Uji Asumsi Klasik Analisis Hasil Penelitian

BAB IV ANALISIS HASIL PENELITIAN

A. Data Penelitian

Metode penelitian data yang digunakan dalam penelitian ini adalah metode analisis stastistik dengan menggunakan model persamaan regresi berganda yang bertujuan untuk mengetahui hubungan dan pengaruh dari beberapa variable bebas atau independen terhadap variabel tidak bebas atau variabel dependen. Analisis data dimulai dengan mengolah data menggunakan microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian hipotesis dilakukan dengan menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS versi 16. Prosedur dimulai dengan memasukkan semua variabel independen dan variabel dependen ke program SPSS tersebut dan menghasilkan output-output sesuai dengan metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, terdapat sejumlah 13 perusahaan otomotif yang memenuhi criteria untuk dijadikan sampel dan diamati selama periode 2007 sampai dengan 2009.

B. Analisis Hasil Penelitian

1. Uji Asumsi Klasik

a. Uji Normalitas

Universitas Sumatera Utara Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametric Kolmogorov-Smirnov K-S dengan membuat hipotesis berikut ini. H : Data residual berdistribusi normal, H a : Data residua l tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0.05 maka H diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0.05 maka H ditolak. Tabel 4.1 Uji Normalitas Data One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 34 Normal Parameters a Mean .0000000 Std. Deviation 4.56335695 Most Extreme Differences Absolute .192 Positive .192 Negative -.138 Kolmogorov-Smirnov Z 1.122 Asymp. Sig. 2-tailed .161 a.Test distribution is Normal Hasil pengolahan data tersebut menunjukkan besarnya nilai Kolmogrov- Smirnov K-S adalah 1.122 dan signifikans pada 0.161 dari tabel diatas dapat disimpulkan bahwa data telah terdistribusi secara normal karena p= 0.161 0.05. Secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi secara normal. Hal ini juga dapat dilihat dari grafik histogram dan grafik normal plot data. Universitas Sumatera Utara Gambar 4.1 Histogram Gambar 4.2 Grafik Normal P-P Plot Melalui perbandingan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data Universitas Sumatera Utara mengikut garis diagonal yang tidak melenceng skewness ke kiri maupun ke kanan tetapi grafik histogram tersebut menunjukkan bahwa data menyebar secara normal. Pada grafik normal plot data, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehinnga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. b. Uji Multikolinearitas Pada penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat kolonieritas yang masih dapat ditoleransi, yaitu tolerance 0.10 dan VIF 10. Berikut disajikan table 4.3 hasil pengujian. Tabel 4.2 Coefficients untuk ROI= fWTC, CR, DTA Model Collinearity Statistics Tolerance VIF 1 Constant Working Capital Turnover .807 1.239 Current Ratio .790 1.265 Debt to Total Asset .945 1.058 a. Dependent Variable: Return On Investment Tabel 4.3 Cofficients Correlations untuk ROI= WTC, CR, DTA Model Debt to Total Asset Working Capital Turnover Current Ratio 1 Correlations Debt to Total Asset 1.000 .085 -.165 Working Capital Turnover .085 1.000 .411 Current Ratio -.165 .411 1.000 Universitas Sumatera Utara Covariances Debt to Total Asset .030 .001 -.034 Working Capital Turnover .001 .004 .031 Current Ratio -.034 .031 1.465 a. Dependent Variable: Return On Investment Melihat hasil besaran korelasi antar variabel independen tampak bahwa variabel Working Capital Turnover, Current Ratio, dan Debt to Total Asset mempunyai korelasi sebesar 0.165 atau sekitar 16.5 . Hasil dari coefficient correlations tersebut menunjukkan tidak ada korelasi yang tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi tidak adanya multikolinearitas. Hasil perhitungan nilai tolerance juga menunjukkan tidak terjadinya korelasi antar variable independen dimana nilai tolerance lebih dari 0.1. Nilai tolerance WCT sebesar 0.807, nilai tolerance CR sebesar 0.790 dan nilai tolerance DTA sebesar 0.945. Perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF kurang dari 10 dimana nilai VIF WCT sebesar 1.239, nilai VIF CR sebesar 1.265 dan nilai VIF DTA sebesar 1.058. berdasarkan tabel diatas dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model ini.

c. Uji Heterokedastisitas

Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat grafik plot yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah: Universitas Sumatera Utara 1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengidentifikasi telah terjadi heterokedastisitas, 2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalis apakah terjadi heterokedastisitas atau terjadi homokedastisitas dengan mengamati penyebaran titik-titik pada gambar. Gambar 4.3 Scatterplot Grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi. Universitas Sumatera Utara Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain.

2. Analisis Regresi