perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
4.3.2 Model Regresi Linier Berganda
4.3.2.1 Uji Asumsi Klasik 1 Uji Normalitas
Dalam analisis multivariate, normalitas residual merupakan suatu hal yang penting. Pengujian normalitas residual dilakukan
dengan menggunakan metode PP Plot yang diperkuat dengan uji Kolmogorv Smornov.Hasil pengujian normalitas diperoleh sebagai
berikut : Pengujian normalitas residual menunjukkan bahwa model
regresi sudah memiliki nilai residual yang berdistribusi normal. Hal ini ditunjukkan dengan nilai probabilitas uji Kolmogorov Smirnov
sebesar 0,322 yang berada di atas 0,05.
Gambar 4.3 Hasil Uji Normalitas
Universitas Sumatera Utara
Tabel 4.8 Hasil uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
60 Normal Parameters
a,,b
Mean .0000000
Std. Deviation .02371922
Most Extreme Differences Absolute
.123 Positive
.075 Negative
-.123 Kolmogorov-Smirnov Z
.954 Asymp. Sig. 2-tailed
.322 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Output SPSS, diolah Peneliti, 2014
2 Uji Multikolonieritas
Tujuan dilakukannya uji multikolinieritas adalah untuk mengetahui apakah pada model regresi ditemukan adanya korelasi
antarvariabel independen. Apabila terjadi korelasi, maka terdapat masalah multikolonieritas yang harus diatasi.
Multikolonieritas diuji dengan menggunakan nilai Tolerance dan nilai VIF Variance Inflation Factor. Suatu model regresi
dikatakan tidak memiliki nilai Tolerance yang lebih besar dari 0,10 dan nilai VIF yang lebih kecil dari 10. Hasil pengujian model
regresi diperoleh nilai-nilai Tolerance dan VIF untuk masing- masing variabel adalah sebagai berikut:
Universitas Sumatera Utara
Tabel 4.9 Hasil Uji Multikolonieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant -.053
.009 -6.043
.000 HCE
.018 .006
.309 2.946
.005 .206
4.862 SCE
.064 .031
.221 2.096
.041 .203
4.919 CEE
.492 .042
.607 11.782
.000 .852
1.173 a. Dependent Variable: ROA
Sumber : Output SPSS, diolah Penulis, 2014. Dari hasil tersebut menunjukkan bahwa semua nilai Tolerance
dan nilai VIF dari variabel independen memiliki nilai Tolerance yang lebih besar dari 0,10 dan nilai VIF yang lebih kecil dari 10.
Hasil pengujian model regresi tersebut menunjukkan tidak adanya gejala multikolonier dalam model regresi. Hal ini berarti bahwa
semua variabel independen tersebut layak digunakan sebagai prediktor.
3 Uji Autokorelasi
Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin Watson, yaitu dengan membandingkan nilai DW dengan
nilai tabel . Jika DW berada pada rentang
dan ,
maka hal ini menunjukkan tidak ada masalah autokorelasi dalam model regresi.
Universitas Sumatera Utara
Tabel4.10 HasilUji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .935
a
.873 .867
.02435 1.991
a. Predictors: Constant, CEE, HCE, SCE b. Dependent Variable: ROA
Sumber : Output SPSS, diolah Penulis, 2014 Berdasarkan data penelitian, yaitu data n = 60 dan
signifikansi , jumlah variabel independen k dalam
persamaan = 3, maka didapat nilai nilai batas bawah dan
nilai batas atas masing-masing adalah 1,4797 dan 1,6889.
Serta berdasarkan hasil uji autikorelasi Durbin-Watson, nilai DW 1,991 lebih besar dari
dan lebih kecil dari 4 dikurang nilai batas atas
1,6681,6889 1,991 2,311. Maka dapat disimpulkan bahwa dalam model regresi linier
penelitian ini tidak terdapat autokorelasi.
4 Uji Heteroskedastisitas
Tujuan dilakukannya uji heteroskedastisitas adalah untuk mengujiapakahdalammodelregresiterjadiketidaksamaanvarianceda
riresidual untuk semua pengamatan pada model regresi. Jika varians dari residual suatu pengamatan ke pengamatan
lain tetap, disebut homoskedastisitas, sementara itu, untuk varians yang berbeda disebut heteroskedastisitas.
Universitas Sumatera Utara
Pengujian Heteroskedastisitas dalam penelitian ini dilakukan dengan uji Glejser serta dengan melihatgrafikscatterplot.Uji
Glejser adalah salah satu uji heteroskedastisi- tas yang dilakukan dengan cara meregresikan antara variabel independen dengan nilai
absolut residualnya.
Tabel 4.11 Hasil Uji Heteroskedastisitas
– uji Glejser Coefficients
a Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .017
.006 3.008
.004 HCE
.005 .004
.376 1.331
.189 SCE
-.037 .020
-.536 -1.888
.064 CEE
.038 .027
.196 1.411
.164 a. Dependent Variable: ABSRES_1
Sumber : Output SPSS, diolah Penulis, 2014 Dari Tabel 4.11 dapat disimpulkan bahwa ketiga variabel
independen tidak terdapat gejala heteroskedastisitas, karena sig. 0,05.
Hasil uji glejser ini juga didukung oleh hasil scatterplot testdengan menggunakan variabel sresid dan zpred. Hasil
scatterplot test ditampilkan pada Gambar 4.4.
Universitas Sumatera Utara
Gambar4.4 Scatterplot
Sumber : Output SPSS, diolah Penulis, 2014 Dari gambar scatterplot terlihat bahwa titik-titik menyebar
secara acak
dengantidakadanyapolayangjelassertatersebarbaikdiatasmaupundib awah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa
tidak terjadi heterokedastisitas. Oleh karena itu, model ini layak dipakai untuk memprediksi profitabilitas perusahaan manufaktur
yang terdaftar di Bursa Efek Indonesia berdasarkanvariabel independenyaitu Human Capital Efficiency, Structural Capital
Efficiency, dan Capital Employed Efficiency.
Universitas Sumatera Utara
4.3.2.2 Analisis Regresi
Kategori