Uji normalitas untuk mengetahui apakah variabel dependen, independen atau
keduanya berdistribusi normal, mendekati normal atau tidak. Asumsi normalitas
merupakan persyaratan yang sangat penting pada pengujian kebermaknaan
(signifikansi) koefisien regresi. Model regresi yang baik hendaknya berdistribusi
normal atau mendekati normal, sehingga layak dilakukan pengujian secara
statistik. Pada penelitian ini digunakan uji satu sampel Kolmogorov-Smirnov untuk menguji normalitas model regressi.
Tabel 4.4
Hasil Pengujian Asumsi Normalitas
One-Sample Kolmogorov-Smirnov Test
12 .0000000 7161.431951 .155 .101 -.155 .536 .936 N Mean
Std. Dev iat ion Normal Parametersa,b
Absolute Positiv e Negativ e Most Extreme Dif f erences Kolmogorov -Smirnov Z Asy mp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated f rom data. b.
Pada tabel 4.4 dapat dilihat nilai probabilitas (asymp.sig.) yang diperoleh dari uji Kolmogorov-Smirnov sebesar 0,936. Karena nilai probabilitas pada uji
Kolmogorov-Smirnov masih lebih besar dari tingkat kekeliruan 5% (0.05), maka
disimpulkan bahwa model regressi berdistribusi normal. Secara visual gambar
grafik normal probability plot dapat dilihat pada gambar 4.4 berikut
Gambar 4.4 Grafik Normalitas
Berdasarkan gambar diatas tampak bahwa data menyebar disekitar garis
diagonal dan mengikuti arah garis diagonal tersebut. Dengan demikian dapat
dinyatakan bahwa penyebaran data mendekati normal atau memenuhi asumsi
normalitas. Maka dapat diketahui data harga pokok produk dan penyusutan aktiva
tetap sebagai variabel independen dan juga laba sebagai variabel dependen pada
laporan keuangan PT. PINDAD(persero) bandung periode 2000-2011 terdistribusi
normal, sehingga model regresi ini layak untuk digunakan dalam melakukan
pengujian.
Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0 Expect ed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Laba
b) Uji Multikolinieritas
Multikolinieritas berarti adanya hubungan yang kuat di antara beberapa atau
semua variabel bebas pada model regresi. Jika terdapat Multikolinieritas maka
koefisien regresi menjadi tidak tentu, tingkat kesalahannya menjadi sangat besar
dan biasanya ditandai dengan nilai koefisien determinasi yang sangat besar tetapi
pada pengujian parsial koefisien regresi, tidak ada ataupun kalau ada sangat
sedikit sekali koefisien regresi yang signifikan. Pada penelitian ini digunakan nilai
variance inflation factors (VIF) sebagai indikator ada tidaknya multikolinieritas
diantara variabel bebas.
Tabel 4.5
Hasil Pengujian Asumsi Multikolinieritas
Berdasarkan hasil perhitungan statistik yang telah dilakukan dengan
menggunakan SPSS 18.0 for windows dapat dilihat bahwa profitabilitas dan kebijakan dividen menunjukan nilai tolerance > 0,10 dan nilai VIF < 10, Oleh karena itu dapat disimpulkan bahwa variabel independen yang digunakan dalam
model regresi penelitian ini adalah terbebas dari multikolineritas atau dapat
dipercaya dan obyektif. Maka model ini tidak akan mengalami kesulitan untuk
melihat pengaruh harga pokok produk dan penyusutan aktiva tetap sebagai
Coeffi ci entsa .194 5.145 .194 5.145 X1 X2 Model 1 Tolerance VI F Collinearity Statistics Dependent Variable: Y a.
variabel independen terhadap laba sebagai variabel dependen (terikat) pada
laporan keuangan PT. PINDAD (persero) bandung periode 2000-2011.
c) Uji Heteroskedastisitas
Heteroskedastisitas merupakan indikasi varian antar residual tidak homogen
yang mengakibatkan nilai taksiran yang diperoleh tidak efisien. Untuk menguji
homogenitas varian dari residual digunakan uji rank Spearman, yaitu dengan mengkorelasikan variabel bebas terhadap nilai absolut dari residual(error).
Apabila koefisien korelasi dari masing-masing variabel independen ada yang
signifikan pada tingkat kekeliruan 5%, mengindikasikan adanya
heteroskedastisitas. Pada tabel 4.6 berikut dapat dilihat nilai signifikansi
masing-masing koefisien korelasi variabel bebas terhadap nilai absolut dari
residual(error).
