2. Uji Multikolinieritas
Menurut Ghozali 2006: 91, apabila nilai tolerance 0,10 atau sama dengan nilai VIF 10 menunjukkan adanya multikolinieritas.
Besaran VIF dari masing-masing variabel bebas dapat dilihat pada tabel dibawah ini :
Tabel 4.10 : Hasil Uji Multikolinieritas
Collinearity Statistics Variabel Bebas
Tolerance VIF
Kesimpulan Current Ratio X
1
0,668 1,497 Bebas multikolinieritas
Total Assets Turnover X
2
0,405 2,468 Bebas multikolinieritas
Inventory Turnover X
3
0,690 1,448 Bebas multikolinieritas
Net Profit Margin X
4
0,293 3,415 Bebas multikolinieritas
Return On Assets X
5
0,312 3,207 Bebas multikolinieritas
Sumber: Lampiran 6
Berdasarkan hasil uji multikolinieritas pada tabel 4.10 menunjukkan nilai tolerance lebih besar dari 0,10 dan VIF kurang dari 10, sehingga
tidak terjadi multikolinieritas. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi multikolinieritas pada variabel bebas penelitian dapat
dipenuhi. 3.
Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Diantara cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah menggunakan menggunakan uji rank spearman
yaitu dengan membandingkan antara residu dengan seluruh variabel bebas Santoso, 2002: 301.
Tabel 4.11 : Hasil uji heteroskedastisitas
Variabel Bebas Nilai
Signifikansi Kesimpulan Korelasi Rank
Spearman Current Ratio X
1
0,126 Bebas heteroskedastisitas
Total Assets Turnover X
2
0,901 Bebas heteroskedastisitas
Inventory Turnover X
3
0,918 Bebas heteroskedastisitas
Net Profit Margin X
4
0,373 Bebas heteroskedastisitas
Return On Assets X
5
0,067 Bebas heteroskedastisitas
Sumber: Lampiran 6
Berdasarkan tabel 4.11 hasil uji heteroskedastisitas nilai signifikan korelasi residual rank spearman di atas menunjukkan bahwa tingkat
signifikan pada variabel Current Ratio X
1
, Total Assets Turnover X
2
, Inventory Turnover X
3
, Net Profit Margin X
4
dan Return On Assets X
5
lebih besar dari 0,05, maka dapat disimpulkan bahwa persamaan regresi linier berganda yang digunakan bebas heteroskedastisitas.
Setelah dilakukan perbaikan data pada variabel penelitian dengan mentransformasi data, maka hasil uji kualitas data yaitu normalitas
menunjukkan bahwa data seluruh variabel independen dan dependen telah mengikuti sebaran normal. Demikian juga dengan hasil uji asumsi klasik
yaitu uji autokorelasi, uji multikolinieritas dan uji heteroskedastisitas telah memenuhi syarat yang ditentukan.
4.5. Analisis dan Uji Hipotesis 4.5.1. Analisis Regresi linier Berganda
Analisis regresi linier berganda digunakan untuk mengetahui adanya pengaruh antara variabel bebas yaitu Current Ratio X
1
, Total Assets Turnover X
2
, Inventory Turnover X
3
, Net Profit Margin X
4
dan Return On Assets X
5
terhadap variabel terikat yaitu pertumbuhan laba. pengolahan data ini dilakukan dengan bantuan program computer SPSS. Dari hasil
perhitungan dengan menggunakan program SPSS diperoleh hasil pada tabel 4.12
Tabel 4.12: Hasil Analisis Regresi Linier Berganda
model Koefisien regresi
Kostanta 5,382 Current Ratio X
1
0,067 Total Assets Turnover X
2
-1,444 Inventory Turnover X
3
-2,594 Net Profit Margin X
4
-5,115 Return On Assets X
5
6,979
Sumber: Lampiran 7
Hasil dari analisis regresi linier berganda diperoleh persamaan sebagai berikut:
Y = 5,382 + 0,067X
1
- 1,444X
2
– 2,594X
3
– 5,115X
4
+ 6,979X
5
Berdasarkan persamaan regresi linier berganda pada tabel 4.12 dapat dijelaskan sebagai berikut:
1. β
= Konstanta = 5,382 Nilai
konstanta β
sebesar 5,382 menunjukkan besarnya nilai dari pertumbuhan laba Y dengan asumsi variabel-variabel bebas yang diteliti
yaitu current ratio, total assets turnover, inventory turnover, net profit margin, dan return on assets nilainya tetap konstan atau tetap.
2. β
1
= Koefisien regresi untuk X
1
= 0,067 Besarnya nilai koefisien regresi
β
1
sebesar 0,067, nilai β
1
yang positif menunjukkan adanya hubungan yang searah antara variabel
pertumbuhan laba Y dengan variabel Current Ratio X
1
yang artinya jika variabel Current Ratio X
1
naik sebesar satu satuan, maka besarnya nilai variabel pertumbuhan laba Y akan naik sebesar 0,067 satuan dengan
asumsi bahwa variabel bebas lainnya bersifat konstan. 3.
β
2
= Koefisien regresi untuk X
2
= -1,444 Besarnya nilai koefisien regresi
β
2
sebesar -1,444, nilai β
2
yang negatif menunjukkan adanya hubungan yang berlawanan arah antara
variabel pertumbuhan laba Y dengan variabel Total assets turnover X
2
yang artinya jika variabel Total assets turnover X
2
naik sebesar satu satuan, maka besarnya nilai variabel pertumbuhan laba Y akan turun
sebesar -1,444 satuan dengan asumsi bahwa variabel bebas lainnya bersifat konstan.
Kategori