d d b HASIL PENELITIAN DAN PEMBAHASAN

4.1.8.4. Uji Autokorelasi

Pendekatan masalah autokorelasi dilakukan dengan pengujian Durbin- Watson atau uji DW. Dari Tabel 4.13 diperoleh nilai hitung Durbin-Watson sebesar 1,821. Dari tabel statistik Durbin-Watson dengan α = 5 diperoleh nilai DW lebih besar dari upper bound du atau dapat ditulis sebagai berikut, d du atau 1,821 1,71. Hal ini dapat disimpulkan bahwa hipotesis awal Ho diterima artinya tidak terdapat autokorelasi baik positif maupun negatif pada persamaan regresi. Tabel 4.13. Uji Autokorelasi Hipotesa Kedua Model Summary

c,d

Model R R Square b Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .980 a .960 .958 .83134 1.821 a. Predictors: Wt_LEVERAGE, Wt_VAIC, Wt_UKURAN, Wt_SQROOT b. For regression through the origin the no-intercept model, R Square measures the proportion of the variability in the dependent variable about the origin explained by regression. This CANNOT be compared to R Square for models which include an intercept. c. Dependent Variable: Wt_ATO d. Linear Regression through the Origin Sumber: Hasil Penelitian, 2012 Data diolah 4.1.9 Hasil Regresi Berganda Hipotesis Kedua Tabel 4.14 Hasil Uji Hipotesis Kedua Coefficients

a,b

Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Wt_SQROOT 1.566 .060 .963 26.166 .000 .390 2.564 Wt_VAIC .010 .002 .138 3.888 .000 .418 2.392 Wt_UKURAN .393 .139 .101 2.819 .006 .413 2.423 Wt_LEVERAGE -.366 .061 -.241 -6.013 .000 .329 3.037 a. Dependent Variable: Wt_ATO b. Linear Regression through the Origin Sumber: Hasil Penelitian, 2012 Data diolah. Universitas Sumatera Utara Berdasarkan hasil pengujian pada data VAIC, Ukuran Perusahaan dan Leverage terhadap ATO terjadi autokorelasi dan heteroskedastisitas. Oleh karena itu harus membuang outlier pencilan sebanyak 4 pada variabel VAIC. Kemudian untuk mengatasi masalah heteroskedastisitas, data variabel VAIC, Ukuran Perusahaan, Leverage dan ATO harus diberikan pembobotan dengan menggunakan WLS Weighted Least Square Model regresi untuk hipotesis kedua adalah sebagai berikut: Y 2 = 1,566Wt_SQROOT + 0,010Wt_VAIC + 0,393Wt_Ukuran – 0,366Wt_Leverage + e Dimana: Y 2 = Asset Turn Over terboboti Wtsqroot = Konstanta 1 β = Koefisien Regresi VAIC terboboti 2 β = Koefisien Regresi Ukuran Perusahaan terboboti 3 β = Koefisien Regresi Leverage terboboti Wt_VAIC = Value Added Intellectual Capital VAIC TM terboboti Wt_Ukuran = Ukuran Perusahaan terboboti Wt_Leverage = Leverage terboboti e = Error of Term. Dari persamaan regresi linier berganda diatas menunjukkan bahwa apabila nilai variabel VAIC, Ukuran Perusahaan dan Leverage sama dengan nol, maka Asset Turn Over adalah sebesar 1,566. Hal ini berarti bahwa pengaruh rata-rata semua variabel yang tidak terungkat tidak diteliti terhadap asset turn over adalah 1,566. Koefisien variabel VAIC adalah 0,01 yang berarti bahwa bila VAIC naik sebesar 1 Universitas Sumatera Utara maka Asset Turn Over akan naik sebesar 1. Koefisien variabel ukuran perusahaan adalah 0,393 yang berarti bahwa bila ukuran perusahaan sama dengan 1 maka Asset Turn Over naik sebesar 39,3, dan apabila ukuran perusahaan sama dengan 0 maka Asset Turn Over tidak akan mengalami kenaikan maupun penurunan. Koefisien variabel leverage adalah sebesar -0,366 yang berarti bahwa bila leverage naik sebesar 1 maka asset turn over akan turun sebesar 36,6.

