BAB IV ANALISIS HASIL PENELITIAN
C. Uji Asumsi Klasik
2. Uji Multikolinearitas
Uji multikolineritas bertujuan untuk menguji apakah model regresi ditemuka n adanya korelasi antar variabel bebas (independent). Model yang baik seharusnya tidak terjadi korelasi di antara variabel independen (Ghozali, 2005 : 91). Dalam mendeteksi ada atau tidaknya multikolineritas dapat dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF= 1/Tolerance). Batasan yang umum dipakai untuk menunjukkan adanya multikolineritas adalah nilai Tolerance <0.10 atau sama dengan nilai VIF >10.Hasil uji multikolinearitas disajikan dalam tabel 4.5
Tabel 4.5 Uji Multikolinearitas Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
(Constant) Trade Payables 2.874 -.413 1.319 .070 -.765 2.178 -5.873 0.34 .000 .687 1.456 Trade Receivables .292 .079 .483 3.708 .001 .687 1.456
a. Dependent Variable: Current Ratio
Sumber : Hasil olah data statistik, 2009
Hasil perhitungan nilai Tolerance menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,1 yakni sebesar 0.687. Sedangkan hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama, tidak ada variabel bebas yang memiliki nilai VIF tidak lebih dari 10 yakni sebesar 1.456. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel bebas dalam model regresi.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskesdatisitas. Model regresi yang baik adalah yang homoskedastisitas
atau tidak terjadi heteroskesdatisitas. (Ghozali, 2005 : 105). Hasil dari uji Heteroskedastisitas dapat ditunjukkan dalam grafik scatterplot antara ZPRED dan SRESID sebagai berikut :
Gambar 4.3 Uji Heteroskedastisitas Sumber : Hasil olah data statistik, 2009
4. Uji Autokorelasi
Masalah autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu (timeseries). “Autokorelasi akan muncul bila data sesudahnya merupakan fungsi dari data sebelumnya atau data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan besaran data sangat tergantung pada tempat data tersebut terjadi”. (Hadi, 2006 : 175). Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin Watson (DW). Deteksi autokorelasi dengan cara ini dimulai dengan menghitung nilai d, setelah nilai d diketemukan maka tahapan berikutnya
adalah menentukan nilai du dan dl dengan menggunakan tabel Durbin Watson.
Ketentuan :
du < d < 4-du Tidak ada autokorelasi d < dl Terdapat autokorelasi positif d > 4-dl Terdapat autokorelasi negatif
dl < d < du Tidak ada keputusan tentang autokorelasi 4-du < d < 4-dl Tidak ada keputusan tentang autokorelasi (Hadi, 2006 : 176)
“Salah satu cara untuk mengatasi adanya masalah autokorelasi (bila ada) adalah dengan cara menambahkan satu variabel baru, yaitu variable lag - 1.” (Hadi, 2006 : 176)
Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini
Tabel 4.6 Uji Autokorelasi
Sumber : Hasil olah data statistik, 2009
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .637a
.405 .382 .60922 2.497
a. Predictors: (Constant), Trade Receivables, Trade Payables b. Dependent Variable: Current Ratio
Dari tabel 4.6 di atas, diketahui nilai Durbin-Watson (D-W) sebesar 2.497. nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan signifikansi 5%, jumlah sampel (n) = 27, dan jumlah variabel independen (k) = 2, maka berdasarkan tabel Durbin Watson didapat nilai batas atas (du) sebesar 1.24 dan nilai batas bawah (dl) sebesar 1.56. Oleh karena itu, nilai (Dw) lebih besar dari 1.24 dan lebih kecil dari 4 – 1.24 atau dapat dinyatakan bahwa 1.24 < 2.497 < 4 - 1.24 (du < d < 4 – du). Dengan demikian dapat disimpulkan tidak terdapat autokorelasi baik positif maupun negatif.
