d. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar 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. Cara yang dapat digunakan untuk
mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson
dengan ketentuan 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.
Tabel 4.5 Uji Autokorelasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,853a
,727 ,719
,89550 1,823
a Predictors: Constant, LN_NCL, LN_CL b Dependent Variable: LN_OP
Sumber : Diolah dari SPSS, 2013 Tabel 4.5, memperlihatkan nilai statistik D-W sebesar 1,853. Angka ini terletak
diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.
2. Pengujian Hipotesis
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Universitas Sumatera Utara
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1. Koefisien determinasi R square menunjukkan seberapa besar
variabel independen menjelaskan variabel dependennya. Nilai R square adalah 0 sampai dengan 1. Apabila nilai R square semakin mendekati satu, maka variabel-
variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square,
maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas. Nilai R
square memiliki kelemahan yaitu
nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap
variabel dependen. Berdasarkan hasil pengolahan data dengan program SPSS maka diperoleh
hasil sebagai berikut :
Tabel 4.6 Model Summary
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,853a
,727 ,719
,89550 1,823
a Predictors: Constant, LN_NCL, LN_CL b Dependent Variable: LN_OP
Sumber : Diolah dari SPSS, 2013 Pada model summary di atas, angka R sebesar 0,853 menunjukkan bahwa
korelasi atau hubungan antara laba usaha Y dengan CL X1 dan NCL X2 erat atau kuat karena 0,5 50. Angka R square atau koefisien determinasi adalah
0,727. Angka ini mengindikasikan bahwa 72,7 variasi atau perubahan dalam
Universitas Sumatera Utara
OP dapat dijelaskan oleh variasi variabel CL dan NCL. Sedangkan sisanya sebesar 27,3 dijelaskan oleh sebab-sebab lain yang tidak dimasukkan dalam
model penelitian. Kemudian standard error of the estimate adalah sebesar 0,89550. Semakin kecil angka ini akan membuat model regresi semakin tepat
dalam memprediksi OP. Untuk mengetahui apakah masing-masing variabel yaitu CL dan NCL yang
dianggap sah secara parsial berpengaruh terhadap OP, dilakukan uji statistik t. Berdasarkan hasil pengolahan data dengan program SPSS, maka diperoleh hasil
seperti yang terlihat pada tabel 4.7 berikut :
Tabel 4.7 Uji statistik t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
,839 ,882
,952 ,345
LN_CL ,585
,106 ,547
5,520 ,000
,441 2,268
LN_NCL ,319
,087 ,363
3,658 ,001
,441 2,268
a. Dependent Variable: LN_OP
Sumber : Diolah dari SPSS, 2013 Dari tabel 4.7 diatas, dapat diambil suatu kesimpulan, yaitu :
uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Terlihat diatas bahwa CL X1 mempunyai angka signifikansi
Universitas Sumatera Utara
sebesar 0,000 berada di bawah 0,05 yang menunjukkan bahwa CL secara individual mempengaruhi OP,
uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Terlihat di atas bahwa NCL X2 mempunyai angka
signifikansi sebesar 0,001 berada di bawah 0,05 yang menunjukkan bahwa NCL secara individual mempengaruhi OP,
berdasarkan hasil model tersebut diketahui bahwa CL X1 mempunyai koefisien regresi dan nilai t hitung yang paling besar dibandingkan koefisien
regresi dan nilai t hitung NCL X2. Berdasarkan hasil tersebut dapat diidentifikasi bahwa CL memiliki pengaruh yang lebih nyata dan signifikan
terhadap OP. Kemudian untuk menguji pengaruh CL dan NCL secara bersama terhadap
OP digunakan uji statistik F. Hasil uji statistik F dengan program SPSS dapat dilihat pada tabel berikut :
Tabel 4.8 Uji Statistik F 1
ANOVAb
Model Sum of
Squares df
Mean Square F
Sig. 1
Regression 134,656
2 67,328
83,959 ,000a
Residual 50,521
63 ,802
Total 185,177
65 a Predictors: Constant, LN_NCL, LN_CL
b Dependent Variable: LN_OP
Sumber : Diolah dari SPSS, 2013
Universitas Sumatera Utara
Dari tabel 4.8 diatas, diperoleh nilai F hitung sebesar 83,959 dengan tingkat signifikansi 0,000 0,05. Signifikansi F sebesar 0,000 menunjukkan tingkat
kesalahan model yang diajukan. Nilai ini menunjukkan tingkat kesalahan yang akan ditanggung sebagai peneliti bila menolak hipotesa nol. Dengan demikian,
maka tingkat kesalahan yang akan ditanggung kalau peneliti mengatakan bahwa X1 sampai X2 mampu menjelaskan Y adalah 0,000. Tingkat kesalahan ini sangat
jauh di bawah nilai α yang sudah ditetapkan di muka yaitu 5. Berdasarkan hasil
tersebut dapat disimpulkan bahwa CL X1 dan NCL X2, secara bersama berpengaruh terhadap OP.
Tabel 4.9 Uji Statistik F 2
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
,839 ,882
,952 ,345
LN_CL ,585
,106 ,547
5,520 ,000
,441 2,268
LN_NCL ,319
,087 ,363
3,658 ,001
,441 2,268
a Dependent Variable: LN_OP
Sumber : Diolah dari SPSS, 2013 Dari nilai-nilai koefisien di atas, persamaan regresi yang dapat disusun untuk
variabel LN_CL dan LN_NCL adalah dalam jutaan rupiah : LN_OP = 0,839 + 0,585 LN_CL + 0,319 LN_NCL
Keterangan : Y = Laba Usaha LN_OP
Universitas Sumatera Utara
X
1
= Hutang Jangka Pendek LN_CL X
2
= Hutang Jangka Panjang LN_NCL CL memiliki koefisien regresi bertanda positif sebesar 0,585, artinya apabila
terjadi perubahan variabel CL sebesar 1 akan menaikkan laba usaha sebesar 0.585 atau 58.5. NCL memiliki koefisien regresi bertanda positif sebesar 0,319,
artinya apabila terjadi perubahan variabel NCL sebesar 1 akan menaikkan laba usaha sebesar 0,319 atau 31,9 .
4.3. Pembahasan Hasil Penelitian