49
nilai tertinggi sebesar 5,14. Nilai mean untuk variabel biaya operasi adalah sebesar -0,0115 dengan standar deviasi sebesar 0,1696 dan nilai terendah
sebesar -0,41 dan nilai tertinggi sebesar 0,07. Nilai mean untuk variabel GPM adalah sebesar -0,00700 atau dengan standar deviasi sebesar 0,02936 dan nilai
terendah sebesar -0,08 dan nilai tertinggi sebesar 0,07. Nilai mean untuk variabel arus kas adalah sebesar -5499,77 dengan standar deviasi sebesar
88753,84 dan nilai terendah sebesar -343714 dan nilai tertinggi sebesar 266746.
Nilai mean untuk variabel laba masa depan adalah sebesar 19474,03 dengan standar deviasi sebesar 91146,94 dan nilai terendah sebesar -215615
dan nilai tertinggi sebesar 555495. Nilai mean untuk variabel arus kas masa depan adalah sebesar 19890,90 dengan standar deviasi sebesar 85686,96 dan
nilai terendah sebesar -262963 dan nilai tertinggi sebesar 292726.
B. Pengujian Asumsi Klasik
Untuk mengetahui parameter dalam model yang digunakan adalah shahih maka penelitian harus diuji mengenai asumsi klasik dari regresi model
sehingga tidak terjadi penyimpangan terhadap asumsi normalitas, multikolinieritas, heteroskedastisitas, dan autokorelasi. Untuk
mengujimendeteksi adanya penyimpangan asumsi klasik menggunakan alat bantu komputer program SPSS 10.
50
1. Uji Normalitas Hasil analisis terhadap asumsi normalitas dengan Kolmogorov-
Smirnov terhadap nilai residual dari persamaan regresi disajikan dalam tabel berikut ini:
Tabel 4.3 Hasil Uji Normalitas
Model Z hitung
Sign Kesimpulan
Model 1 Model 2
1,019 0,793
0,250 0,556
Normal Normal
Sumber : lampiran 3 Hasil uji normalitas pada tabel 4.3, menunjukan bahwa nilai probabilitas
pada jumlah sampel N sebesar 60 adalah 0,250 pada model 1 laba masa depan dan 0,556 pada model 2 arus kas masa depan, hal ini menunjukan
bahwa nilai signifikansi pada masing-masing model lebih besar dari 0,05 p 0,05, berarti sebaran data berdistribusi normal.
2. Uji Multikolinieritas Multikolinieritas terindikasi apabila terdapat hubungan linier
diantara variabel independen yang digunakan dalam model. Metode untuk menguji adanya multikolinieritas dilihat dari nilai tolerance value atau
Variance Inflation Factor VIF. Hasil analisis menunjukkan bahwa nilai VIF semua variabel independen dibawah nilai 10 dan tolerance value
diatas 0,10. Sehingga dapat disimpulkan bahwa tidak terjadi multikolinieritas dalam model regresi sehingga model tersebut reliable
51
sebagai dasar analisis. Hasil yang diperoleh dapat dilihat pada tabel berikut:
Tabel 4.4 Hasil Uji Multikolinieritas Model Pertama
Variabel Tolerance VIF
Kesimpulan Laba
Piutang Biaya operasi
GPM Arus kas
0,758 0,699
0,921 0,869
0,821 1,319
1,431 1,085
1,151 1,218
Bebas Multikolinieritas Bebas Multikolinieritas
Bebas Multikolinieritas Bebas Multikolinieritas
Bebas Multikolinieritas Sumber: lampiran 4
Tabel 4.5 Hasil Uji Multikolinieritas Model Kedua
Variabel Tolerance VIF
Kesimpulan Laba
Piutang Biaya operasi
GPM Arus kas
0,758 0,699
0,921 0,869
0,821 1,319
1,431 1,085
1,151 1,218
Bebas Multikolinieritas Bebas Multikolinieritas
Bebas Multikolinieritas Bebas Multikolinieritas
Bebas Multikolinieritas Sumber: lampiran 4
3. Uji Heteroskedastisitas Heteroskedatisitas adalah keadaan dimana varian setiap variabel
gangguan disturbance term yang dibatasi oleh nilai tertentu pada variabel-variabel bebas tidak berbentuk nilai konstan yang sama dengan
σ
2
. Untuk mengetahui ada tidaknya masalah heteroskedatisitas akan dilakukan pengujian dengan uji Park. Hasil pengujian heteroskedastisitas
dapat dilihat pada tabel 4.6 di bawah ini.
52
Tabel 4.6 Hasil Uji Heteroskedastisitas Model Pertama
Variabel t-hitung
Prob Kesimpulan
Laba Piutang
Biaya operasi GPM
Arus kas -0,039
-0,383 0,979
0,301 0,468
0,969 0,704
0,332 0,765
0,642 Bebas Heteroskedastisitas
Bebas Heteroskedastisitas Bebas Heteroskedastisitas
Bebas Heteroskedastisitas Bebas Heteroskedastisitas
Sumber: lampiran 5 Hasil pengujian pada tingkat signifikansi 5 menunjukkan nilai
probabilitas masing-masing variabel bebas lebih besar dari 0,05, maka dapat disimpulkan untuk kelima variabel tidak ada masalah
heteroskedastisitas. Dengan demikian tidak terjadi masalah heteroskedastisitas.
Tabel 4.7 Hasil Uji Heteroskedastisitas Model Kedua
Variabel t-hitung
Prob Kesimpulan
Laba Piutang
Biaya operasi GPM
Arus kas 0,548
-1,196 1,469
1,124 -2,627
0,586 0,237
0,148 0,266
0,011 Bebas Heteroskedastisitas
Bebas Heteroskedastisitas Bebas Heteroskedastisitas
Bebas Heteroskedastisitas Terjadi Heteroskedastisitas
Sumber: lampiran 5 Hasil pengujian pada tingkat signifikansi 5 menunjukkan nilai
probabilitas variabel bebas yaitu laba, piutang, biaya operasi, GPM lebih besar dari 0,05, maka dapat disimpulkan untuk keemat variabel tidak ada
masalah heteroskedastisitas. Dengan demikian tidak terjadi masalah
53
heteroskedastisitas. Sedangkan untuk variabel arus kas mempunyai nilai signifikansi sebesar 0,011 0,05, berarti arus kas mempunyai masalah
heteroskedastisitas. 4. Autokorelasi
Auto korelasi menggambarkan adanya korelasi berurutan antara unsur-unsur variabel gangguan disturbance term dalam suatu rangkaian
data runtun waktu time series. Untuk melihat adanya auto korelasi dalam penelitian ini digunakan metode Durbin-Watson D-W.
Tabel 4.8 Hasil Uji Autokorelasi
Model DW
Dl du
4-du Keterangan
Regresi Model 1 Regresi Model 1
2,111 1,845
1,41 1,41
1,77 1,744
2,23 2,23
Bebas Auto Bebas Auto
Sumber : lampiran 6 Dengan nilai DW sebesar 2,111 pada model pertama dan 1,845
pada model kedua dimana angka tersebut berada diantara du – 4-du 1,77 ≤ DW ≤ 2,23, sehingga dapat disimpulkan tidak terjadi autokorelasi.
Berdasarkan uji asumsi klasik normalitas, autokorelasi, multikolinieritas, heteroskedastisitas diperoleh bahwa dalam model yang
digunakan sudah tidak terjadi penyimpangan asumsi klasik, artinya model regresi pada penelitian dapat digunakan sebagai dasar analisis.
C. Pengujian Hipotesis