d. variabel ROE memiliki nilai minimum terkecil
-2.90
, nilai maksimum terbesar
111.23
dan mean nilai rata-rata
27.9535
. Standart Deviation simpangan baku variabel ini adalah
25.42399
e. variabel PER memiliki nilai minimum terkecil
1.12
, nilai maksimum terbesar
252.45
dan mean nilai rata-rata
18.0340
. Standart Deviation simpangan baku variabel ini adalah
34.29964
B. Hasil Uji Asumsi Klasik 1. Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak, dengan membuat
hipotesis sebagai berikut: H
o
: data residual terdistribusi normal
H
a
: data residual terdistribusi tidak normal Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual
berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Pada penelitian ini akan digunakan kedua cara tersebut.
a Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal.
Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data
Universitas Sumatera Utara
dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik P-P Plot
Dengan melihat tampilan grafik histogram, penulis melihat bahwa gambar histogram telah berbentuk lonceng tetapi menceng ke arah kiri yang
menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot
Universitas Sumatera Utara
terlihat titik-titik tidak menyebar di sekitar garis diagonal dan jauh dari garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi
asumsi normalitas.
b Uji Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas
data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05
maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.2. Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
52 Normal Parameters
a
Mean .0000000
Std. Deviation 33.42630639
Most Extreme Differences Absolute
.322 Positive
.322 Negative
-.263 Kolmogorov-Smirnov Z
2.322 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,000. Dengan demikian, data pada penelitian ini tidak berdistribusi normal
karena probabilitas 0.05.
Universitas Sumatera Utara
Pada pengujian normalitas dengan analisis statistik dan grafik dapat ketahui bahwa data yang digunakan oleh penulis tidak berdistribusi normal sehingga data
ini tidak dapat digunakan untuk melakukan uji hipotesis. Pada penelitian ini penulis menggunakan metode transformasi data untuk menormalkan data
penelitian. Menurut Gozali 2005:32, “data yang tidak terdistribusi secara normal dapat ditransformasikan agar menjadi normal”. Salah satu trasformasi data yang
dapat dilakukan adalah dengan mentransformasikan data ke LG10 atau logaritma 10 atau LN. Hasil transformasi data dapat dilihat pada lampiran vi. Setelah
dilakukan transformasi, penulis melakukan pengujian ulang terhadap uji normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi
normal atau tidak. Berikut hasil uji normalitas data setelah transformasi:
a Analisis Grafik
Gambar 4.3 Histogram
Universitas Sumatera Utara
Gambar 4.4 P-Plot
b Uji Statistik Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 49
Normal Parameters
a
Mean .0000000
Std. Deviation .80534754
Most Extreme Differences Absolute
.112 Positive
.112 Negative
-.077 Kolmogorov-Smirnov Z
.785 Asymp. Sig. 2-tailed
.569 a. Test distribution is Normal.
Dari grafik histogram dan normal probability plot pada gambar 4.3 dan gambar 4.4 di atas terlihat bahwa setelah dilakukan transformasi data ke
logaritma natural Ln terlihat bahwa grafik histogram memperlihatkan pola
Universitas Sumatera Utara
distribusi yang normal, dan grafik P-P Plot memperlihatkan titik-titik menyebar di sekitarmengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
Hasil uji Kolmogorov-Smirnov pada tabel 4.3. pada penelitian ini menujukkan probabilitas = 0,569. Dengan demikian, data pada penelitian ini berdistribusi
normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,569 0,05 H
diterima.
2. Hasil Uji Heteroskedastisitas
Menurut Ghozali 2005:105, “Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas.
Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan data
crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil,sedang,dan besar”.
Pengujian heteroskedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada
grafik dan uji glejser, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis
adalah : H
: tidak ada heteroskedastisitas, H
a
: ada heteroskedastisitas.
Universitas Sumatera Utara
Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika signifikan 0,05 maka H
diterima tidak ada heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas scatterplot
Tabel 4.4 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1
Constant 2.072
1.039 1.994
.052 LN_CR
-.111 .164
105 .678
.501 LN_LEVERAGE
.223 .449
.074 .497
.622 LN_DPR
-.210 .084
.384 2.490
.017 LN_ROE
-.055 .080
.098 -.688
.495 a. Dependent Variable: ABSUT
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
Universitas Sumatera Utara
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.4 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel ln CR adalah
0,501 0.05. nilai signifikansi untuk variabel ln Leverage adalah 0,622 0.05. nilai signifikansi untuk variabel ln DPR adalah 0,17 0.05. nilai signifikansi
untuk variabel ln ROE adalah 0,495 0.05Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya
memiliki signifikan lebih besar dari 0,05
3. Hasil Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series.
Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. secara umum panduan mengenai angka Durbin-Watson dapat
diambil patokan sebagai berikut: 1
angka D-W dibawah -2 berarti ada autokorelasi positif, 2
angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3
angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.431
a
.186 .112
.84116 1.412
a. Predictors: Constant, LN_ROE, LN_CR, LN_LEVERAGE, LN_DPR b. Dependent Variable: LN_PER
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1.412 Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak
terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.
4. Uji Multikolineritas
Menurut Ghozali 2005:91,“Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas
independen”. Adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai Variance Inflation Factor VIF. Batas tolerance value adalah 0,1 dan
batas VIF adalah 10. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi
multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.6
Universitas Sumatera Utara
Tabel 4.6 Hasil Uji Multikolineritas
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta Tolerance VIF
1 Constant 5.351
1.662 3.220 .002
LN_CR -.646
.262 -.369
-2.461 .018 .825 1.212
LN_LEVE RAGE
.089 .719
.018 .124
.902 .891 1.122
LN_DPR .108
.135 .119
.800 .428 .836
1.196 LN_ROE
.032 .128
.035 .252
.802 .976 1.024
a. Dependent Variable: LN_PER
Berdasarkan tabel 4.6 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki
tolerance value lebih kecil dari 0,1.Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil analisis, didapat nilai VIF untuk
variabel CR adalah 1.212 10 dan nilai tolerance sebesar 0,825 0,1, nilai VIF untuk variabel leverage adalah 1.12210 dan nilai tolerance sebesar 0.891
0.1, nilai VIF untuk variabel DPR adalah 1.196 10 dan nilai tolerance sebesar 0.836 0.1 dan nilai VIF untuk variabel ROE adalah 1.02410 dan
nilai tolerance sebesar 0.976 0.1 . Dari hasil ini maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala
multikolinearitas.
Universitas Sumatera Utara
C. Hasil Pengujian Hipotesis 1. UJi Koefisien Determinasi
Kategori