BAB V HASIL DAN PEMBAHASAN
A. HASIL PENELITIAN
2. Deskripsi Variabel Penelitian
Uji Asumsi Klasik
Sebelum melakukan uji regresi, peneliti harus memastikan bahwa uji regresi yang dilakukan adalah bebas dari uji asumsi klasik yang dimana dilihat dari variabel sebagai syarat uji regresi. Yaitu dengan melakukan uji asumsi klasik yang meliputi Uji Normalitas, Heteroskedastisitas, Uji Multikolonieritas dan Uji Autokorelasi.
i. Uji Normal
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan independen atau keduanya memiliki distribusi normal atau tidak. Untuk melihat model regresi normal atau tidak maka dapat dilakukan uji One sample Kolmogrov-Smirnov adalah lebih besar dari 0,05 maka Ha diterima, sehingga data residual berdistribusi normal. Sebaliknya jika nilai signifikan Kolmogorov-Smirnov adalah lebih kecil dari 0,05 maka Ha ditolak, sehingga residual berdistribusi tidak normal. (Ghozali, 2016:154)
Kemudian untuk meningkatkan uji normalitas dapat melihat grafik “Normal Probability Report Plot” yang membandingkan distribusi komulatif dengan distribusi normal. Distribusi normal akan membentuk garis diagonal dan ploting data residual akan dibandingkan dengan garis diagonalnya.
Hasil pengujian One Kolmogrov-Smirnov dari uji normalitas bagian dari uji asumsi klasik pada tabel 5.2 dibawah menunjukkan nilai signifikan sebesar 0,200. Nilai ini jauh diatas nilai signifikan sehingga
dapat dikatakan bahwa data terdistribusi normal dan model regresi layak untuk dapat dipakai.
Tabel 5.2
Uji One-Sample Kolmogorov-Smirnov Test
N 67
Normal Parametersa,b Mean ,0000000
Std. Deviation
1,16705564
Most Extreme Differences Absolute ,077
Positive ,069
Negative -,077
Test Statistic ,077
Asymp. Sig. (2-tailed) ,200c,d
Sumber : Data Diolah 2020
Gambar 5.1
Hasil uji Normalitas Dengan Analisis Grafik Plot
Sumber : Data Diolah 2020
Hasil pengujian normalitas dengan analisis grafik plot yang terdapat pada gambar di atas 5.1 menunjukkan bahwa terdapat penyebaran data yang merata dan penyebarannya mengikuti arah garis diagonal sehingga dapat disimpulkan bahwa model regresi berdistribusi normal.
ii. Uji Multikolonieritas
Uji multikoloeniritas bertujuan untuk mengetahui apakah dalam model regresi yang digunakan terdapat korelasi antar variabel independen. Untuk mengetahui bahwa apakah terjadi multikolonieritas pada suatu model diihat dari Tolerance dan Variance Inflation Factor (VIF). Dari multikolonieritas adalah apabila nilai tolerane diatas 0,10 dan VIF dibawah dari 10.
Tabel 5.3
Hasil Uji Multikolinieritas Arus Kas
Coefficientsa Model Collinearity Statistics Tolerance VIF 1 laba kotor ,185 5,395 laba operasi ,112 8,909 laba bersih ,119 8,398
hasil perhitungan uji multikolinieritas pada bagian uji asumsi klasik Tabel 5.3 diatas menunjukkan bahwa laba kotor, laba operasi, laba bersih memiliki nilai tolerance diatas 0,010 sehingga hasil yang didapat menunjukkan tidak terjadi korelasi antara variabel independen, dan hasil perhitungan variance inflation factor (VIF) menunjukkan bahwa ke3 variabel dependen memiliki nilai VIF lebih kecil dari 10. Sehingga dapat
a. Dependent Variable: arus kas Sumber : Data Diolah 2020
disimpulkan tidak terjadi multikolinieritas antara variabel independen dalam model regresi.
iii. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah suatu model Regresi Linier terdapat korelasi antara kesalahan penggangu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka terdapat problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu yang berkaitan satu sama lain.
