Hasil Uji Asumsi Klasik

deviasi sebesar 0,53305. Nilai minimum dan kenaikan maksimum untuk variabel ROA adalah -0,57 dan 1,40, nilai rata-rata mean sebesar 0,0590 dan dengan standar deviasi sebesar 0,21876. Dari data tersebut maka dapat diketahui nilai mean tidak lagi memiliki jarak yang ekstrim dengan jarak nilai minimum dan maksimum dan standar deviasi yang cukup ekstrim pada setiap variabel kecuali pada variabel OPPBT tetapi hal tersebut tidak terlalu mempengaruhi hasil penelitian karena data tersebut didukung oleh variabel lain yang tidak memiliki data ekstrim sehingga dapat diabaikan. Dari deskriptif tersebut dapat disimpulkan bahwa secara keseluruhan data yang digunakan dalam penelitian dapat digolongkan sebagai data yang normal.

5.2. Analisis Data

5.2.1. Hasil Uji Asumsi Klasik

Model regresi linear berganda memerlukan uji asumsi klasik sebagai persyaratan distribusi data. Setelah dilakukannya transformasi data maka uji asumsi klasik yang dilakukan pada penelitian ini antara lain adalah: 5.2.1.1.Uji normalitas Pada Normal Propability Plot, normalitas data dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik. Dasar pengambilan keputusan: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi Normalitas. p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara 2. Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi Normalitas. Dari Gambar 5.1 dapat diketahui bahwa sebaran data model regresi I model regresi yang digunakan untuk melihat perubahan laba satu tahun yang akan datang mengikuti arah garis diagonal, memenuhi persyaratan distribusi normal. Model regresi layak dipakai untuk melihat pengaruh rasio keuangan terhadap perubahan laba pada masa satu tahun yang akan datang. Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E x p e c te d C u m P ro b 1.0 0.8 0.6 0.4 0.2 0.0 Dependent Variable: E_1_Tahun Gambar 5.1. Normal P-P Plot of Regression Standardized Residual Model Regresi I Sumber: Lampiran 3 p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara Dari Gambar 5.2 dapat diketahui bahwa sebaran data model II model regresi yang digunakan untuk melihat perubahan laba dua tahun yang akan datang mengikuti arah garis diagonal, memenuhi persyaratan distribusi normal. Modal regresi layak dipakai untuk melihat pengaruh rasio keuangan terhadap perubahan laba pada masa satu tahun yang akan datang. 5.2.1.2.Uji multikolinearitas Untuk mendeteksi apakah model regresi yang dipakai bebas dari permasalahan multikolinearitas dapat dilihat dari besaran VIF Variance Inflation Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E x p e c te d C u m P ro b 1.0 0.8 0.6 0.4 0.2 0.0 Dependent Variable: E_2_Tahun Sumber: Lampiran 4 Gambar 5.2. Normal P-P Plot of Regression Standardized Residual Model Regresi II p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara Factor dan tolerance, di mana nilai VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1. Tabel 5.3. Multikolinearitas Model Regresi I Sumber: Lampiran 3 Dari Tabel 5.3 dapat diketahui bahwa coefficient model regresi I pada model 1 memiliki nilai tolerance 1,000, pada model 2 bernilai 1,002 dan 1,002, pada model 3 bernilai 1,889, 1,017 dan 1,912, pada model 4 bernilai 2,092, 1,022, 2,326 dan 1,217, pada model 5 bernilai 2,265, 1,024, 2,380, 1,449 dan 