Tabel 4.6
Hasil Pengujian Asumsi Heteroskedastisitas
Berdasarkan hasil korelasi yang diperoleh seperti dapat dilihat pada tabel
4.6 diatas memberikan suatu indikasi bahwa residual (error) yang muncul dari
persamaan regresi mempunyai varians yang sama (tidak terjadi
heteroskedastisitas). Hal ini ditunjukkan oleh nilai signifikansi (sig) dari
masing-Correlati ons .322 .308 12 .259 .417 12 Correlation Coef f icient
Sig. (2-tailed) N
Correlation Coef f icient Sig. (2-tailed) N X1 X2 Spearman's rho absolut_error
masing koefisien korelasi kedua variabel bebas dengan nilai absolut error (yaitu
0,308 dan 0,417) masih lebih besar dari 0,05.
d) Uji Autokorelasi
Uji autokorelasi dilakukan dengan uji Durbin Watson (DW-test). Model
regresi dikatakan tidak terdapat autokorelasi apabila nilai Durbin-Watson
(DW-test) berkisar 1,57 sampai 2,32. Untuk mendeteksi keberadaan ada tidaknya
autokorelasi dalam data, digunakan uji durbin watson dengan hasil output SPSS
18.0 for windows sebagai berikut :
Tabel 4.7
Nilai Durbin-Watson Untuk Uji Autokorelasi
Dari tabel diatas dapat dilihat bahwa nilai Durbin-Watson sebesar 1,827.
Nilai ini akan dibandingkan dengan nilai durbin watson pada tabel. sementara dari
tabel d untuk jumlah variabel bebas = 2 dan jumlah pengamatan n = 12 diperoleh
batas bawah nilai tabel (dL) = 0,812 dan batas atasnya (dU) = 1,579. Karena nilai
Durbin-Watson model regressi (1,827) berada diantara dU (1,579) dan 4-dU
(2,421), yaitu daerah tidak ada autokorelasi maka dapat disimpulkan tidak terjadi
autokorelasi pada model regressi.
Model Summaryb .799a .639 .559 7917.26091 1.827 Model 1 R R Square Adjusted R Square St d. Error of the Estimate Durbin-Wat son Predictors: (Constant), X2, X1 a. Dependent Variable: Y b.
Gambar 4.5
Daerah Kriteria Pengujian Autokorelasi
Setelah keempat asumsi regressi diuji dan terpenuhi, selanjutnya dilakukan
pengujian hipotesis, yaitu pengaruh harga pokok produk dan penyusutan aktiva
tetap terhadap laba.
2 Analisis Regresi Linier Berganda
Analisis regresi berganda digunakan peneliti dengan maksud untuk
mengetahui apakah ada hubungan linear antara satu variabel dependen dengan
beberapa variabel independen. Dengan kata lain untuk mengetahui besarnya
pengaruh harga pokok produk dan penyusutan aktiva tetap terhadap laba. Untuk model matematis untuk hubungan antara dua variabel tersebut adalah persamaan
regresi berganda, yaitu sebagai berikut:
Estimasi model regresi linier berganda menggunakan software SPSS.18 diperoleh
output sebagai berikut :
4 Terdapat Autokorelasi Positif Terdapat Autokorelasi Negatif Tidak Terdapat Autokorelasi Tidak Ada Keputusan Tidak Ada Keputusan dL=0,812 dU=1,579 4-dU=2,421 4-dL=3,188 0 D-W =1,827 Y = a + b1X1 + b2 X2
Tabel 4.8
Hasil Analisis Regresi Linier Berganda
Dari tabel diatas dibentuk persamaan regresi linier sebagai berikut :
Y= 27044,028 + 0,058 X1 - 0,168 X2
Dimana :
Y = Laba
X1 = Harga pokok produk X2 = Penyusutan aktiva tetap
Koefisien yang terdapat pada persamaan diatas dapat dijelaskan sebagai berikut :
1. Konstanta sebesar 27044,028 juta rupiah menunjukkan nilai rata-rata laba
pada PT. PINDAD (Persero) Bandung selama periode tahun 2000-2011 jika
harga pokok produk dan penyusutan aktiva tetap sama dengan nol.
2. Harga pokok produk memiliki koefisien bertanda positif sebesar 0,058,
artinya setiap peningkatan harga pokok produk sebesar 1 juta rupiah
diprediksi akan meningkatkan laba sebesar 58000 rupiah dengan asumsi
penyusutan aktiva tetap tidak berubah.
3. Penyusutan aktiva tetap memiliki koefisien bertanda negatif sebesar 0,168
juta rupiah, artinya setiap penyusutan aktiva tetap sebesar 1 juta rupiah
Coeffi ci entsa 27044.028 10614.297 2.548 .031 .058 .019 1.424 3.134 .012 -.168 .098 -.783 -1.724 .119 (Constant) X1 X2 Model 1 B St d. Error Unstandardized Coef f icients Beta St andardized Coef f icients t Sig. Dependent Variable: Y a.
diprediksi akan menurunkan laba sebesar 168000 rupiah dengan asumsi harga
pokok produk tidak berubah.
