lxxvi Berdasarkan pada tabel 4.5 dapat diinterprestasikan bahwa
besarnya nilai arus kas bersih tertinggi untuk tahun 2007 – 2009 dimiliki oleh PT. Indofood Sukses Makmur, Tbk, yaitu untuk tahun 2007 sebesar
Rp. 4.638.061,00, untuk tahun 2008 sebesar Rp. 4.271.208,00, dan untuk tahun 2009 sebesar Rp. 4.474.830,00, sedangkan yang terendah
dimiliki oleh PT. Siantar Top, Tbk, yaitu untuk tahun 2007 sebasar Rp. 7.296,33, untuk tahun 2008 sebesar Rp. 5.138,19, dan untuk tahun 2009
sebesar Rp. 7.678,08.
4.6.1. Uji Normalitas
Untuk mengetahui apakah data tersebut berdistribusi normal, dapat diuji dengan metode Kolmogorov Smirnov
Dasar analisis yang digunakan yaitu nilai signifikansi atau nilai probabilitasnya P-Value 5, maka data tersebut berdistribusi normal
Sumarsono, 2004 :40 Berdasarkan hasil uji normalitas dengan alat bantu komputer yang
menggunakan Program Minitab, dapat dilihat pada tabel 4.6, sebagai berikut
Tabel 4.6. Hasil Uji Normalitas Metode Kolmogorov Smirnov
Y X1
X2 X3
X4 Kolmogorov Smirnov
0,430 0,375
0,315 0,257
0,236 P-Value
0,010 0,010
0,010 0,010
0,010
Sumber : Lampiran 4
Berdasarkan pada tabel 4.6 di atas menunjukkan bahwa nilai P- value nilai probabilitasnya yang dimiliki oleh semua variabel adalah
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lxxvii lebih kecil dari 0,05 yaitu sebesar 0,010. Dengan demikian, Uji
Kolmogorov Smirnov menunjukan bahwa data yang digunakan ternyata tidak memenuhi asumsi Normalitas. Asumsi normalitas ini tidak penting
jika tujuannya hanya untuk estimasi saja Gujarati,1995 dalam Pradhono: 158. Prosedur pengujian yang dilakukan dalam sampel besar tetap bisa
dikatakan valid. Berdasarkan hal ini, maka meskipun tidak memenuhi syarat normalitas, maka data tetap digunakan untuk analisis lebih lanjut
Pradhono: 158.
4.6.2. Uji Asumsi Klasik
Dalam suatu persamaan regresi harus bersifat BLUE Best Linier Unbiased Estimator, artinya dalam pengambilan keputusan melalui uji F
dan uji t tidak boleh bias Sesuai dengan tujuan Berdasarkan hasil uji asumsi klasik dengan alat bantu komputer
yang menggunakan Program Minitab. diperoleh hasil sebagai berikut
1. Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara korelasi pengganggu pada
periode t dengan kesalahan pada periode t-1 sebelumnya Untuk menguji apakah terjadi autokorelasi atau tidak, dapat
digunakan uji Durbin Watson, dengan ketentuan sebagai berikut :. a.
Apabila 4 – dW dU, hal ini berarti bahwa Ho diterima : Jadi P = 0, berarti tidak ada autokorelasi pada model
b. Apabila 4 – dW dL, hal ini berarti bahwa Ho ditolak : Jadi P =
0, berarti terdapat autokorelasi pada model
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lxxviii c.
Apabila dL 4 – dW dU, hal ini berarti bahwa Uji ini hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah ada
autokorelasi atau tidak dalam model tersebut Berdasarkan dari hasil “Uji Autokorelasi” dengan alat bantu
komputer yang menggunakan Program Minitab dapat diketahui besarnya bahwa nilai dW tes yaitu sebesar 2,499 Lampiran 5,
sedangkan berdasarkan tabel “Durbin Watson” Untuk N = 30 dan k = 4 Lampiran 10, diperoleh nilai dL = 1,143 dan dU = 1,739.