1,257, pada model 6 bernilai 2,326, 1,050, 2,385, 1,450, 1,258 dan 1,073. Sedangkan VIF model 1 bernilai 1,000, pada model 2 bernilai 0,998 dan 0,998, pada model 3 bernilai 0,529, 0,983 dan 0,523, pada model 4 bernilai 0,478, 0,978, 0,430 dan 0,822, pada model 5 bernilai 0,442, 0,977, 0,420, 0,690 dan 0,796, pada model 6 bernilai 0,430, 0,952, 0,419, 0,690, 0,795 dan Coefficients a 1,156 ,061 18,950 ,000 1,034 1,277 ,653 ,054 ,798 12,117 ,000 ,546 ,760 ,798 ,798 ,798 1,000 1,000 1,305 ,090 14,468 ,000 1,126 1,485 ,658 ,053 ,804 12,483 ,000 ,554 ,763 ,798 ,808 ,803 ,998 1,002 ,205 ,093 ,142 2,210 ,030 ,020 ,389 ,105 ,236 ,142 ,998 1,002 1,299 ,088 14,709 ,000 1,123 1,474 ,552 ,071 ,674 7,795 ,000 ,411 ,693 ,798 ,652 ,490 ,529 1,889 ,229 ,091 ,159 2,509 ,014 ,047 ,411 ,105 ,267 ,158 ,983 1,017 -,139 ,064 -,191 -2,194 ,031 -,266 -,013 -,634 -,236 -,138 ,523 1,912 1,257 ,085 14,803 ,000 1,088 1,426 ,483 ,071 ,590 6,819 ,000 ,342 ,624 ,798 ,604 ,408 ,478 2,092 ,249 ,087 ,173 2,856 ,005 ,075 ,422 ,105 ,302 ,171 ,978 1,022 -,227 ,067 -,312 -3,418 ,001 -,360 -,095 -,634 -,355 -,204 ,430 2,326 ,655 ,209 ,207 3,138 ,002 ,240 1,071 ,119 ,329 ,188 ,822 1,217 1,300 ,083 15,690 ,000 1,135 1,465 ,428 ,071 ,522 6,051 ,000 ,287 ,568 ,798 ,560 ,347 ,442 2,265 ,259 ,084 ,180 3,098 ,003 ,093 ,425 ,105 ,327 ,178 ,977 1,024 -,255 ,065 -,349 -3,948 ,000 -,383 -,126 -,634 -,404 -,226 ,420 2,380 ,903 ,219 ,285 4,132 ,000 ,468 1,338 ,119 ,419 ,237 ,690 1,449 -,405 ,143 -,182 -2,832 ,006 -,690 -,121 -,254 -,302 -,162 ,796 1,257 1,337 ,083 16,042 ,000 1,171 1,503 ,451 ,070 ,550 6,412 ,000 ,311 ,590 ,798 ,585 ,361 ,430 2,326 ,232 ,083 ,161 2,799 ,006 ,067 ,398 ,105 ,300 ,157 ,952 1,050 -,249 ,063 -,341 -3,924 ,000 -,375 -,123 -,634 -,404 -,221 ,419 2,385 ,893 ,215 ,282 4,163 ,000 ,466 1,320 ,119 ,424 ,234 ,690 1,450 -,414 ,141 -,186 -2,943 ,004 -,693 -,134 -,254 -,314 -,166 ,795 1,258 -,018 ,009 -,118 -2,018 ,000 -,035 ,000 ,025 -,221 -,114 ,932 1,073 Constant TDCTA Constant TDCTA WCNS Constant TDCTA WCNS CR Constant TDCTA WCNS CR ROA Constant TDCTA WCNS CR ROA GPNS Constant TDCTA WCNS CR ROA GPNS DER Model 1 2 3 4 5 6 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Lower Bound Upper Bound 95 Confidence Interval for B Zero-order Partial Part Correlations Tolerance VIF Collinearity Statistics Dependent Variable: E_1_Tahun a. p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara 0,932. Hal ini menunjukkan bahwa model regresi yang digunakan untuk melihat perubahan laba pada masa satu tahun yang akan datang tidak memiliki permasalahan multikolinearitas, di mana nilai VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1. Modal regresi layak dipakai untuk melihat pengaruh rasio keuangan terhadap perubahan laba pada masa satu tahun yang akan datang. Tabel 5.4. Multikolinearitas Model Regresi II Sumber: Lampiran 4 Dari Tabel 5.4 dapat diketahui bahwa coefficient model regresi II pada model 1 memiliki nilai tolerance 1,000, pada model 2 bernilai 1,429 dan 1,429, pada model 3 bernilai 1,472, 1,445 dan 1,030, pada model 4 bernilai 1,593, 1,453, 1,033 dan 1,103, pada model 5 bernilai 1,606, 1,724, 1,304, 1,104 dan 1,221, pada model 6 bernilai 1,843, 1,828, 2,208, 1,115, 1,265 dan 2,838, Coefficients a ,728 ,050 14,700 ,000 ,629 ,826 ,498 ,054 ,712 9,299 ,000 ,392 ,605 ,712 ,712 ,712 1,000 1,000 ,556 ,052 10,722 ,000 ,453 ,659 ,327 ,055 ,468 5,998 ,000 ,219 ,436 ,712 ,550 ,392 ,700 1,429 ,830 ,145 ,445 5,706 ,000 ,541 1,119 ,702 ,531 ,373 ,700 1,429 ,651 ,058 11,249 ,000 ,536 ,766 ,356 ,053 ,508 6,749 ,000 ,251 ,460 ,712 ,598 ,419 ,680 1,472 ,784 ,139 ,421 5,642 ,000 ,508 1,061 ,702 ,529 ,350 ,692 1,445 ,095 ,030 ,197 3,133 ,002 ,035 ,155 ,133 ,327 ,195 ,971 1,030 ,458 ,080 5,713 ,000 ,298 ,617 ,308 ,052 ,441 5,955 ,000 ,205 ,411 ,712 ,552 ,349 ,628 1,593 ,818 ,132 ,439 6,211 ,000 ,556 1,080 ,702 ,568 ,364 ,688 1,453 ,100 ,029 ,208 3,491 ,001 ,043 ,157 ,133 ,362 ,205 ,968 1,033 -,155 ,047 -,203 -3,294 ,001 -,249 -,061 -,351 -,344 -,193 ,907 1,103 ,452 ,075 6,003 ,000 ,302 ,601 ,293 ,049 ,419 6,005 ,000 ,196 ,390 ,712 ,557 ,331 ,623 1,606 1,003 ,135 ,538 7,447 ,000 ,735 1,271 ,702 ,640 ,410 ,580 1,724 ,098 ,027 ,203 3,620 ,001 ,044 ,151 ,133 ,375 ,199 ,967 1,034 -,160 ,044 -,210 -3,628 ,001 -,248 -,072 -,351 -,376 -,200 ,906 1,104 -,143 ,041 -,210 -3,460 ,001 -,225 -,061 ,092 -,361 -,190 ,819 1,221 ,458 ,073 6,278 ,000 ,313 ,603 ,338 ,051 ,484 6,677 ,000 ,237 ,439 ,712 ,601 ,356 ,543 1,843 1,083 ,134 ,581 8,057 ,000 ,815 1,350 ,702 ,672 ,430 ,547 1,828 ,028 ,038 ,059 ,742 ,460 -,048 ,104 ,133 ,083 ,040 ,453 2,208 -,171 ,043 -,224 -3,972 ,000 -,257 -,085 -,351 -,408 -,212 ,897 1,115 -,162 ,041 -,238 -3,973 ,000 -,242 -,081 ,092 -,408 -,212 ,790 1,265 -,096 ,039 -,224 -2,488 ,015 -,173 -,019 ,186 -,270 -,133 ,352 2,838 ,448 ,071 6,269 ,000 ,305 ,590 ,344 ,050 ,492 6,914 ,000 ,245 ,444 ,712 ,612 ,368 ,558 1,793 1,107 ,130 ,594 8,513 ,000 ,848 1,366 ,702 ,689 ,453 ,581 1,721 -,172 ,043 -,225 -4,012 ,000 -,258 -,087 -,351 -,409 -,213 ,898 1,114 -,166 ,040 -,245 -4,151 ,000 -,246 -,087 ,092 -,421 -,221 ,810 1,234 -,117 ,026 -,272 -4,439 ,000 -,169 -,064 ,186 -,445 -,236 ,753 1,329 Constant WCTA Constant WCTA ROA Constant WCTA ROA TDTCA Constant WCTA ROA TDTCA IWC Constant WCTA ROA TDTCA IWC PBTSE Constant WCTA ROA TDTCA IWC PBTSE CR Constant WCTA ROA IWC PBTSE CR Model 1 2 3 4 5 6 7 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Lower Bound Upper Bound 95 Confidence Interval for B Zero-order Partial Part Correlations Tolerance VIF Collinearity Statistics Dependent Variable: E_2_Tahun a. p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara pada model 7 bernilai 1,793, 1,721, 1,114, 1,234 dan 1,329. Sedangkan VIF model 1 bernilai 1,000, pada model 2 bernilai 0,700 dan 0,700, pada model 3 bernilai 0,680, 0,692 dan 0,971, pada model 4 bernilai 0,628, 0,688, 0,968 dan 0,907, pada model 5 bernilai 0,623, 0,580, 0,967, 0,906 dan 0,819, pada model 6 bernilai 0,543, 0,547, 0,453, 0,897, 0,790 dan 0,325, pada model 7 bernilai 0,558, 0,581, 0,898, 0,810 dan 0,753. Hal ini menunjukkan bahwa model regresi yang digunakan untuk melihat perubahan laba pada masa dua tahun yang akan datang tidak memiliki permasalahan multikolinearitas. Model regresi layak dipakai untuk melihat pengaruh rasio keuangan terhadap perubahan laba pada masa dua tahun yang akan datang. 5.2.1.3.Uji heteroskedastisitas Suatu model regresi dapat dikatakan bebas dari permasalahan heteroskedastisitas jika: d. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. e. