HASIL PENELITIAN DAN PEMBAHASAN
4.1. Gambaran Umum Perusahaan 1. PT Delta Djakarta Tbk (DLTA)
4.2.2. Hasil Uji Asumsi Klasik
Untuk menghasilkan suatu analisis data yang akurat, suatu persamaan regresi sebaiknya terbebas dari asumsi-asumsi klasik yang harus dipenuhi antara lain uji normalitas, multikolinearitas, autokorelasi, dan heteroskedastisitas.
4.2.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji
Analisis grafik dapat digunakan dengan dua cara, yaitu grafik histogram dan grafik P-P Plot. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng dan tidak menceng ke kiri atau menceng ke kanan. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Sumber : Hasil Penelitian, 2014 (Data Diolah) Gambar 4.1.
Grafik Histogram
Pada Gambar 4.1 terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribusi data tersebut yang tidak miring ke kiri atau miring ke kanan, melainkan ke tengah dengan bentuk lonceng.
Sumber : Hasil Penelitian, 2014 (Data Diolah) Gambar 4.2.
Grafik Normal P-P Plot
Pada Gambar 4.2. dapat dilihat bahwa titik-titik pada scatter plot mengikuti data disepanjang garis diagonal. Hal ini menunjukkan bahwa data berdistribusi normal.
Selanjutnya pengujian normalitas data dilakukan dengan uji statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov (1 sample KS) dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada Tabel 4.2.
Tabel 4.2.
Hasil Uji One Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parametersa,b Mean ,0000000
Std. Deviation 26,41731112 Most Extreme Differences Absolute ,129 Positive ,129 Negative -,083 Kolmogorov-Smirnov Z ,929
Asymp. Sig. (2-tailed) ,354
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Penelitian, 2014 (Data Diolah)
Berdasarkan uji Kolmogorov-Smirnov terlihat bahwa nilai Asymp.Sig. (2-tailed) adalah 0,354 yang berarti lebih besar dari nilai signifikan (0,05). Hal ini menunjukkan bahwa variabel residual berdistribusi normal.
4.2.2.2. Uji Multikolinearitas
Multikolinearitas merupakan fenomena adanya korelasi yang sempurna antara satu variabel bebas dengan variabel bebas lain. Menurut Ghozali (2006: 91) salah satu cara untuk mengetahui adanya multikolinearitas adalah dengan melakukan uji VIF (Variance Inflation Factor) yaitu jika VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas. Berdasarkan hasil pengolahan SPSS atas data yang diperoleh, dapat dilihat pada Tabel 4.3 berikut ini:
Tabel 4.3.
Hasil Uji Multikolinearitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 48,260 10,346 4,665 ,000
Laba Bersih
,005 ,001 ,672 5,488 ,000 ,797 1,255
AKO 5,090E-6 1,835E-6 ,335 2,773 ,008 ,816 1,225
CR -,014 ,019 -,100 -,755 ,454 ,680 1,471
DER -,107 ,037 -,379 -2,879 ,006 ,688 1,454
a. Dependent Variable: DPR
Sumber : Hasil Penelitian, 2014 (Data Diolah)
Berdasarkan hasil pengujian uji multikolinearitas pada Tabel 4.3 di atas diperoleh besaran Variance Inflation Factor (VIP) menurut hasil output SPSS Statistics untuk Laba Bersih sebesar 1,255, Arus Kas Operasi (AKO) sebesar 1,225, Current Ratio (CR) sebesar 1,471 dan Debt to Equity Ratio (DER) sebesar 1,454. Hasil tersebut menunjukkan bahwa model regresi tidak terjadi masalah multikolinearitas karena ketiganya memenuhi pedoman model regresi yang bebas multikolinearitas yaitu dibawah 10.