4.1.10 Koefisien Determinasi R Square Hipotesis Kedua

Tabel 4.15. Uji Hipotesis Kedua Model Summary

c,d

Model R R Square b Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .980 a .960 .958 .83134 1.821 a. Predictors: Wt_LEVERAGE, Wt_VAIC, Wt_UKURAN, Wt_SQROOT b. For regression through the origin the no-intercept model, R Square measures the proportion of the variability in the dependent variable about the origin explained by regression. This CANNOT be compared to R Square for models which include an intercept. c. Dependent Variable: Wt_ATO d. Linear Regression through the Origin Sumber: Hasil Penelitian, 2012 Data diolah. Sebelum melakukan uji hipotesis, pertama kali dilakukan uji determinasi untuk seberapa jauh kemampuan variabel bebas yaitu VAIC, dan variabel kontrol yaitu ukuran dan Leverage dalam menjelaskan pengaruh terhadap variabel terikatnya Asset Turn Over. Nilai koefisien determinasi � 2 diperlihatkan pada Tabel 4.15. nilai � 2 yang diperoleh adalah 0,960 atau 96 yang menunjukkan kemampuan variabel bebas yaitu VAIC dan variabel kontrol yaitu ukuran perusahaan dan leverage dalam menjelaskan pengaruhnya terhadap variabel terikatnya Asset Turn Over ATO sebesar 96, sedangkan sisanya sebesar 1- � 2 = e, yang besarnya 4 adalah variabel yang tidak terungkap atau tidak diteliti. Universitas Sumatera Utara

4.1.11 Hasil Uji Serempak Uji F Hipotesis Kedua

Hasil uji hipotesis pertama dengan menggunakan pengujian simultan atau uji F adalah untuk menunjukkan apakah semua variabel independen atau bebas dan variabel kontrol dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat dengan kriteria pengambilan keputusan sebagai berikut: Terima Ho jika hitung F ≤ tabel F pada α = 5 Terima Ha tolak Ho jika hitung F tabel F pada α = 5 Berdasarkan tabel 4.16 diperlihatkan bahwa nilai hitung F = 454,710 dan tabel F = 2,727 sehingga hitung F lebih besar dari tabel F dan nilai signifikansi hitung F adalah 0,000 lebih kecil dari α = 5. Keputusan yang diambil adalah Ho ditolak dan Ha diterima. Diterimanya hipotesis alternatif menunjukkan variabel bebas yang terdiri dari VAIC, dan variabel kontrol adalah ukuran perusahaan dan leverage mampu menjelaskan keragaman dari variabel terikat Asset Turn Over atau dengan kata lain VAIC, ukuran perusahaan dan leverage secara bersama-sama berpengaruh signifikan terhadap Asset Turn Over. Tabel 4.16. Hasil Uji – F Hipotesis Kedua ANOVA

c,d

Model Sum of Squares df Mean Square F Sig. 1 Regression 1257.050 4 314.263 454.710 .000 a Residual 52.526 76 .691 Total 1309.576 b 80 a. Predictors: Wt_LEVERAGE, Wt_VAIC, Wt_UKURAN, Wt_SQROOT b. This total sum of squares is not corrected for the constant because the constant is zero for regression through the origin. c. Dependent Variable: Wt_ATO d. Linear Regression through the Origin Universitas Sumatera Utara Sumber: Hasil Penelitian, 2012 Data diolah 4.1.12 Hasil Uji Parsial Uji t Hipotesis Kedua Selanjutnya pengujian hipotesis pertama dengan pengujian secara parsial atau uji t adalah menguji apakah suatu variabel bebas secara individual berpengaruh atau tidak terhadap variabel terikat dengan kriteria pengambilan keputusan sebagai berikut: Terima Ho jika hitung t ≤ tabel t pada α = 5 Terima Ha tolak Ho jika hitung t tabel t pada α = Tabel 4.17 Hasil Uji – t Hipotesis Kedua Coefficients

a,b

Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Wt_SQROOT 1.566 .060 .963 26.166 .000 .390 2.564 Wt_VAIC .010 .002 .138 3.888 .000 .418 2.392 Wt_UKURAN .393 .139 .101 2.819 .006 .413 2.423 Wt_LEVERAGE -.366 .061 -.241 -6.013 .000 .329 3.037 a. Dependent Variable: Wt_ATO b. Linear Regression through the Origin Sumber: Hasil Penelitian, 2012 Data diolah. Dari Tabel 4.17, variabel VAIC pada uji dua sisi, untuk n = 76, df = 75, α = 5, Ho diterima jika -1,992 hitung t 1,992. Hasil penelitian menunjukkan bahwa nilai hitung t = 3,888, yang berarti Ho ditolak. Hal ini berarti variabel VAIC X 1 berpengaruh positif terhadap Asset Turn Over ATO. Berdasarkan tingkat signifikansinya 0,000 yang lebih kecil dari 0,05 menunjukkan bahwa VAIC secara signifikan berpengaruh positif terhadap Asset Turn Over ATO. Universitas Sumatera Utara Variabel ukuran pada uji dua sisi, untuk n = 80, df = 79, α = 5, Ho diterima jika -1,990 hitung t 1,990. Hasil penelitian menunjukkan bahwa nilai hitung t = 2,819, yang berarti Ho ditolak. Hal ini berarti Ukuran Perusahaan X 2 berpengaruh terhadap Asset Turn Over ATO. Berdasarkan tingkat signifikansi 0,006 yang lebih besar dari 0,05 menunjukkan bahwa ukuran perusahaan secara signifikan berpengaruh positif terhadap Asset Turn Over ATO. Variabel leverage pada uji dua sisi, untuk n = 80, df = 79, α = 5, Ho diterima jika -1,990 hitung t 1,990. Hasil penelitian menunjukkan bahwa nilai hitung t = -6,013, yang berarti Ho ditolak. Hal ini berarti Leverage X 3 berpengaruh terhadap Asset Turn Over ATO. Berdasarkan tingkat signifikansi 0,000 yang lebih besar dari 0,05 menunjukkan bahwa Leverage X 3 secara signifikan berpengaruh negatif terhadap Asset Turn Over ATO.