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang, melebar kemudian menyempit dan melebar kembali. f. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara Pada gambar model regresi I model regresi yang menunjukkan bahwa titik- titik diagram menyebar di sekitar angka nol, tidak hanya mengumpul pada satu titik. Penyebaran titik-titik diagram tersebut juga tidak membentuk pola. Sehingga model regresi I terbebas dari kasus heteroskedastisitas. Regression Standardized Predicted Value 4 2 -2 R e g re s s io n S tu d e n ti z e d R e s id u a l 4 2 -2 -4 Dependent Variable: E_1_Tahun Gambar 5.3. Scatterplot Model Regresi I Sumber: Lampiran 3 p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara Pada gambar model regresi II model regresi yang menunjukkan bahwa titik- titik diagram menyebar di sekitar angka nol, tidak hanya mengumpul pada satu titik. Penyebaran titik-titik diagram tersebut juga tidak membentuk pola. Sehingga model regresi II terbebas dari kasus heteroskedastisitas. 5.2.1.4.Uji autokorelasi Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Model regresi yang terbebas dari permasalahan autokorelasi jika nilai Durbin-Watson D-W berada di antara -2 sampai +2. Secara umum angka D-W yang dapat digunakan untuk mendeteksi autokorelasi adalah: a. Angka D-W di bawah -2 berarti ada autokorelasi positif. 8 6 4 2 -2 5.00 2.50 0.00 -2.50 -5.00 Dependent Variable: E_2_Tahun R e g re s s io n S tu d e n ti z e d R e s id u a l Regression Standardized Predicted Value Gambar 5.4. Scatterplot Model Regresi II Sumber: Lampiran 4 p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara b. Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi. c. Angka D-W di atas +2 berarti ada autokorelasi positif. Tabel 5.5. Autokorelasi Model Regresi I Sumber: Lampiran Hasil uji autokorelasi pada model regresi I menunjukkan bahwa nilai D-W adalah 1,864. Angka D-W diantara -2 sampai +2 berarti tidak terdapat permasalahan autokorelasi pada model regresi I. Model Summary g ,798 a ,636 ,632 ,42043 ,636 146,833 1 84 ,000 ,810 b ,656 ,648 ,41103 ,020 4,884 1 83 ,030 ,822 c ,675 ,664 ,40190 ,019 4,815 1 82 ,031 ,843 d ,711 ,696 ,38183 ,035 9,846 1 81 ,002 ,858 e ,737 ,721 ,36628 ,026 8,023 1 80 ,006 ,866 f ,750 ,731 ,35945 ,013 4,073 1 79 ,047 1.864 Model 1 2 3 4 5 6 R R Square Adjusted R Square Std. Error of the Estimate R Square Change F Change df1 df2 Sig. F Change Change Statistics Durbin- Watson Predictors: Constant, TDCTA a. Predictors: Constant, TDCTA, WCNS b. Predictors: Constant, TDCTA, WCNS, CR c. Predictors: Constant, TDCTA, WCNS, CR, ROA d. Predictors: Constant, TDCTA, WCNS, CR, ROA, GPNS e. Predictors: Constant, TDCTA, WCNS, CR, ROA, GPNS, DER f. Dependent Variable: E_1_Tahun g. p d f Machine I s a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se Produce quality PDF files in seconds and preserve the integrity of your original docum ents. Com patible across nearly all Windows platform s, if you can print from a windows application you can use pdfMachine. Get yours now Universitas Sumatera Utara Tabel 5.6. Autokorelasi Model Regresi II Sumber: Lampiran Hasil uji autokorelasi pada model regresi II menunjukkan bahwa nilai D-W adalah 1,930. Angka D-W diantara -2 sampai +2 berarti tidak terdapat permasalahan autokorelasi pada model regresi II.

5.2.2. Hasil Uji Hipotesis