D. Uji Hipotesis 1. Uji Regresi
Dalam pengujian apakah variabel independen mempengaruhi variabel dependen dapat diketahui dari analisis regresi. Analisis regresi dalam penelitian ini, dapat dilihat dengan hasil sebagai berikut :
Tabel 4.7 Uji Regresi
Sumber : Hasil olah data statistik, 2009
Dari hasil pengolahan regresi berganda diatas dapat diketahui bahwa nilai R adalah sebesar 0,637 atau 63,7 %. Nilai R pada intinya mengukur
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .637a .405 .382 .60922 2.497
a. Predictors: (Constant), Trade Receivables, Trade Payables b. Dependent Variable: Current Ratio
seberapa besar hubungan antara variabel independen dengan variabel dependen. Sedangkan nilai R Square (koefisien determinasi) mengukur seberapa jauh kemampuan variabel independen dalam menerangkan variabel dependen. Nilai R Square diantara 0 dan 1. Nilai R Square yang kecil berarti kemampuan variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas.
Nilai R Square dari output diatas adalah sebesar 0,405. Ini berarti bahwa variasi dari variabel independen yang terdiri dari Trades Payable dan Trades Receivable menjelaskan variasi variabel dependen sebesar 40.5%. 2. Uji-F (ANOVA)
Tabel 4.8 Uji ANOVA
Sumber : Hasil olah data statistik, 2009
Dari uji ANOVA diketahui F hitung adalah sebesar 17,373 dengan tingkat signifikansi (Sig. F.stat < 0,05), yang berarti Ha diterima, dengan kata lain hasil ini menunjukkan bahwa seluruh variabel independen secara bersama-sama (simultan), mempengaruhi variabel dependen.
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 12.896 2 6.448 17.373 .000a
Residual 18.929 51 .371
Total 31.825 53
a. Predictors: (Constant), Trade Receivables, Trade Payables b. Dependent Variable: Current Ratio
3. Uji t (Uji Individu)
Uji t dengan melihat signifikansi untuk masing-masing variabel independen terhadap variabel dependen adalah sebagai berikut :
Tabel 4.9 Uji t
Sumber : Hasil olah data statistik 2009
Berdasarkan keterangan tabel diatas, maka dapat disimpulkan bahwa :
a. nilai variabel trade payable yang diberikan mempunyai nilai t hitung sebesar -5,873 lebih kecil dari nilai t tabel dengan nilai signifikansi sebesar 0,00 yaitu lebih kecil dari 0,05, dengan kata lain variabel trade payable yang diberikan secara parsial tidak berpengaruh terhadap besarnya CR;
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 (Constant) 2.874 1.319 2.178 .034 Trade Payables -.413 .070 -.765 -5.873 .000 .687 1.456 Trade Receivables .292 .079 .483 3.708 .1 .687 1.456
a. Dependent Variable: Current Ratio
b. nilai variabel trade receivable mempunyai nilai t hitung sebesar 3.708 lebih besar dari nilai t tabel dengan nilai signifkansi sebesar 0,1 yaitu lebih besar dari 0,05, dengan kata lain variabel trade receivable secara parsial berpengaruh terhadap besarnya CR.
Persamaan regresi berganda dapat digambarkan sebagai berikut :
Y = 2,874- 0.413X1 + 0.292X2+e
Keterangan :
Y = variabel dependen yaitu berupa current ratio
a = konstanta sebesar 2,874
X1 = variabel trade payable
X2 = variabel trade receivable
e = tingkat kesalahan pengganggu (error)
dimana nilai tersebut dapat diartikan sebagai berikut :
Y = 2,874 - 0.413 X1 + 0.292 X2
merupakan konstanta dimana jika besarnya X1 dan X2 adalah nol, maka besarnya variabel dependen yaitu current ratio adalah sebesar 2,874;
2) koefisien X1, besarnya = -0.413
merupakan koefisien variabel X1 dimana jika variabel X1 bertambah 1 satuan maka besarnya variabel dependen akan berkurang sebesar 0.413
3) koefisien X2, besarnya = 0.292
merupakan koefisien variabel X2 dimana jika variabel X2 bertambah 1 satuan maka besarnya variabel dependen akan bertambah sebesar 0.292