3. Pengujian Hipotesis
Melalui hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang
Best Linear Unbiased Estimator BLUE dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda.
Berdasarkan hasil pengolahan data dengan program SPSS 16, maka diperoleh hasil sebagai berikut:
a. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen, melalui pengaruh CAR dan DER terhadap Laba. Hasil regresi dapat dilihat pada tabel 4.8 berikut ini.
Tabel 4.7 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.505 .774
.652 .518
CAR -.376
2.368 -.037
-.159 .875
.412 2.425
DER -.022
.040 -.127
-.549 .586
.412 2.425
a. Dependent Variable: Laba
Sumber : Diolah oleh penulis dengan SPSS, 2011.
Berdasarkan tabel 4.7, didapat persamaan regresi sebagai beikut: Y = 0,505 - 0,376 CAR – 0,022 DER +
ε Keterangan :
1 konstanta sebesar 0,505 menunjukkan bahwa apabila tidak ada variabel
independen CAR = DER = 0 maka Pertumbuhan Laba sebesar 0,505. 2
b
1
sebesar -0,376 menunjukkan bahwa setiap penambahan Capital Adequacy Ratio sebesar 1 akan diikuti oleh penurunan Pertumbuhan
Laba sebesar 0,376 dengan asumsi variabel lain tetap. 3
b
2
sebesar -0.022 menunjukkan bahwa setiap penambahan Debt to Equity Ratio sebesar 1 akan diikuti oleh penurunan Pertumbuhan Laba sebesar
0.022 dengan asumsi variabel lain tetap.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai
dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel- variabel independen memberikan semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu
nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap
variabel dependen.
Tabel 4.8 Koefisien Korelasi dan Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .101
a
.010 -.034
.5572947 2.269
a. Predictors: Constant, CAR, DER b. Dependent Variable: Laba
Sumber : Diolah oleh penulis dengan SPSS, 2011. Dari hasil pengolahan regresi berganda pada tabel 4.6, dapat diketahui
bahwa nilai R adalah 0,101 atau 10,1 . Nilai R pada intinya mengukur seberapa besar hubungan antara variabel independen dengan variabel dependen. Sedangkan
nilai R Square R
2
= koefisien determinasi mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai R Square R
2
berada di antara 0 dan 1. Nilai R
2
yang kecil berarti kemampuan variabel independen dalam menerangkan variasi variabel dependen sangat terbatas.
Nilai R-square dari output di atas adalah sebesar 0,010. ini berarti bahwa variasi dari variabel independen yang terdiri dari Capital Adequacy Ratio dan
Debt to Equity Ratio hanya mampu menjelaskan variasi variabel dependen
Pertumbuhan Laba sebesar 1 . Selebihnya dijelaskan oleh variabel lain yang tidak dimasukkan dalam model regresi.
c. Pengujian Hipotesis