4.2.2.4. Uji Autokorelasi
Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini:
Tabel 4.6 Uji Autokorelasi
Setelah transformasi dengan LN
Model Summary
Model
b
Durbin-Watson 1
1.302 a. Predictors : Constant, LN_X2, LN_X1
b. Dependent Variable: LN_Y
Sumber : Diolah dari SPSS 2011
Dari tabel diatas dapat dilihat bahwa nilai Durbin-Watson sebesar 1.302. Hal ini menunjukkan bahwa tidak terjadi autokorelasi karena nilai Durbin-Watson
berada pada rentang -2 ≤ 1.302 ≤ 2. Dengan demikian, maka dalam model
regresi linear berganda ini tidak terjadi autokorelasi antara kesalahan pengganggu pada periode penelitian dengan kesalahan pengganggu pada periode sebelum
penelitian.
Universitas Sumatera Utara
Regresi Berganda
Tabel 4.7 Regresi Linear Berganda setelah transformasi dengan LN
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.096 .293
.328 .745
ln_x1 -.151
.078 -.244
-1.940 .059
ln_x2 .414
.105 .497
3.961 .000
a. Dependent Variable: ln_y Sumber: Diolah dari SPSS 2011
Dari nilai-nilai koefisien di atas, persamaan regresi yang dapat disusun untuk variabel perputaran piuang usaha dan perputaran persediaan adalah :
LNY = 0.096 - 0.151 LNX
1
+ 0.414 LNX
Setelah diantilogaritma natural maka persamaannya menjadi :
2
Y = 1.101 + 0.860X
1
+ 1.513X
Dimana :
2
LNY = Logaritma Natural Likuiditas
LNX
1
LNX = Logaritma Natural Perputaran Piutang Usaha
2
Adapun interpretasi dari persamaan di atas adalah : = Logaritma Natural Perputaran Persediaan
a. Konstanta a sebesar 1.101, menyatakan bahwa jika variabel independen
dianggap konstan, maka Likuiditas sebesar 1.101. b.
Koefisien X1 b1 = 0.860, ini menunjukkan apabila terjadi perubahan variabel perputaran piutang sebesar 1 satuan akan meningkatkan
Universitas Sumatera Utara
Likuiditas sebesar 0.860 dengan asumsi variabel lainnya tetap atau sama dengan nol.
c. Koefisien X2 b2 = 1.513, ini menunjukkan bahwa apabila terjadi
perubahan perputaran persediaan sebesar 1 satuan, maka akan meningkatkan Likuiditas sebesar 1.513, dengan asumsi variabel lainnya
tetap atau sama dengan nol.
Koefisien Determinasi R
2
Tabel 4.8 Koefisien Determinasi R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.541 .293
a
.262 .58787
a. Predictors: Constant, ln_x2, ln_x1 b. Dependent Variable: ln_y
Pada model summary di atas, angka R sebesar 0.541 menunjukkan bahwa terdapat korelasi atau hubungan antara Likuiditas dengan perputaran piutang dan
perputaran persediaan yaitu sebesar 54 yang berada di atas 0.5 50. Angka adjusted R. Square atau koefisien determinasi adalah 0.262. Angka ini
mengindikasikan bahwa 26.2 variasi atau perubahan dalam likuiditas dapat dijelaskan oleh variasi variabel perputaran piutang usaha dan perputaran
persediaan. Sedangkan sisanya 73.8 dijelaskan oleh faktor-faktor lain yang tidak
dimasukkan dalam model penelitian. Standar Error of Estimate SEE adalah
Universitas Sumatera Utara
0.58787, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
4.2.3. Pengujian Hipotesis 4.2.3.1. Uji Simultan Uji F Statistik