55
persediaan, maka sebaiknya manajemen menentukan jumlah persediaan yang tepat dan waktu pembelian yang sebaiknya dilakukan. Tinggi rendahnya
perputaran persediaan akan mempengaruhi besar kecilnya modal kerja yang diinvestasikan dalam persediaan. Makin tinggi tingkat perputarannya dan
makin kecil periode terikatnya modal kerja persediaan maka semakin efisien persediaan tersebut.
4.2. Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mendapatkan model regresi yang baik, dan harus terbebas dari Multikolinieritas, Autokorelasi, Heteroskedastisitas, serta
data yang dihasilkan harus berdistribusi normal. Cara yang digunakan untuk menguji penyimpangan asumsi klasik adalah sebagai berikut :
1. Uji Normalitas
Uji Normalitas bertujuan apakah dalam suatu model regresi variabel dependent, variabel independent atau keduanya mempunyai distribusi
normaltidak. Model regresi yang baik adalah distribusi yang mempunyai data normal atau mendekati normal. Berikut gambar normalitas pada
model
56
Normal P-P Plot of Regression Standardized Residual Dependent Variable: ROI
Observed Cum Prob
1,0 ,8
,5 ,3
0,0
Expect ed Cum
Pr ob
1,0 ,8
,5 ,3
0,0
Gambar 4.6 Uji Normalitas
Dengan melihat tampilan grafik histogram maupun grafik normal dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang
mendekati normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar di sekitar diagonal, serta penyebarannya mengikuti garis
diagonal sehingga menunjukkan bahwa model regresi layak dipakai karena memenuhi asumsi normalitas.
2. Uji Multikolinieritas
Uji Multikolinieritas dengan menggunakan nilai VIF Variance Inflation Factor dan tolerance. Dari hasil pengujian model regresi
diperoleh hasil untuk masing-masing variabel sebagai berikut :
Tabel 4.7 Hasil Output SPSS : Uji Multikolinearitas VIF-Tolerance
Variabel Tolerance VIF
Penjualan X1 0,116
8,599 Biaya operasi X2
0,115 8,691
Perputaran kas X3 0,967
1,034 Perputaran persediaan X4
0,994 1,006
Sumber : Data yang diolah
57
Dari tabel 4.7 di atas menunjukkan tidak ada variabel bebas yang memiliki nilai tolerance dibawah 0,1. Hasil perhitungan nilai VIF juga menunjukkan
tidak ada variabel bebas yang memiliki nilai VIF di atas 10. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel bebas dalam
model regresi. 3. Uji
Heteroskedastisitas Uji Heteroskedastisitas dimaksudkan untuk mengetahui ada tidaknya
heteroskedastisitas pada model regresi yaitu dengan Analisis Grafif Plot. Hasil grafik scatterplot sebagai berikut :
Scatterplot Dependent Variable: ROI
Regression Standardized Predicted Value
5 4
3 2
1 -1
-2 -3
4 3
2 1
-1 -2
-3
Gambar 4.7 Grafik plot
Uji Berdasarkan grafik plot antara nilai prediksi variabel terikat dengan residualnya diperoleh hasil tidak adanya pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka 0 nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. Dengan demikian, model regresi layak dipakai
untuk memprediksi Return on Investment ROI Y berdasarkan variebel
58
bebas yaitu penjualan X1, biaya operasi X2, perputaran kas X3, perputaran persediaan X4,
4. Uji
Autokorelasi Uji Autokorelasi dengan menggunakan uji statistik dari Durbin Watson.
Langkah awal pendeteksian ini adalah mencari nilai du dari analisis regresi dan selanjutnya mencari nilai d1 dan du pada tabel dengan kriteria. Untuk
menguji apakah terhadap autokorelasi digunakan Durbin Waston Test, diketahui :
Tabel 4.8 Hasil Output SPSS : Uji Autokorelasi Durbin Waston
Model Summary
b
,468
a
,219 ,189
7,19930 1,893
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-W atson
Predictors: Constant, Perp Persediaan, Bi.Operasional, Perp Kas, Penjualan
a. Dependent Variable: ROI
b.
Hasil uji Durbin Waston menunjukkan nilai sebesar 1,893 nilai tersebut jika dibandingkan dengan nilai tabel dengan menggunakan derajat
kepercayaan 5, jumlah sampel 108, Variabel bebas k = 4, Nilai Tabel Durbin Watson dl= 1,728 dan du = 1,810
Autokorelasi positif
Uji No Autokorelasi
Uji
Autokorelasi Negatif
0 dl du D W 2
4-du 4
1,728 1,810 1,893 2,198
Gambar 4.4
59
Kesimpulan
Nilai DW terletak diantara batas atas du dan 4-du, 1,802 1,893 2,190 maka hasilnya tidak ada Autokorelasi.
4.3. Analisis Regresi Linier Berganda