Besarnya tolerance menurut hasil outpui SPSS Statistics untuk Laba Bersih sebesar 0,797, Arus Kas Operasi (AKO) sebesar 0,816, Current Ratio (CR) sebesar 0,680 dan Debt to Equity Ratio (DER) sebesar 0,688. Hasil tersebut menunjukkan bahwa model regresi tidak terjadi masalah multikolinearitas karena ketiganya memenuhi pedoman model regresi yang bebas multikolinearitas yaitu mempunyai tolerance diatas 0,1.
4.2.2.3. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson
dengan ketentuan sebagai berikut (Santoso, 2005 : 219): 1. Angka D-W dibawah -2 berarti ada autokorelasi positif,
2. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3. Angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.4.
Hasil Uji Durbin-Watson Test
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 ,662a ,439 ,391 27.51850 1,532
Sumber : Hasil Penelitian, 2014 (Data Diolah)
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1,532 Angka ini terletak di antara -2 sampai +2, dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi. Selanjutnya untuk lebih memastikan apakah model regresi ini bebas dari masalah autokorelasi, maka penelitian ini juga menggunakan uji Runs Test dan The Breusch-Godfrey (BG) Test.
Tabel 4.5. Hasil Uji Runs Test
Runs Test
Unstandardized Residual
Test Valuea -5,75642
Cases < Test Value 26
Cases >= Test Value 26
Total Cases 52
Number of Runs 27
Z ,000
Asymp. Sig. (2-tailed) 1,000
a. Median
Sumber : Hasil Penelitian, 2014 (Data Diolah)
Hasil output SPSS menunjukkan bahwa nilai Asymp.Sig. (2-tailed) adalah 1,000 yang berarti lebih besar dari nilai signifikan (0,05). Hal ini menunjukkan bahwa residual random atau tidak terjadi autokorelasi antar nilai residual.
Tabel 4.6.
Hasil Uji Breusch-Godfrey (BG) Test
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -2,601 9,937 -,262 ,795
Laba Bersih -2,725E-4 ,001 -,056 -,339 ,736
AKO 5,821E-7 1,775E-6 ,053 ,328 ,744
CR ,002 ,018 ,018 ,099 ,922
DER ,009 ,036 ,042 ,240 , 811
Auto ,191 ,145 ,197 1,321 ,193
a. Dependent Variable: Unstandardized Residual Sumber : Hasil Penelitian, 2014 (Data Diolah)
Pada Tabel 4.6. terlihat bahwa koefisien parameter untuk variabel Auto (Lag) menunjukkan probabilitas signifikan 0,193 (diatas 0,05) yang berarti data tidak terkena autokorelasi.
4.2.2.4. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dari model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadinya heteroskedastisitas. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat dengan residualnya. Jika ada pola tertentu, seperti titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Berdasarkan hasil pengolahan data, uji heteroskedastisitas dalam penelitian ini ditunjukkan pada Gambar 4.3 :
Gambar 4.3. Grafik Scatterplot
Berdasarkan gambar di atas tidak terlihat ada pola tertentu, serta titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Untuk lebih memastikan penelitian ini bebas dari masalah heteroskedastisitas maka pada penelitian ini juga dilakukan pendekatan statistik dengan uji Glejser.
Tabel 4.7. Hasil Uji Glejser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 25,404 5,733 4,431 ,000
Laba Bersih 2,197E-4 4,613E-4 ,074 ,476 ,636
AKO 1,096E-6 1,017E-6 ,165 1,078 ,287
CR -,015 ,010 -,242 -1,441 ,156
DER -,015 ,021 -,125 -,748 ,458
a. Dependent Variable: absut
Sumber : Hasil Penelitian, 2014 (Data Diolah)
Pada Tabel 4.7 diperoleh nilai signifikan variabel Laba Bersih, Arus Kas Operasi (AKO), Current Ratio (CR) dan Debt to Equity Ratio (DER) diatas atau
lebih besar dari tingkat kepercayaan (α = 5% atau 0,05). Jadi dapat disimpulkan
bahwa tidak terjadi gejala heteroskedasitas dalam model regresi ini.