Tabel 5.4
Hasil Uji Autokorelasi Arus Kas
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 ,715a ,511 ,487 1,19452 1,919
a. Predictors: (Constant), laba bersih, laba kotor, laba operasi b. Dependent Variable: arus kas
Sumber : Data Diolah 2020
Tabe 5.4 menunjukkan hasil uji autokorelasi pada bagian uji asumsi klasik, angka durbin watson pada model regresi data adalah sebesar 1,919. Data ini berkisar -4 sampai 4. Kemudian nilai ini dibandingkan dengan tabel signifikan 5% dengan jumlah sampel N=67 dan jumlah variabel dependen k=3 maka diperoleh nilai du 1,6988. Nilai DW=1,919 yang dimana lebih besar dari batas atas (du) yaitu 1,6988 dan dikurangkan dari (4-du) 4-1,6988=2.3012. Hal ini menunjukkan tidak
terdapat masalah autokorelasi sehingga persamaan regresi ini layak digunakan.
iv. Uji Heteroskedastisitas
Untuk mendeteksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat pada pola grafik scatterplot. Pada gambar 5.2 berikut ini:
Gambar 5.2
Hasil Grafik Scatterplot Heteroskedastisitas
Sumber : Data Diolah 2020
Pada gambar diatas menunjukkan pola yang jelas serta titik-titik hasil perhitugan analisa regresi menyebar di atas dan dibawah angka nol pada sumbu Y, dalam hasil uji ini menunjukkan kesimpulan bahwa tidak terjadi heteroskedastisitas pada model regresi tersebut. Untuk memperkuat Scatterplot maka perlu pengujian pada uji Glejer.
Tabel 5.5
Hasil Uji Glajer Heteroskedastisitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 4,070 2,091 1,947 ,056 laba kotor -,003 ,158 -,006 -,022 ,983 laba operasi -,275 ,165 -,606 -1,669 ,100 laba bersih ,161 ,131 ,434 1,230 ,223
b. Dependent Variable: AbsRes Sumber : Data Diolah 2020
Dari tabel 5.5 uji glejer heteroskedastisitas pada bagian uji asumsi klasik, ini menunjukkan bahwa variabel dependen yaitu laba kotor, laba operasi, laba bersih lebih dari 0,05 maka dapat disimpulkan bahwa model regresi tidak terdapat gejala heteroskedastisitas.
b. Pemilihan Model
Analisis regresi merupakan analisis yang mengukur pengaruh variabel bebas terhadap variabel terikat. Analisis regresi linier berganda yang dimaksud yaitu untuk menguji sejauh mana dan arah pengaruh variabel-variabel independen terhadap dependen. Variabel independen dalam penelitian ini adalah Laba Kotor (X1), Laba Operasi (X2), Laba Bersih (X3), sedangkan dependen penelitian ini adalah Arus Kas Masa Mendatang (Y)
Tabel 5.6
Hasil Uji Analisis Regresi Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,584 3,844 ,152 ,880 laba kotor ,819 ,291 ,575 2,811 ,007 laba operasi -,116 ,303 -,101 -,384 ,702 laba bersih ,237 ,240 ,252 ,988 ,327
a. Dependent Variable: arus kas Sumber : Data Diolah 2020
Didapat persamaan Regresi Linier Berganda sebagai berikut:
berdasarkan hasil uji model diatas yaitu uji analisis regresi berganda pada tabel 5.6 dapat dianalisis pengaruh masing-masing variabel independent terhadap arus kas :
Nilai koefisien regresi 0,819 (X1) variabel laba kotor terdapat hubungan yang positif dengan arus kas. Hal ini menunjukkan bahwa setiap kenaikan satu persen dari laba kotor akan menyebabkan kenaikan arus kas yang diterima sebesar nilai koefisiennya.
Nilai koefisien regresi -0,116 (X2) variabel laba bersih terdapat hubungan negatif dengan arus kas. Hal ini menunjukkan bahwa setiap kenaikan satu persen dari arus kas menyebabkan terjadinya penurunan pada arus kas yang diterima sebesar nilai koefisiennya.
Nilai koefisien regresi 0,237 (X3) variabel laba bersih terdapat hubungan yang positif dengan arus kas. Hal ini menunjukkan bahwa setiap kenaikan satu persen dari arus kas mengalami kenaikan pada arus kas yang diterima sebesar koefisiennya.
c. Pengujian Kelayakan Model i. Uji Koefisien Determinan ( )
Koefisien determinasi ( ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu (0<R<1). Semakin besar koefisien determinasinya maka semakin besar variasi variabel independennya mempengaruhi variabel dependennya. Untuk menguji apakah model yang terpilih layak digunakan untuk meramalkan (memprediksi).
