glejtser
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .066
.305 .217
.828 LN2.EPR
.383 .216
.187 1.771
.080 LN.CAPBVA
.020 .063
.035 .320
.750 LN2.VAR
.198 .279
.074 .708
.481 LN2.DER
.223 .170
.147 1.309
.194 a. Dependent Variable: abres1
Sumber: Lampiran Output SPSS Berdasarkan uji gletser terlihat bahwa nilai signifikansi diatas 0,05 yang
berarti tidak signifikan sehingga dapat disimpulkan tidak terjadi heteroskedasitas.
Universitas Sumatera Utara
Gambar 5.5. Scatterplot Setelah Transformasi
Sumber: Hasil Penelitian 2013, Data Diolah Berdasarkan grafik scater plots diatas terlihat bahwa titik-titik menyebar
secara acak dan telah tersebar baik di atas maupun dibawah angka 0 nol pada sumbu Y sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
model regresi.
5.2.5. Uji Autokolerasi
Tabel 5.6 Tabel Autokorelasi Setelah Transformasi
Model R
R Square Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson 1
.398
a
.159 .122
1.07635 1.553
a. Predictors: Constant, LN2.DER, LN2.VAR, LN2.EPR, LN.CAPBVA b. Dependent Variable: LN.DPR
Sumber: Lampiran Output SPSS
Universitas Sumatera Utara
Berdasarkan uji autokorelasi diperoleh nilai hitung Durbin Watson sebesar 1,553 menunjukkan tidak terjadi autokorelasi positif karena nilai Durbin-Watson
DW-test sudah diatas 1,5 batas bawah Lower Bound DL.
5.3. Hasil Analisis Data Hipotesis Pertama 5.3.1 Uji Signifikansi Simultan
