BAB IV ANALISIS DAN PEMBAHASAN
4.1. Deskripsi Data Secara Statistik
Objek penelitian ini adalah perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di Bursa Efek Indonesia. Setelah dilakukan pemilihan
sampel dengan teknik purposive sampling diperoleh 33 perusahaan. Berikut merupakan data statistik secara umum dari seluruh data yang digunakan :
Tabel 4.1 Statistik Deskriptif
N Minimum
Maximum Mean
Std. Deviation LN_CL
66 9,53
16,36 12,4263
1,57736 LN_NCL
66 8,32
15,59 11,3056
1,91713 LN_OP
66 8,30
15,53 11,7211
1,68786 Valid N listwise
66
Sumber : Diolah dari SPSS, 2013 Dari tabel 4.1 diatas, dapat dijelaskan bahwa :
1. rata-rata dari CL X1 adalah 12,4263 dengan standar deviasi sebesar 1,57736
dan jumlah data yang ada sebanyak 66. Nilai CL X1 terendah adalah 9,53 dan nilai CL X1 tertinggi adalah 16,36,
2. rata-rata dari NCL X2 adalah 11,3056
dengan standar deviasi sebesar 1,91713
dan jumlah data yang ada sebanyak 66. Nilai NCL X2 terendah adalah 8,32
dan nilai NCL X2 tertinggi adalah 15,59,
Universitas Sumatera Utara
3. rata-rata dari OP Y adalah 11,7211 dengan standar deviasi sebesar 1,68786
dan jumlah data yang ada sebanyak 66. Nilai OP Y terendah adalah 8,3 dan OP Y tertinggi adalah 15,53.
4.2. Hasil Analisis 1.
Pengujian Asumsi Klasik a.
Uji Normalitas
Hasil dari uji normalitas dengan grafik histogram, normal probability plot dan Kolmogorov-Smirnov Test ditunjukkan sebagai berikut :
Tabel 4.2 Hasil Uji Normalitas Sebelum Transformasi Data
CL NCL
OP N
66 66
66 Normal Parametersa,b Mean
1043563,29 457982,71
541876,89 Std. Deviation
2369520,249 1005341,044 1125769,749
Most Extreme Differences
Absolute ,367
,326 ,373
Positive ,367
,315 ,373
Negative -,332
-,326 -,316
Kolmogorov-Smirnov Z 2,982
2,647 3,031
Asymp. Sig. 2-tailed ,000
,000 ,000
a Test distribution is Normal. b Calculated from data.
Sumber : Diolah dari SPSS, 2013 Hasil pengolahan data tersebut, diperoleh bahwa data dalam penelitian ini
tidak terdistribusi secara normal, dimana ketiga variabel memiliki nilai signifikansi yang lebih kecil dari 0,05 yaitu variabel CL sebesar 0,000, variabel
NCL sebesar 0,000, dan variabel OP sebesar 0,000. Ada beberapa cara mengubah model regresi menjadi normal menurut Erlina 2007 : 106, yaitu :
a lakukan transformasi data ke bentuk lainnya,
Universitas Sumatera Utara
b lakukan trimming, yaitu membuang data outlier,
c lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai
tertentu. Untuk mengubah nilai residual agar berdistribusi normal, penulis
melakukan transformasi data ke model logaritma natural Ln yaitu dari persamaan OP = fCL, NCL menjadi LN_OP = fLN_CL, LN_NCL. Setelah
itu, data diuji ulang berdasarkan asumsi normalitas. Berikut ini adalah hasil pengujian dengan Kolmogorov-Smirnov :
Tabel 4.3 Uji Normalitas Setelah Transformasi Data
LN_CL LN_NCL
LN_OP N
66 66
66 Normal Parametersa,b
Mean 12,4263
11,3056 11,7211
Std. Deviation 1,57736
1,91713 1,68786
Most Extreme Differences
Absolute ,107
,102 ,108
Positive ,107
,102 ,108
Negative -,067
-,067 -,075
Kolmogorov-Smirnov Z ,866
,832 ,878
Asymp. Sig. 2-tailed ,442
,492 ,424
a Test distribution is Normal. b Calculated from data.
Sumber : Data yang diolah penulis, 2013 Tabel di atas, dapat disimpulkan bahwa data dalam model regresi telah
terdistribusi secara normal karena ketiga variabel mempunyai nilai signifikansi lebih besar dari 0,05 yaitu CL sebesar 0,442, NCL sebesar 0,492,
dan OP sebesar 0,424, yang berarti bahwa H0 diterima. Setelah data terdistribusi secara normal, maka dilajutkanlah uji asumsi klasik lainnya.
Untuk lebih jelas berikut ini dilampirkan grafik histogram dan grafik p-plot data yang telah berdistribusi normal :
Universitas Sumatera Utara
Regression Standardized Residual
3 2
1 -1
-2
Frequency
10 8
6 4
2
Histogram
Dependent Variable: LN_OP
Mean =-8.68E-15 Std. Dev. =0.984
N =66
Gambar 4.1 Uji Normalitas 2
Sumber : Diolah dari SPSS, 2013
Universitas Sumatera Utara
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expect ed
Cum Pr
ob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: LN_OP
Gambar 4.2 Uji Normalitas 3
Sumber : Diolah dari SPSS, 2013
b. Uji Multikolinearitas