Untuk memperjelas uraian tersebut di atas, berikut ini merupakan gambar kurva daerah keputusan autokorelasi, yang dapat
dilihat pada gambar 4.1, sebagai berikut
Gambar. 4.1 : Daerah Keputusan Autokorelasi
Berdasarkan pada gambar 4.1 dapat diketahui bahwa nilai dW tes sebesar 2,499 berada diantara nilai 4 - dU = 2,261 dan 4 - dL =
2,857 atau daerah keragu - raguan, sesuai dengan ketentuan yang telah ditetapkan, maka dapat disimpulkan bahwa dalam model regresi
tersebut tidak terdapat korelasi antara korelasi pengganggu pada
Tidak Ada Autokorelasi Positif dan Negatif
dL = 1,143
dU = 1,739
4 – dU = 2,261
4 – dL = 2,857
4
Daerah Keragu -raguan
Ada Autokorelasi Negatif
Daerah Keragu - raguan
Ada Aukorelasi positif
DW test = 2,499
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lxxix periode t dengan kesalahan pada periode t-1 sebelumnya, sehingga
data dari seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2
, , X
3
, dan X
4
, dapat digunakan dalam penelitian
2. Multikolinieritas
Alat uji yang digunakan untuk mengetahui ada tidaknya multikolinieritas dalam penelitian ini dengan melihat besarnya nilai
Variance Inflation Factor VIF. Dasar analisis yang digunakan yaitu jika nilai VIF Variance
Inflation Factor 10, maka hal ini berarti dalam persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas
Multikolinieritas Santoso, 2002: 206. Berdasarkan hasil Uji Multikolinieritas dengan alat bantu
komputer yang menggunakan Program Minitab, dapat dilihat pada tabel 4.7, sebagai berikut
Tabel 4.7. Hasil Uji Multkolinieritas
Variabel
VIF Keterangan
Laba Kotor X1 27,694
Multikolinieritas Laba Operasi X2
9,349 Non Multikolinieritas
Laba Bersih X3 4,367
Non Multikolinieritas Arus Kas Bersih X4
9,127 Non Multikolinieritas
Sumber : Lampiran 6
Nilai VIF dari variabel laba kotor X
1
menunjukkan angka lebih dari 10. Dengan demikian dapat disimpulkan bahwa model regresi tersebut
terindikasi adanya multikolinieritas. Salah satu cara untuk mengatasi pengujian asumsi multikolinieritas yaitu dengan analisis komponen utama
Bhakti,dkk, 2006. Analisis komponen utama merupakan teknik statistik yang dapat digunakan untuk menjelaskan struktur varian-kovarian dari
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lxxx sekumpulan variabel melalui beberapa variabel baru dimana variabel baru
ini saling bebas, dan merupakan kombinasi linier dari variabel asal. Dengan Rumus sebagai berikut :
W
i
= e
i
’X = e
i1
X
1
+ e
i2
X
2
+…..+ e
ip
X
p, i =
1,2,……,p Dimana :
W
1
: komponen pertama yang memenuhi maksimum nilai e
1
e
1
=
1
W
2 :
komponen kedua yang memenuhi sisa keragaman selain komponen pertama dengan memaksimumkan nilai e
2
e
2
=
2
W
p
: komponen
ke-
p
yang memenuhi sisa keragaman selain W
1,
W
2,
…W
p
harus memenuhi persyaratan
1
2 ≥…≥
p
Setelah dilakukan analisis komponen utama, maka nilai VIF yang terbentuk untuk masing-masing variabel independen adalah:
Tabel 4.8. Hasil Uji Multkolinieritas Analisis Komponen Utama
Variabel
VIF Keterangan
Laba Kotor X1 1,000
Non Multikolinieritas Laba Operasi X2
1,000 Non Multikolinieritas
Laba Bersih X3 1,000
Non Multikolinieritas Arus Kas Bersih X4
1,000 Non Multikolinieritas
Sumber : Lampiran 7
Berdasarkan pada tabel 4.7 di atas menunjukkan bahwa seluruh variabel bebas X yang digunakan dalam penelitian ini baik X
1
, X
2
, X
3
, dan X
4
, mempunyai nilai VIF Variance Inflation Factor 10, dan sesuai dengan dasar analisis yang digunakan, maka hal ini berarti dalam
persamaan regresi tidak ditemukan adanya korelasi antar variabel bebas atau bebas Multikolinieritas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lxxxi
3. Heteroskedastisitas
Alat uji yang digunakan untuk mengetahui adanya heteroskedastisitas secara kuantitatif dalam suatu persamaan
regresi dapat dilakukan dengan melihat grafik plot antara nilai prediksi variabel terikat dependen dengan residualnya.
Dasar analisis yang digunakan yaitu jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur
maka mengindikasikan telah terjadi heteroskedastisitas, dan jika tidak membentuk pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2006 : 105.
Berdasarkan hasil Uji Heteroskedastisitas dengan alat bantu komputer yang menggunakan Program Minitab, dapat dilihat pada
gambar 4.2. sebagai berikut :
Fitted Value R
e s
id u
a l
5000000 4000000
3000000 2000000
1000000 1000000
500000
-500000 -1000000
Residuals Versus the Fitted Values
response is Prediksi Arus Kas Bersih
Sumber : Lampiran 5
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lxxxii Berdasarkan pada gambar 4.2. di atas menunjukkan bahwa
terlihat titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y.
Setelah dilakukan Uji Asumsi Klasik tersebut di atas, maka dapat disimpulkan bahwa model persamaan regresi linier dalam
penelitian ini, bebas dari asumsi dasar klasik tersebut, sehingga pengambilan keputusan melalui uji F dan uji t yang akan dilakukan
dalam penelitian ini tidak akan bias atau sesuai dengan tujuan penelitian.
4.7. Teknik Analisis Dan Uji Hipotesis