77 diperoleh dari 45 responden adalah 4,9626, dengan standar deviasi sebesar
2,31848. Nilai range dari perputaran kas adalah 10,39 dan penjumlahan perputaran kas dari 45 responden adalah 223,32.
Perputaran piutang sebagai variabel bebas kedua mengalami fluktuasi dengan nilai terendah 2,03 dan nilai tertinggi 5,91. Rata-rata perputaran piutang
yang diperoleh dari 45 responden adalah 3,0908, dengan standar deviasi sebesar 0,96247. Nilai range dari perputaran piutang adalah 3,88 dan penjumlahan
perputaran piutang dari 45 responden adalah 139,09. Perputaran persediaan sebagai variabel bebas ketiga juga mengalami
fluktuasi dengan nilai terendah 1,15 dan nilai tertinggi 3,99. Rata-rata perputaran persediaan yang diperoleh dari 45 responden adalah 2,3652, dengan standar
deviasi sebesar 0,68784. Nilai range dari perputaran persediaan adalah 2,84 dan penjumlahan perputaran persediaan dari 45 responden adalah 106,43.
4.1.6. Uji Asumsi Klasik Setelah Ditransformasi Square Root
Berikut ini hasil uji asumsi klasik setelah data pada penelitian ditransformasi ke dalam model Square Root.
4.1.6.1.Uji Normalitas Hasil uji normalitas setelah dilakukan transformasi pada data dapat dilihat
pada grafik P-P Plot dan garis poligon pada histogram berikut ini.
Universitas Sumatera Utara
78
Gambar 4.4. P-P Plot Setelah Ditransformasi Square Root
Gambar 4.1. diatas menunjukkan bahwa setelah dilakukan transformasi Square Root pada data, plot-plot data dalam penelitian menyebar disekitar garis
diagonal dan mengikuti garis diagonal. Selain menggunakan P-P Plot, normalitas data penelitian dapat dilihat dari bentuk poligon yang terdapat pada histogram
yang dapat dilihat pada gambar 4.2. berikut ini.
Gambar 4.5. Histogram Setelah Ditransformasi Square Root
Universitas Sumatera Utara
79 Gambar 4.2. menunjukkan bahwa setelah dilakukan transformasi Square
Root pada data, garis poligon pada histogram berdistribusi normal yang terlihat dari kecenderungan garis poligon yang tidak menceng ke kiri maupun ke kanan.
Dari pendekatan grafik P-P Plot dan histogram diatas, maka data-data pada penelitian ini mengikuti asumsi normalitas.
4.1.6.2.Uji Heterokedastisitas Hasil uji heterokedastisitas setelah dilakukan transformasi pada data dapat
dilihat pada scatterplot berikut ini.
Gambar 4.6. Grafik Scatterplot Setelah Ditransformasi Square Root
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi return on asset berdasarkan
Universitas Sumatera Utara
80 masukan variabel independen perputaran kas, perputaran piutang dan perputaran
persediaan.
4.1.6.3.Uji Multikolinearitas Hasil uji multikolinearitas setelah dilakukan transformasi pada data dapat
dilihat pada tabel berikut ini.
Tabel 4.8. Coefficients
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
,214 ,068
3,140 ,003
SQRT PK ,003
,007 ,057
,378 ,707
1,000 1,000
SQRT PP -,026
,024 -,239
-1,115 ,271
,487 2,051
SQRT PPERS ,060
,033 ,393
1,834 ,074
,487 2,051
a. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
Dari hasil output SPSS diatas menunjukkan bahwa nilai tolerance untuk perputaran kas yaitu 1,000, perputaran piutang 0,487 dan perputaran persediaan
0,487 lebih besar dari nilai cutoffyaitu 0,10. Dan nilai VIF untuk perputaran kas yaitu 1,000, perputaran piutang 2,051 dan perpuratan persediaan 2,051 lebih kecil
dari nilai cutoff yaitu 10. Dengan demikian data-data dalam penelitian ini bebas dari asumsi multikolinearitas.
Universitas Sumatera Utara
81 4.1.6.4.Uji Autokorelasi
Hasil uji multikolinearitas setelah dilakukan transformasi pada data dapat dilihat pada tabel berikut ini.
Tabel 4.9. Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square
Change F
Change df1
df2 Sig. F
Change 1
,283
a
,080 ,013
,10488 ,080
1,194 3
41 ,324
2,328 a. Predictors: Constant, SQRT_X3, SQRT_X1, SQRT_X2
b. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Dari tabel 4.9. diatas diperoleh nilai DW yaitu 2,328 dimana nilai D
L
dari tabel Durbin-Watson adalah 1,3832 dan D
U
adalah 1,6662 dan nilai dari 4- D
L
adalah 2,6168 dan nilai dari 4-D
U
adalah 2,3338. Kriteria penilaian data penelitian yang bebas autokorelasi adalah nilai D-W berada diantara D
U
dan 4-D
U,
maka dari hasil penelitian ini 1,6662 2,328 2,3338, maka tidak terjadi asumsi autokorelasi dalam penelitian ini.
4.1.7. Model Analisis Regresi Setelah Ditransformasi Square Root