0,3008 menunjukkan bahwa sebagian besar perusahaan sampel mengalami kenaikan perubahan laba.
4.3. 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
Gambar 4.1 : 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. Hasil uji normalitas yang ditunjukan pada P-plot diperkuat dengan hasil perhitungan
besarnya tingkat signifikansi kolmogorov smirnov. Jika besarnya nssilai kolmogorov smirnov
lebih dari 0,05 maka data terdistribusi normal, sedangkan jika kurang dari 0,05 maka data tidak terdistribusi secara normal. Adapun hasil
analisis data penelitian untuk mengetahui besarnya signifikansi kolmogorov smirnov
dapat dilihat pada Tabel 4.3. Tabel 4.3
Hasil Uji Normalitas Unit Analisis Penelitian Perusahaan Manufaktur yang Terdaftar di BEI tahun 2006-2009
One-Sample Kolmogorov-Smirnov Test
177 .0000000
.46458714 .080
.080 -.043
1.071 .202
N Mean
Std. Deviation Normal Parameters
a,b
Absolute Positive
Negative Most Extreme
Differences Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed Unstandardiz
ed Residual
Test distribution is Normal. a.
Calculated from data. b.
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 4.4
Hasil Output SPSS : Uji Multikolinearitas VIFâTolerance
Variabel Tolerance VIF
Perubahan Current Ratio X1 0,572
1,748 Perubahan Leverage Ratio X2
0,834 1,199
Perubahan Inventory Turnover X3 0,660
1,514 Perubahan Operating Profit Margin X4
0,942 1,062
Perubahan Price Earning Ratio X5 0,946 1,057
Sumber : Data yang diolah
Dari Tabel 4.13 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 Grafik Plot. Hasil grafik scatterplot sebagai berikut :
Regression Standardized Predicted Value
6 4
2 -2
-4
Regression Studentized Residual
4 2
-2
Scatterplot Dependent Variable: Perubahan Laba
Gambar 4.2 : 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 Perubahan laba Y berdasarkan variabel bebas yaitu Current Ratio
X1, Leverage Ratio X2, Inventory Turnover X3, Operating Profit Margin
X4, dan Price Earning Ratio X5. 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 4.5
Hasil Output SPSS : Uji Autokorelasi Durbin Waston
Model Summary
b
.510
a
.260 .238
.4713304 1.756
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, Perubahan PER, Perubahan LR, Perubahan IT, Perubahan OPM, Perubahan CR
a. Dependent Variable: Perubahan Laba
b.
Hasil uji Durbin Waston menunjukkan nilai sebesar 1,756 nilai tersebut jika dibandingkan dengan nilai tabel dengan menggunakan derajat kepercayaan
5, jumlah sampel 59, Variabel bebas k = 5, Nilai Tabel Durbin Watson dl= 1,408 dan du = 1,767
Kesimpulan Nilai DW terletak diantara batas atas du dan 4-du, 1,767 1,756 2,233
maka hasilnya tidak ada Autokorelasi.
4.4 Analisis Regresi Linier Berganda