Tabel 5.7
Uji Koefisien Determinan
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,715a ,511 ,487 1,19452 1,919
Sumber : Data Diolah 2020
Berdasarkan tabel di atas pada kolom Adjusted R Square, diperoleh nilai koefisien determinan sebesar 0,487 yang berarti 48,7% perubahan variabel arus kas dijelaskan oleh perubahan variabel laba kotor, laba
operasi dan laba bersih. Sedangkan sisanya 51,3% dijelaskan oleh variabel-variabel lain yang tidak termasuk dalam penelitian ini.
Tabel 5.8 Model Summaryb <0,10 Buruk ketepatannya 0,11 – 0,30 Rendah ketepatannya 0,31 – 0,50 Cukup >0,50 Tinggi ketepatannya
Berdasarkan tabel 5.8 diatas bahwa hasil koefisien terhitung cukup sehingga dapat digunakan sebagai bahan prediktor arus kas masa mendatang, koefisien determinan hanyalah salah satu bukan satu-satunya kriteria memilih model yang baik.
ii. Uji Hipotesis Uji t
Tabel 5.9
Uji Siginikasi Secara Parsial
Unstandardized Coefficients
Standardized
Coefficients
Model B Std. Error Beta T Sig. Keterangan
(Constant a) ,584 3,844 ,152 ,880 Laba Kotor ,819 ,291 ,575 2,811 ,007 Hipotesis diterimah Laba Operasi -,116 ,303 -,101 -,384 ,702 Hipotesis ditolak Laba Bersih ,237 ,240 ,252 ,988 ,327 Hipotesis ditolak
Uji F
Tabel 5. 10
Nilai Signifikan Secara Simultan
ANOVAa
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 93,784 3 31,261 21,909 ,000b
Residual 89,893 63 1,427
Total 183,677 66
a. Dependent Variable: arus kas
b. Predictors: (Constant), laba bersih, laba kotor, laba operasi Sumber : Data Diolah 2020
d. Interpretasi Model
i. Variabel X1 terhadap Y
Adanya pengaruh signifikan positif pada laba kotor dalam memprediksi arus kas.
Pada output regresi menunjukkan bahwa angka signifikan pada variabel laba kotor adalah sebesar 0,007 dimana nilai yang dihasilkan lebih kecil dari tingkat angka signifikasi yaitu 0,05 sehinggga dapat diambil kesimpulan bahawa arus laba kotor berpengaruh positif signifikan terhadap arus kas mendatang, berdasarkan hasil uji hipotesis disimpulkan bahwa H1 diterima.
ii. Variabel X2 terhadap Y
Adanya pengaruh signifikan positif pada laba operasi dalam memprediksi arus kas.
Pada aoutput regresi menunjukkan bahwa angka signifikan pada variabel laba operasi adalah sebesar 0,702 dimana nilai yang dihasilkan lebih besar dari tingkat angka signifikasi yaitu 0,05 sehingga dapat diambil kesimpulan bahwa laba operasi tidak berpengaruh secara signifikan terhadap arus kas masa mendatang, berdasarkan hasil uji hipotesis disimpulkan H2 ditolak karena tidak didukung oleh data dan tidak seuai dengan ekspektasi penelitian.
iii. Variabel X3 terhadap Y
Adanya pengaruh signifikan positif pada laba bersih dalam memprediksi arus kas.
Pada output regresi menunjukkan bahwa angka signifikan pada variabel laba bersih adalah sebesar 0,327 dimana nilai yang dihasilkan lebih besar dari tingkat angka signifikasi yaitu 0,05 sehingga dapat disumpulkan bahwa laba bersih tidak berpengaruh secara signfikan terhadap arus dimasa mendatang, berdasarkan hasil uji hipotesis dapat disimpulkan H3 ditolak karena tidak didukung oleh data dan tidak sesuai dengan ekspetasi peneltian.
iv. Variabel X1, X2, dan X3 terhadap Y
informasi laba kotor, laba operasi, laba bersih secara simultan berpengaruh signifikan dalam memprediksi arus kas.
Berdasarkan hasil uji tabel 5.8 diatas, hasil output regresi laba menunjukkan nilai signifikansi dengan nilai 0,000 lebih kecil 0,05, sehingga dapat disimpulkan bahwa variabel independen yaitu laba
kotor, laba operasi dan laba bersih secara bersama-sama memiliki kemampuan prediktif terhadap arus kas mendatang, dan dapat disimpulkan H4 diterima dan didukung data dan sesuai dengan ekspektasi penelitian.