4.1.13. Hasil Uji Asumsi Klasik Hipotesis Ketiga

4.1.13.1. Uji Normalitas

Uji normalitas dapat dilakukan dengan dua cara yaitu dengan analisis grafik dan uji statistik Kolmogrov-Sminov. Tampilan grafik histogram yang terdapat pada gambar 4.7 di bawah memberikan pola distribusi yang normal karena menyebar secara merata baik ke kiri maupun ke kanan. Universitas Sumatera Utara Sumber: Hasil Penelitian, 2012 Data diolah. Gambar 4.7 Grafik Histogram Hipotesis Ketiga Pada Gambar 4.7 Grafik Histogram di atas memperlihatkan hasil bahwa bentuk grafik mengikuti grafik distribusi normal. Dari grafik tersebut terlihat bahwa bentuk grafik distribusi cenderung menceng ke kiri, lebih runcing. Sumber: Hasil Penelitian, 2012 Data diolah. Gambar 4.8 Grafik Normal Plot Hipotesis Ketiga Universitas Sumatera Utara Pada Gambar 4.8 Grafik Normal Plot diatas terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis regresi memenuhi asumsi normalitas. Selain dengan analisis grafik, dapat dilakukan uji normalitas dengan melihat angka signifikan dari Kolmogrov-Sminov text, yaitu dengan cara melakukan uji Kolmogrov-Sminov pada data residual. Dari tabel hasil uji normalitas terlihat bahwa semua variabel berdistribusi normal, hal ini dapat dilihat dari signifikansi Kolmogrov-Sminov test sebesar 0,947 yaitu lebih besar dari 0,05. Hasil uji Kolmogrov-Sminov terlihat pada tabel 4.18 sebagai berikut: Tabel 4.18. Uji Kolmogrov-Sminov Hipotesis Ketiga One-Sample Kolmogorov-Smirnov Test Wt_Ln_MBR N 72 Normal Parameters a,,b Mean 8.1218 Std. Deviation 1.19883 Most Extreme Differences Absolute .062 Positive .062 Negative -.058 Kolmogorov-Smirnov Z .524 Asymp. Sig. 2-tailed .947 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian, 2012 Data diolah.

4.1.5.2 Uji Multikolinieritas

Pengujian Multikolinieritas pada penelitian ini dapat dilakukan dengan melihat nilai collinearity statistic dan nilai koefisien korelasi diantara variabel bebas. Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Multikolinieritas terjadi apabila 1 nilai Universitas Sumatera Utara tolerance Tolerance 0,10 dan 2 variance inflation factor VIF 10. Berdasarkan tabel 4.19 terlihat nilai VIF untuk variabel VAIC, Ukuran dan Leverage lebih kecil dari 10. Sedangkan nilai tolerance-nya lebih besar dari 0,10. Hal ini menunjukkan bahwa variabel bebas dalam penelitian ini tidak saling berkorelasi atau tidak ditemukan adanya korelasi antara variabel bebas dan variabel kontrol. Hasil pengujian terlihat pada tabel 4.19 sebagai berikut: Tabel 4.19. Uji Multikolinieritas Hipotesis Ketiga Coefficients

a,b

Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Wt_SQROOT 5.773 .222 .961 26.045 .000 .149 6.703 Wt_VAIC .030 .014 .087 2.142 .036 .123 8.119 Wt_UKURAN .492 .245 .046 2.008 .049 .392 2.551 Wt_LEVERAGE -.534 .120 -.105 -4.439 .000 .364 2.748 a. Dependent Variable: Wt_Ln_MBR b. Linear Regression through the Origin Sumber: Hasil Penelitian, 2012 Data diolah

4.1.5.3. Uji Heterokedastisitas

Uji Heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual pengamatan satu dengan pengamatan lain, jika varians residual dari pengamatan satu dengan pengamatan yang lain tetap, maka disebut homoskedastistik. Model regresi yang baik ialah yang homokedastisitas atau tidak terjadi heterokedastisitas. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengna melihat ada tidaknya pola tertentu pada grafik sctterplot antara SRESID residual dan ZPRED prediksi variabel terikat. Universitas Sumatera Utara Sumber: Hasil Penelitian, 2012 Data diolah