71 Otoparts Tbk sebesar 0,15 dan yang terendah adalah PT Nipres Tbk
sebesar 0,01. Pada tahun 2010 profitabilitas tertinggi adalah PT Astra Otoparts Tbk sebesar 0,16 dan yang terendah adalah PT Nipres Tbk
sebesar 0,03.
4.3. Analisis dan Pengujian Hipotesis
4.3.1. Uji Outlier
Terdapat outlier apabila Mahal. Distance Maximum Prob. Jumlah variabel. Di bawah ini hasil uji outlier.
Tabel 4.5 Hasil Uji Outlier
Sumber : Data diolah Lampiran Tidak terdapat nilai Mahal. Distance Maximum 14,735 yang lebih
KECIL dari 20,51500565. Berarti tidak terdapat outlier pada data tersebut, oleh karena itu data ini mempunyai kualitas yang baik dan dapat
dilanjutkan untuk diinterpretasikan lebih lanjut.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
72
4.3.2. Uji Normalitas
Normalitas adalah sebuah model regresi yang variabel Dependen dan Independen atau keduanya mempunyai distribusi normal atau tidak.
Untuk mengetahui apakah data tersebut mengikuti sebaran normal dapat dilakukan dengan metode Kolmogrov Smirnov Sumarsono,
2004;40. Dasar pengambilan keputusan : jika nlai signifikan nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal
Sumarsono, 2004;43.
Tabel 4.6 Hasil Uji Normalitas
Sumber : Data diolah Lampiran Menggunakan uji Kolmogorov-Smirnov dengan menggunakan uji
ini diperoleh hasil analisis bahwa tidak semua variabel yang diteliti memiliki distribusi yang normal, hanya pada variable Ukuran Perusahaan,
Risiko Bisnis, Profitabilitas yang memiliki distribusi normal dimana nilai Asymp. Sig signifikansi lebih besar dari 0,05, sehingga dapat
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
73 disimpulkan sebagian besar data tersebut memenuhi asumsi berdistribusi
normal.
4.3.3. Uji Asumsi Klasik
Tujuan utama menggunakan uji asumsi klasik adalah untuk mendapatkan koefisien yang terbaik linier dan tidak bias BLUE : Best
Linier Unbiased Estimator. Uji asumsi klasik meliputi asumsi mulikolonieritas, autokorelasi dan heteroskedastisitas.
a Uji Multikolinieritas
Multikolinieritas : Adanya korelasi variabel independen dalam regresi
berganda. Deteksi adanya Multikolinier:
a. Besarnya VIF Variance Inflation Factor dan Tolerance
- Jika VIF melebihi angka 10, maka variabel tersebut
mengindikasikan adanya multikolinieritas. Gujarati b.
Nilai Eigenvalue mendekati 0 Singgih santoso c.
Condition Index melebihi angka 15 Singgih Santoso
Tabel 4.7 Hasil Uji Multikolinieritas
Sumber : Data diolah Lampiran
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
74 Dalam pengujian asumsi klasik terhadap analisis regresi linier
berganda ini menyatakan bahwa hasil analisis penelitian ini menunjukkan tidak adanya gejala multikolinieritas di mana nilai VIF pada variabel
tidak lebih besar dari 10. Syarat terjadi multikolinieritas jika nilai VIF Variance Inflation Factor 10 Cryer, 1994 : 681.
b Uji Heteroskedastisitas
Heteroskedastisitas : Varian dari satu residual dari satu pengamatan
ke pengamatan lain mempunyai varian yang berbeda. Jika sama namanya Homoskedastisitas. Model regresi yang baik tidak mempunyai
Heteroskedastisitas. Deteksi adanya Heteroskedastisitas:
a. Dari Scatter Plot Residual : jika ada pola tertentu seperti titik-
titikpoint-point yang ada membentuk pola tertentu yang teratur bergelombang, menyebar kemudian menyempit
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas 0 pada
sumbu Y, maka tidak terjadi Heteroskedastisitas.
c. Pada regresi linier nilai residual tidak boleh ada hubungan dengan
variabel X. Hal ini bisa diidentifikasikan dengan cara menghitung korelasi rank Spearman antara residual dengan seluruh variabel bebas.
Rumus rank Spearman adalah:
r
s
= 1 – 6
1 N
N d
2 2
i
−
∑
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
75 Keterangan :
d
i
= perbedaan dalam rank antara residual dengan variabel bebas ke-i N = banyaknya data
Pengujian Heteroskedastisitas di sini menggunakan_korelasi rank Spearman antara residual dengan seluruh variabel bebas dengan hasil
analisis sbb:
Tabel 4.8 Hasil Uji Heteroskedasitisitas NonparametricCorrelations
Sumber : Data diolah Lampiran Hasil ini menunjukkan bahwa pada variabel Ukuran Perusahaan
X1, Risiko Bisnis X2, dan Profitabilitas X3 TIDAK mempunyai korelasi yang signifikan antara residual dengan variabel bebasnya, maka
hasil analisis ini dapat disimpulkan semua variabel penelitian Tidak terjadi Heteroskedastisitas.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
76
c Uji Autokorelasi
Autokorelasi : Adanya korelasi antara kesalahan penggangu pada periode t dengan kesalahan penggangu t-1 sebelumnya. Jika ada di atas
15
Catatan: Autokorelasi pada sebagian besar data time series. Deteksi Autokorelasi:
a. Besarnya Angka Durbin Watson
Patokan: Angka D-W di bawah -2 ada autokorelasi positif Angka D-W di atas +2 ada autokorelasi negatif
Angka Berada diantara -2 sampai +2 Tidak ada Autokorelasi.
atau Membandingkan dengan Tabel Durbin Watson
Identifikasi gejala autokorelasi dapat dilakukan dengan kurva di bawah ini.
Tidak ada autokorelasi positif dan tidak ada
autokorelasi negatif
dL dU
4 - dU 4 - dL
4 ad
a a u
to k
o re
la si
p o
sitif daerah
keragu raguan
ad a a
u to
k o
re la
si n
eg at
if daerah
keragu raguan
1,45 1,68 1,931
2,32 2,55
Gambar 4.1
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
77 a.
Koefisien determinasi berganda R square tinggi b.
Koefisien korelasi sederhananya tinggi c.
Nilai F hitung tinggi d.
Tapi tak satupun atau sedikit sekali diantara variabel bebas yang signifikan
Tabel 4.9 Hasil Uji Autokorelasi
Sumber : Data diolah Lampiran Untuk asumsi klasik yang deteksi adanya autokorelasi di sini
dilihat dari hasil analisis yang menunjukkan hasil bahwa nilai Durbin
Watson sebesar 1,931. Hal ini menunjukkan Tidak adanya gejala autokorelasi.
4.3.4. Koefisien Determinasi R
