HASIL PENELITIAN DAN PEMBAHASAN
4.2. Hasil Penelitian
4.2.2. Stastistik Deskriptif
Variabel-variabel dalam penelitian dimasukkan ke program SPSS dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berikut ini ditampilkan data statistik secara umum dari seluruh data yang digunakan sebagaimana terlihat pada tabel berikut :
Tabel 4.5 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Statistic Statistic Statistic Statistic Std. Error Statistic
Y 42 2035.0000 5135.0000 3918.190476 128.3435894 831.7615230
X1 42 8925 17766 15230.31 311.695 2020.013
X2 42 15300 29750 25520.00 533.402 3456.839
X3 42 12245.0000 23690.0000 2.070502E4 418.9436629 2.7150652E3
Valid N (listwise) 42
Dari tabel di atas dapat dijelaskan bahwa :
1. Nilai rata-rata dari variabel dependen laba adalah 3918.190476 dengan standar deviasi 831.7615230, dengan nilai maksimum 5135.0000 dan nilai minimum 2035.0000. Maka dapat diindikasikan data bervariatif dan menyebar diantara nilai maksimum dan minimum.
2. Nilai rata-rata dari variabel independen keterkaitan eksternal (supplier) adalah 15230.31 dengan standar deviasi 2020.013, dengan nilai maksimum 17766dan nilai minimum 8925. Maka dapat diindikasikan data kurang bervariatif dan menyebar diantara nilai maksimum dan minimum.
53
3. Nilai rata-rata dari variabel independen keterkaitan eksternal (pelanggan) adalah 25520.00 dengan standar deviasi 3456.839, dengan nilai maksimum 29750 dan nilai minimum 15300. Maka dapat diindikasikan data kurang bervariatif dan menyebar diantara nilai maksimum dan minimum.
4. Nilai rata-rata dari variabel independen keterkaitan internal (proses produksi) adalah 2.070502E4 dengan standar deviasi 2.7150652E3, dengan nilai maksimum 23690.0000 dan nilai minimum 12245.0000. Maka dapat diindikasikan data bervariatif dan menyebar diantara nilai maksimum dan minimum.
Berdasarkan Tabel 4.5 di atas dapat dilihat bahwa nilai standar deviasi dari variabel penelitian secara keseluruhan berada dibawah nilai rata-rata dari keseluruhan data laporan laba rugi. Hal tersebut dapat disimpulkan bahwa variabel data penelitian adalah representasi yang baik dari keseluruhan data.
4.2.3. Uji Asumsi Klasik
a. Uji Normalitas Data
Regresi yang baik mensyaratkan adanya normalitas pada data penelitian atau pada nilai residualnya bukan pada masing-masing variabelnya. Uji normalitas model regresi dalam penelitian ini menggunakan analisis grafik dengan melihat histogram dan normal probability plot. Apabila ploting data membentuk satu garis lurus diagonal maka distribusi data adalah normal. Berikut adalah hasil uji normalitas dengan menggunakan diagram.
54
Tabel 4.6
Hasil Uji Normalitas Data One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 42
Normal Parametersa,,b Mean .0000000
Std. Deviation 27.41085560 Most Extreme Differences Absolute .157 Positive .157 Negative -.104 Kolmogorov-Smirnov Z 1.016
Asymp. Sig. (2-tailed) .253
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan tabel 4.6 dapat diketahui apakah data penelitian telah berdistribusi normal atau tidak, dan hasil test distribution ternyata menunjukkan normal, yang ditunjukkan oleh nilai Asymp. Sig. (2-tailed) sebesar 0.253 (> 0.05), dan nilai Kolmogorov-Smirnov Z 1.016 (<1.97). Untuk lebih lanjut dapat dilihat pada gambar Normal P-Plot berikut ini:
55
Sumber: Data Diolah, 2015. Gambar 4.1
Output SPSS Normal P-Plot
Pada gambar 4.1 Normal P-Plot menunjukkan bahwa distribusi data cenderung mendekati garis distribusi normal, distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan, berarti data tersebut mempunyai pola seperti distribusi normal, artinya data tersebut sudah layak untuk dijadikan bahan dalam penelitian.
56
Gambar 4.2.
Sumber: Data Diolah, 2015. Output SPSS Grafik Histogram
Dari grafik Histogram di atas diketahui bahwa variabel laba berdistribusi normal, hal ini ditunjukkan oleh distribusi data tersebut tidak menceng kekiri atau kekanan.
b. Uji Heteroskedastisitas
Uji ini dilakukan untuk mengetahui apakah dalam sebuah model regresi, terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain.
57
Gambar 4.3
Sumber: Data Diolah, 2015 Grafik Scatterplot Heteroskedastisitas
Hasil pengujian ini menunjukkan bahwa model regresi ini bebas dari masalah heteroskedastisitas, dengan kata lain: variabel-variabel yang akan diuji dalam penelitian ini bersifat homoskedastis.
c. Uji Multikolinieritas
Uji Multikolinearitas dalam penelitian ini adalah dengan melihat koefisien Variance Inflation Factor (VIF) dan nilai Tolerance. Persamaan regresi yang baik terbebas dari multikolinieritas antara variabel independen. Multikolinearitas dapat diukur melihat nilai VIF (Variance Inflation Factor) yang ≤ 10 dan nilai
58
Tolerance yang ≥ 0.1. Berikut adalah hasil uji multikolinearitas dari output SPSS yang dilakukan.
Tabel 4.7
Hasil Uji Multikolinearitas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) X1 .107 9.373 X2 .023 44.379 X3 .015 67.407 a. Dependent Variable: Y
Hasil uji multikolinearitas menunjukkan bahwa nilai tolerance variabel X1 yaitu keterkaitan eksternal (supplier) > 0,1 dan nilai VIF < 10 menunjukkan bahwa tidak ada multikolinearitas dalam model regresi sehingga data dikatakan baik dan dapat digunakan untuk pengujian selanjutnya. Sedangkan variabel X2 yaitu keterkaitan eksternal (pelanggan) dan X3 yaitu keterkaitan internal (proses produksi) < 0,1 dan nilai VIF >10 menunjukkan bahwa ada multikolinearitas dalam model regresi sehingga data dikatakan tidak baik dan tidak dapat digunakan untuk pengujian selanjutnya.
d. Uji Autokorelasi
Uji ini dilakukan dengan menggunakan analisis Durbin Watson (DW) test. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah
59
variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga (4-du), berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan autokorelasi adalah sebagai berikut :
1. Nilai D-W lebih kecil dari -2 berarti ada korelasi positif,
2. Nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, 3. Nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif.
Tabel 4.8 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 17. Tabel 4. digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 17. Tabel DW menunjukkan bahwa dengan n = 42, K = 3, maka akan diperoleh nilai dl = 1.356 dan du = 1.662 dan 4-du = (4 – 1.662 ) = 2.338
Tabel 4.8 Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .999a .999 .999 28.47231 1.296 a. Predictors: (Constant), X3, X1, X2 b. Dependent Variable: Y
Tabel 4.8 menunjukkan bahwa DW test sebesar = 1.296, Ini menyimpulkan bahwa nilai D-W di antara -2 sampai +2, dengan demikian dapat disimpulkan bahwa data yang digunakan dalam penelitian tersebut tidak terjadi autokorelasi atau bebas dari autokorelasi. Penulis menetapkan bahwa model layak digunakan setelah asumsi klasik terpenuhi.
60