43
2. Variabel ROA X2, dapat diketahui bahwa nilai rata-rata yang dimiliki
sebesar 9.2708. Pada ROA diketahui bahwa sebaran data untuk ukuran perusahaan lebih condong menyebar di atas nilai mean, dan tidak ada
didapati nilai ukuran perusahaan yang terlalu ekstrem. Standar deviasi sebesar 9.59465 menunjukkan variasi penyebaran data pada variabel
ukuran perusahaan. 3.
Variabel NPM X3, dapat diketahui bahwa nilai rata-rata yang dimiliki sebesar 11.0094. Untuk sebaran data, diketahui bahwa pada variabel net
profit margin tidak ada didapati data yang memiliki nilai ekstrem dan data
4. Variabel Leverage DAR X4, dapat diketahui bahwa nilai rata-rata yang
dimiliki sebesar 0.4577. Untuk sebaran data, diketahui bahwa pada variabel risiko keuangan tidak ada didapati data yang memiliki nilai
ekstrem dan data menyebar secara seimbang di sekitar nilai mean, baik itu di atas nilai mean maupun di bawah nilai mean. Standar deviasi sebesar
0.22488 menunjukkan variasi penyebaran data pada variabel risiko keuangan.
4.2 Uji Asumsi Klasik
Pengujian asumsi klasik dilakukan untuk menentukan model regresi dapat diterima secara ekonometrik. Untuk menghasilkan suatu model regresi yang baik,
analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik
Universitas Sumatera Utara
44
perlu dilakukan perbaikan terlebih dahulu. Pengujian asumsi klasik ini terdiri dari UjiNormalitas, UjiMultikolonearitas, Uji Autokolerasi dan Uji Heterokedastisitas.
4.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Pengujian normalitas data dalam penelitian ini mengunakan
uji statistik non parametrik Kolmogorov-Smirnov K-S, grafik Histogram, dan grafik Normal Plot. Uji statistik non parametrik Kolmogorov-Smirnov K-S
dengan membuat hipotesis: H
: Data residual berdistribusi normal H
a
: Data residual tidak berdistribusi normal Dalam uji Kormogrov-Smirnov, pedoman yang digunakan dalam pengambilan
keputusan yaitu: 1 jika nilai signifikansi 0,05 maka distribusi data tidak normal,
2 jika nilai signifikansi 0,05 maka distribusi data normal. Hasil uji kolmogorov-Smirnov dapat dilihat pada tabel dibawah ini:
Tabel 4.2
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
64 Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.60097904 Most Extreme Differences Absolute
.068 Positive
.056 Negative
-.068 Test Statistic
.068
Universitas Sumatera Utara
45 Asymp. Sig. 2-tailed
.200
c,d
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction. d. This is a lower bound of the true significance.
Berdasarkan hasil pengujian normalitas dengan uji Kolmogorov-Smirnov pada table 4.2 tersebut telah menunjukkan bahwa residual terdistribusi secara
normal, dengan nilai signifikansi 0,200 0,05. Dengan penanganan data yang tidak normal diperoleh 64 sampel pada penelitian ini yang telah lulus uji
normalitas.
Gambar 4.1
Berdasarkan grafik diatas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal
yang tidak menceng skewness ke kiri maupun ke kanan. Demikian pula dengan
Universitas Sumatera Utara
46
hasil uji normalitas dengan menggunakan grafik p-plot dibawah ini. Pada grafik normal p-plot, terlihat titik-titik menyebar disekitar garis diagonal serta
penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
Gambar 4.2
4.2.2 Uji Multikolinearitas
Pengujian ini bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Dalam model regresi yang
baik tidak terjadi korelasi antar variabel independen. Ada atau tidaknya korelasi dapat dilakukan dengan melihat tolerance dan lawanya yaitu VIF Variance
inflation factor. Menurut Ghozali 2006:57 kedua ukuran ini menunjukkan
Universitas Sumatera Utara
47
setiap variabel independen manakah yang dijelaskan oleh variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dengan kata lain,
setiap variabel independen menjadi variabel dependen dan diregres terhadap variabel independen lainnya untuk mengetahui korelasi antar variabel independen
tersebut. Nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai tolerance 0,1 atau sama dengan VIF 10. Dengan kata lain, data yang bebas multikolonieritas adalah yang memiliki nilai
tolerance 0,1 dan VIF 10. Berikut adalah hasil dari uji multikolonieritas.
Tabel 4.3
Model Unstandardized
Coefficients Standardi
zed Coefficie
nts
T Sig.
Collinearity Statistics
B Std.
Error Beta
Tolera nce
VIF 1
Consta nt
-7.119 1.962
-3.629 .001
UP .399
.133 .353
3.001 .004 .935
1.070 ROA
1.038 .317
.668 3.277 .002
.312 3.208
NPM -.985
.350 -.578
-2.815 .007 .308
3.250
Universitas Sumatera Utara
48
Dependent Variable: Perataan_laba Sumber: data diolah 2015
Berdasarkan table 4.5 dapat dilihat bahwa tidak satupun variabel bebas yang memiliki nilai tolerance 0.1 dan nilai VIF 10. Oleh karena itu, dapat
disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini bebas dari adanya multikolonieritas.
4.2.3 Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada
data time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson. Untuk uji
Durbin Watson memiliki ketentuan sebagai berikut: 1 tidak ada autokorelasi positif, jika 0 d dl,
2 tidak ada autokorelasi positif, jika dl ~ d ~ du, Levera
ge .779
.455 .218
1.711 .092 .801
1.249
Universitas Sumatera Utara
49
3 tidak ada korelasi negatif, jika 4 - dl d 4,
4 tidak ada korelasi negatif, jika 4 – du ~ d ~ 4 – dl,
5 tidak ada autokorelasi, positif atau negatif, jika du d 4 – du.
Tabel 4.4 Model Summary
b
Model R
R Square Adjusted R
Square Std. Error
of the
Estimate Durbin-
Watson 1
.485
a
.235 .183
1.65436 2.300
a. Predictors: Constant, Leverage, UP, ROA, NPM b. Dependent Variable: Perataan
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 2,300 d. Nilai ini akan peneliti bandingkan dengan nilai tabel dengan menggunakan signifikansi
5, jumlah pengamatan n sebanyak 16 perusahaan dan jumlah variabel independen 4 k = 4. Berdasarkan tabel Durbin Watson didapat nilai batas atas
du sebesar 1,935 dan nilai batas bawah dl 0,734. Oleh karena itu, Nilai D-W 2,300 berada di antara du 1.935 dan 4-du 2.065 atau 1,935 2,300 2,365.
Universitas Sumatera Utara
50
Dengan demikian dapat disimpulkan bahwa model regresi tidak mengalami gejala autokorelasi, sehingga pengujian dapat dilanjutkan.
4.2.4 Uji Heteroskedastisitas
Pengujian ini bertujuan untuk mengetahui apakah dalam model regresi terjadi perbedaan variance dari residual suatu pengamatan ke pengamatan lain.
Dalam model regresi yang baik tidak terjadi heteroskedastisitas. Ada tidaknya gejala heteroskedastisitas dapat diketahui dengan melihat grafik scatterplot
dengan dasar analisis sebagai berikut Ghozali, 2006:69 : a.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar, kemudian menyempit,
maka mengindikasikan
telah terjadi
heteroskedastisitas. b.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
Gambar 4.3
Universitas Sumatera Utara
51
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedasitas
4.3 Persamaan Regresi
