50 tahun 2012 yaitu sebesar nilai maksimum sebesar 0.714 menunjukkan
perusahaan tersbeut memiliki total utang lebih banyak terhadap asset dibandingkan perusahaan yang lain. Standar deviasi debt ratio sebesar
0.15638 lebih kecil dibandingkan dengan mean sebesar 0.3931. Dengan kecilnya simpangan data, menunjukkan rendahnya fluktuasi data variabel
debt ratio.
4.3. Uji Asumsi Klasik
Penelitian ini menggunakan model regresi linier berganda. Dalam analisis regresi ini, selain mengukur kekuatan hubungan antara dua variabel atau lebih,
juga menunjukkan arah hubungan antara variabel dependen dengan variabel independen Ghozali, 2006. Variabel dependen dalam penelitian ini adalah gross
profit margin sedangkan variabel independen meliputi inventory turnover ratio, account payable to cost of goods sold ratio, net working capital to total asset
ratio, dan debt ratio.
4.3.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Pengujian terhadap
normalitas data dalam penelitian ini menggunakan analisis grafik dan uji statistik Kolmogrov-Smirnov terhadap nilai signifikansi atau probabilitas 0.05,
menunjukkan data terdistribusi dengan normal. Sedangkan bila nilai signifikansi atau probabilitas 0.05 maka data tidak terdistribusi normal.
51
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
96 Normal Parameters
a,b
Mean .0000000
Std. Deviation .13802662
Most Extreme Differences Absolute
.104 Positive
.104 Negative
-.069 Kolmogorov-Smirnov Z
1.018 Asymp. Sig. 2-tailed
.251
Berdasarkan hasil pengolahan data pada tabel 4.2 terlihat nilai Kolmogorov-Smirnov Z adalah 1,018 dan nilai signifikansi sebesar 0,251 dimana
kedua nilai tersebut berada diatas 0.05 maka H diterima data berdistribusi
normal. Berikut dilampirkan grafik histogram dan grafik P-Plot data yang telah
berdistribusi normal.
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil pengolahan SPSS 20,2015
52 Sumber: Hasil pengolahan SPSS 20, 2015
Gambar 4.1 Grafik Histogram
Grafik histogram pada gambar 4.1 menunjukkan pola distribusi normal karena grafik tidak melenceng ke kiri maupun menceng ke kanan. Dengan
demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi
normalitas.
53 Sumber: Hasil pengolahan SPSS 20, 2015
Gambar 4.2 Grafik Normal P-P Plot
Berdasarkan grafik normal p – p plot, terlihat bahwa data menyebar di
sekitar garis diagonal dan mengikuti garis diagonal, hal ini berarti model regresi telah memenuhi asumsi normalitas.
4.3.2. Uji Multikoliniaritas
Ghozali, 2006 menjelaskan bahwa uji multikoliniaritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Untuk melihat ada tidaknya multikoliniaritas, dapat dilihat dari nilai
54 Tolerance dan Variance Inflation Factor VIF. Nilai yang umum dipakai untuk
menunjukkan adanya multikoliniaritas adalah nilai Tolerance 0.10 atau sama dengan nilai VIF 10.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
ITR .829
1.206 AP_COGS
.752 1.329
NWCTA .342
2.927 DR
.348 2.877
Dependent Variable: GPM
Sumber: Hasil pengolahan SPSS 20, 2015 Berdasarkan tabel 4.3, nilai Tolerance menunjukkan tidak ada variabel
independen yang memiliki nilai Tolerance 10, dimana Tolerance value ITR senilai 0,829; APCOGS senilai 0,752; NWCTA senilai 0,342; dan DR senilai
0,348, yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana tidak ada satu variabel
independen yang memiliki nilai 10, dimana VIF ITR yaitu 1,206; APCOGS senilai 1,329; NWCTA senilai 2,927; dan DR senilai 2,877. Dengan demikian
semua variabel independen bebas dari pengujian asumsi klasik multikolinearitas, sehingga variabel-variabel independen ini tidak perlu dikeluarkan dari model
regresi.
55
4.3.3. Uji Heteroskedastisitas