HASIL PENELITIAN DAN PEMBAHASAN
5.3. Uji Asumsi Klasik Hipotesis Pertama
5.3.2. Uji Asumsi Klasik Hipotesis Pertama Setelah Transformasi
Setelah ditemukan masalah di uji autokorelasi, maka dilakukan transformasi data dengan menggunakan teknik logaritma natural (Ghozali 2005,34) sehingga dapat menyelesaikan masalah autokorelasi dan memenuhi syarat pengujian asumsi klasik. Hasil transformasi adalah sebagai berikut:
Gambar 5.4. Normal P-Plot Setelah Transformasi Sumber: Hasil Penelitian 2012, (Data Diolah)
Gambar 5.5. Grafik Histogram Setelah Transformasi Sumber: Hasil Penelitian 2012, (Data Diolah)
Gambar 5.4. menunjukkan titik-titik tidak meyebar jauh dari titik diagonal. Pola distribusi normal dapat juga dilihat dengan tampilan histogram pada Gambar 5.5. menampilkan bahwa tampilan grafik histogram memberikan pola distribusi normal dengan penyebaran secara merata baik ke kiri maupun ke kanan. Selain dari Gambar 5.4. dan Gambar 5.5. diatas, uji normalitas dapat dilakukan dengan uji statistik Kolmogorov Smirnov, yang merupakan pengujian yang paling valid atas normalitas. Pengujian ini dilakukan terhadap nilai yang dihasilkan dari setiap variabel dengan hasil yang terlihat pada Tabel 5.9. berikut:
Tabel 5.9. One-Sample Kolmogorov-Smirnov Test
LN_CR LN_DER LN_ROA SIZE LN_CFOD LN_CF
N 108 108 107 108 102 67 Normal Parametersa,b Mean .8915 -.5099 -2.3089 28.1947 -.9956 25.1005 Std. Deviation .73537 .92078 .93451 1.77635 1.09388 1.89414 Most Extreme Differences Absolute .081 .091 .089 .124 .081 .073 Positive .060 .080 .053 .124 .059 .073 Negative -.081 -.091 -.089 -.069 -.081 -.070 Kolmogorov-Smirnov Z .846 .948 .917 1.288 .820 .597
Asymp. Sig. (2-tailed) .471 .330 .370 .073 .511 .868
a. Test distribution is normal. b. Calculated from data.
Sumber Hasil Penelitian, 2012 (Data Diolah)
Hasil uji statistik Kolmogorov-Smirnov menghasilkam nilai diatas 0,05 untuk nlilai residual setiap variabel sehingga data dapat dikatakan berdistiribusi normal.
Tabel 5.10 Hasil Uji Multikolonieritas Setelah Transformasi
Model
Collinearity Statistics Keterangan
Tolerance VIF
1 (Constant)
LN_CR .357 2.800 Tidak Terjadi
Multikolonieritas
LN_DER .508 1.968 Tidak Terjadi
Multikolonieritas
LN_ROA .611 1.637 Tidak Terjadi
Multikolonieritas
SIZE .257 3.889 Tidak Terjadi
Multikolonieritas
LN_CFOD .644 1.554 Tidak Terjadi
Multikolonieritas
LN_CF .265 3.779 Tidak Terjadi
Multikolonieritas Sumber Hasil Penelitian, 2012 (Data Diolah)
Setelah dilakukan transformasi, dieroleh nilai VIF yang lebih kecil dari 10 dan nilai toleransi yang lebih besar dari 0,1. Multikolonieritas terjadi apabila nilai tolerance < 0,10 dan Variance Inflation Factor (VIF) > 10. Hal ini menunjukkan bahwa variabel-variabel independen yang digunakan dalam penelitian ini tidak saling berkolerasi atau tidak ditemukan adanya kolerasi antar variabel independen.
5.3.2.3. Uji Heteroskedastisitas
Uji heteroskedastisitas setelah dilakukan transformasi data dapat dilihat pada Gambar 5.6. berikut:
Gambar 5.6. Scatterplot Setelah Transformasi Sumber: Hasil Penelitian 2012, (Data Diolah)
Dari Gambar 5.6. diatas terlihat bahwa titik-titik menyebar secara acak dan telah tersebar baik di atas maupun dibawah angka 0 (nol) pada sumbu Y sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
Uji Glejser mengusulkan untuk meregres nilai absolute residual terhadap variabel independen (Gujarati, 2003) dengan persamaan regresi:
AbsUt = b0 + b1 Ln_CR + b2 Ln_DER + b3 Ln_ROA + b4 Size + b5 Ln_CFOD + b6 Ln_CASHFLOW
Tabel 5.11. Hasil Uji Glejser
Model
Unstandardized
Coefficients Standardized Coefficients
t Sig. B Std. Error Beta 1 (Constant) -1.368 2.235 -1.254 .000 LN_CR .348 .216 .268 2.583 .522 LN_DER -.440 .145 .346 1.232 .280 LN_ROA .099 .163 .360 1.923 .561 SIZE .322 .125 .564 1.072 .075 LN_CFOD -.039 .104 -.162 -.287 .658 LN_CF -.051 .098 -.189 -.432 .456
a. Dependent Variable: ABSUT Sumber data: diolah
Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka akan indikasi terjadi heteroskedastisitas. Hasil tampilan output SPSS dengan jelas menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen nilai Absolut Ut (AbsUt). Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas.
