Deskripsi Data Secara Statistik Hasil Analisis 1.

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