5.1.4 Net Profit Margin
Net Profit Margin memiliki nilai minimum = -0.09, nilai maksimum = 0.39, mean = 0.931 dan standar deviasi = 0.9475.
5.1.5 Rasio Struktur Aktiva
Rasio Struktur Aktiva memiliki nilai minimum = 0.08, nilai maksimum = 0.72, mean = 0.2641 dan standar deviasi = 0.14011.
5.1.6 Ukuran Perusahaan
Ukuran Perusahaan memiliki nilai minimum = 4.42, nilai maksimum = 9.02,
mean = 6.5074 dan standar deviasi = 1.29585. 5.1.7 Degree of Leverage
Degree of Leverage memiliki nilai minimum = -2.52, nilai maksimum = 2.09, mean = 0.1287 dan standar deviasi = 0.62914.
5.1.8 Fixed Asset Turn Over Ratio
Fixed Asset Turn Over Ratio memiliki nilai minimum = 1.03, nilai maksimum = 16.57, mean = 6.5791 dan standar deviasi = 3.52329.
5.1.9 Rasio Pertumbuhan Penjualan
Rasio Pertumbuhan Penjualan memiliki nilai minimum = -0.24, nilai maksimum = 0.55, mean = 0.1470 dan standar deviasi = 0.16175.
5.1.10 Return on Equity
Return on Equity memiliki nilai minimum = -0.02, nilai maksimum = 0.50, mean = 0.1602 dan standar deviasi = 0.13749.
5.1.11 Rasio Pertumbuhan Aktiva
Rasio Pertumbuhan Aktiva memiliki nilai minimum = -0.31, nilai maksimum = 0.55, mean = 0.1241 dan standar deviasi = 0.15574.
5.2. Analisis Data
5.2.1 Uji Asumsi Klasik 5.2.1.1 Uji normalitas
Menurut Santoso 2002 : 214, jika data menyebar disekitar garis normal dan mengikuti arah diagonal maka model regresi memenuhi asumsi normalitas. Tetapi jika
data menyebar jauh dari garis diagonal dan tidak mengikuti arah diagonal maka model regresi tidak memenuhi asumsi normalitas.
43
Universitas Sumatera Utara
Grafik 5.1
Dari grafik diatas dapat diambil kesimpulan bahwa data yang menyebar disekitar garis normal serta mengikuti arah garis diagonal regresi ini berarti bahwa model regresi
telah memenuhi asumsi normalitas. 5.2.1.2 Uji multikolinieritas
Uji multikolinieritas diperlukan untuk mengetahui ada tidaknya variabel independen memiliki kemiripan dengan variabel independen lainnya dalam suatu
model. Model regresi yang baik adalah model yang tidak mengalami multikolinieritas. Pengujian untuk mendeteksi ada tidaknya multikolinieritas adalah dengan melihat
tolerance value dan variance inflation factor VIF, yaitu nilai tolerance value lebih
tinggi daripada 0.10 atau VIF lebih kecil dari 10, maka tidak terjadi multikolinieritas variabel independen dalam model regresi ini.
Universitas Sumatera Utara
Tabel 5.2 Hasil Pengujian Multikolinieritas Model
Collinearity Statistics Tolerance
VIF
Constant Current Ratio CR
.345 2.901
Receivable Turn Over Ratio RTO .689
1.450 Net Profit Margin NPM
.180 3.530
Rasio Struktur Aktiva RSA .257
3.895 Ukuran Perusahaan UP
.537 1.861
Degree of Leverage DOL .937
1.067 Fixed Asset Turn Over FATO
.331 3.024
Rasio Pertumbuhan Penjualan RPP .684
1.463 Return on Equity ROE
.169 4.458
Rasio Pertumbuhan Aktiva RPA .708
1.412
Berdasarkan Tabel 5.2 diatas dapat diketahui bahwa semua nilai tolerance variabel independen lebih tinggi dari 0.10 dan semua variabel independen mempunyai
nilai VIF lebih kecil dari 10, sehingga dapat disimpulkan bahwa tidak terjadi multikolinieritas antara variabel independen dalam model regresi ini.
5.2.1.3 Uji autokorelasi Autokorelasi dapat didefenisikan sebagai korelasi antara variabel gangguan satu
dengan variabel gangguan lainnya. Model regresi yang baik adalah model yang tidak memiliki autokorelasi atau tidak terjadi autokorelasi baik positif maupun negatif.
Menurut Gujarati 1995, untuk mendeteksi adanya autokorelasi dengan tes Durbin Watson D-W ada beberapa kriteria penentuan yaitu :
d d
l
d : terjadi autokorelasi positif dalam model
l
≤ d ≤ d
u
d : jatuh pada daerah keragu-raguan
u
d 4-d
u
4-d : tidak terjadi autokorelasi baik positif maupun negatif
u
≤ d ≤ 4-d
l
4-d : jatuh pada daerah keragu-raguan
l
d : terjadi autokorelasi negatif dalam model
Universitas Sumatera Utara
Berdasarkan perhitungan SPSS, nilai d
w =
1.911. Tabel untuk observasi sebanyak 54 n = 54 dengan jumlah variabel independen sebanyak 10 k = 10, diperoleh nilai
d
1
= 1.29 dan d
u
Tabel 5.3 Hasil Pengujian Autokorelasi
= 1.86. Karena nilai Durbin-Watson 1.911 terletak diantara 1.86 dan 4 - 1.86 = 2.14 dapat disimpulkan model regresi tidak terjadi autokorelasi. Hasil
pengujian autokorelasi dapat dilihat pada Tabel 5.3 berikut :
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson
1 .826
.682
a
.608 .29556
1.911
5.2.1.4 Uji heteroskedastisitas Uji heteroskedastisitas dilakukan dengan tujuan untuk melihat jarak kuadrat
titik-titik sebaran terhadap garis regresi. Untuk mendeteksi ini dapat dilakukan dengan metode Scatter Plot. Metode ini mendeteksi jika terdapat pola tertentu seperti titik-titik
membentuk suatu pola tertentu yang teratur maka disinyalir ada gejala heteroskedastisitas. Sebaliknya jika tidak ada pola yang jelas dan titik-titiknya
menyebar maka tidak terjadi heteroskedastisitas. Berdasarkan hasil perhitungan dengan software SPSS Version 19.0 maka
didapat hasil berupa gambar Scatter Plot yang terdapat pada Grafik 5.2 berikut, yaitu tidak ada pola yang jelas dan titik-titiknya menyebar maka dapat disimpulkan model
regresi tidak terjadi heterokedastisitas. 46
Universitas Sumatera Utara
Grafik 5.2 Scatter Plot untuk Uji Heteroskedastisitas
5.3. Pengujian Hipotesis