5.3.2.4. Uji Autokolerasi
Tabel 5.12. Tabel Uji Autokolerasi Setelah Transformasi
Model R
R Square
Adjusted R
Square Std. Error of the Estimate
Durbin-Watson
1 .527 .277 .204 .77294 1.706
Sumber: Hasil Penelitian 2012, (Data Diolah)
Dari Tabel 5.12. diperoleh nilai hitung Durbin Watson sebesar 1,706. Adapun kriteria pengujiannya adalah:
- Jika nilai D-W dibawah 0 sampai 1,5 berarti ada autokorelasi positif. - Jika nilai D-W diantara 1,5 sampai 2,5 berarti tidak ada autokorelasi. - Jika nilai D-W diatas 2,5 sampai 4 berarti ada autokorelasi negatif.
Kondisi nilai durbin watson sebesar 1,76 menunjukkan tidak ada autokolerasi positif dan negatif.
5.4. Uji Asumsi Klasik Hipotesis Kedua 5.4.1. Uji Normalitas
Uji normalitas dapat dilihat pada Gambar 5.7 dan Gambar 5.8. Pada Gambar 5.7. menunjukkan titik-titik tidak menyebar jauh dari titik diagonal. Pola distribusi normal dapat juga dilihat dengan tampilan histogram pada Gambar 5.8. menampilkan bahwa tampilan grafik histogram memberikan pola distribusi normal dengan penyebaran secara merata baik ke kiri maupun ke kanan.
Gambar 5.7. Normal P-Plot Hipotesis Kedua Sumber: Hasil Penelitian, 2012 (Data Diolah)
Gambar 5.8. Grafik Histogram Hipotesis Kedua Sumber: Hasil Penelitian, 2012 (Data Diolah)
Selain dari Gambar 5.7. dan Gambar 5.8. diatas, uji normalitas dapat dilakukan dengan uji statistik Kolmogorov-Smirnov, yang merupakan pengujian yang paling valid atas normalitas. Pengujian ini dilakukan terhadap nilai Unstandardized Residual yang dihasilkan dari seluruh variabel dengan hasil yang terlihat pada Tabel 5.13. berikut:
Tabel 5.13. Uji Kolmogorov-Smirnov Hipotesis Kedua
Unstandardized Residual
N 65
Normal Parametersa,b Mean .0000000
Std. Deviation 1.07313347
Most Extreme Differences Absolute .089
Positive .089
Negative -.081
Kolmogorov-Smirnov Z .718
Asymp. Sig. (2-tailed) .680
Hasil uji statistik Kolmogorov-Smirnov menghasilkan nilai 0,680 yaitu berada diatas 0,05 untuk nilai residual sehingga data dapat dikatakan berdistribusi normal.
5.4.2. Uji Multikolonieritas
Hasil uji multikolonieritas dapat dilihat pada Tabel 5.14 berikut: Tabel 5.14. Hasil Uji Multikolonieritas Hipotesis Kedua
Model
Collinearity Statistics Keterangan
Tolerance VIF
1 (Constant)
LN_CR .357 2.799 Tidak terjadi multikolonieritas
LN_DER .508 1.969 Tidak terjadi multikolonieritas
LN_ROA .608 1.645 Tidak terjadi multikolonieritas
SIZE .257 3.894 Tidak terjadi multikolonieritas
LN_CFOD .640 1.563 Tidak terjadi multikolonieritas
LN_CASHFLOW .265 3.778 Tidak terjadi multikolonieritas
Sumber: Hasil Penelitian, 2012 (Data Diolah)
Nilai VIF yang lebih kecil dari 10 dan nilai toleransi yang lebih besar dari 0,1. Multikolonieritas terjadi apabila nilai tolerance < 0,10 dan Variance Inflation Factor (VIF) > 10. Hal ini menunjukkan bahwa variabel-variabel independen yang digunakan dalam penelitian ini tidak saling berkolerasi atau tidak ditemukan adanya kolerasi antara variabel independen.
5.4.3. Uji Heteroskedastisitas
Uji heteroskedastisitas untuk hipotesis kedua dapat dilihat pada Gambar 5.9. berikut:
Gambar 5.9. Scatterplot Hipotesis Kedua Sumber: Hasil Penelitian, 2012 (Data Diolah)
Dari Gambar 5.9. diatas, terlihat bahwa titik-titik menyebar secara acak dan telah tersebar baik diatas maupun di bawah angka 0 (nol) pada sumbu Y sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
5.4.4. Uji Autokolerasi
Pengujian autokolerasi dilakukan dengan melihat nilai durbin watson pada Tabel 5.15. Dari Tabel 5.15 diperoleh nilai hitung durbin watson sebesar 1,988 Adapun kriteria pengujiannya adalah:
1. Jika nilai D-W dibawah 0 sampai 1,5 berarti ada autokolerasi positif. 2. Jika nilai D-W diantara 1,5 sampai 2,5 berarti tidak ada autokolerasi. 3. Jika nilai D-W diatas 2,5 sampai 4 berarti ada autokolerasi negatif.
Kondisi nilai durbin watson sebesar 1,988 menunjukkan tidak adanya autokolerasi positif dan negatif.
Tabel 5.15. Tabel Uji Autokolerasi Hipotesis Kedua
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .450 .202 .120 1.12727 1.988
Sumber: Hasil Penelitian, 2012 (Data Diolah)