pendapatan memiliki hubungan yang erat dengan laba yang didapatkan perusahaan.
pendapatan dan Return on Asset (ROA) PT PLN (Persero) Pusat Tahun 2014-2018.
Tabel 5.1
Tabel 5.2
1
Ln Anggaran Biaya Operasional, Anggaran Pendapatan, dan Return on Asset (ROA)
Sebelum dilakukan analisis regresi terlebih dahulu dilakukan uji asumsi klasik
atau uji prasarat. Suatu model regresi berganda dapat digunakan apabila telah
memenuhi syarat-syarat tertentu dalam pengujian ini meliputi uji normalitas, uji
Data yang baik yaitu data yang berdistribusi normal artinya data mempunyai
sebaran yang rata sehingga mampu mewakili populasi. Pada penelitian ini uji
normalitas yang digunakan yaitu uji Kolmogorov Smirnov untuk menguji apakah data
dalam variabel yang akan dianalisis berdistribusi normal. Adapun konsep dasar dari
2
Pengujian normalitas dilakukan pada variabel terikat (dependent) dalam hal
ini yaitu Return on Asset (ROA). Suatu data dikatakan memiliki distribusi yang
normal atau tidak terdapat perbedaan yang signifikan antara data yang akan diuji
dengan data normal baku jika nilai asymp sig (2 – tailed) yang lebih besar dari 0,05.
Sebaliknya jika nilai asymp sig (2-tailed) lebih kecil dari 0.05 maka data tidak
berdistribusi normal atau terdapat perbedaan signifikan antara data uji denga data
normal baku.
Tabel 5.3
ROA
N 5
a,b
Normal Parameters Mean .7570
Std. Deviation .88037
Most Extreme Differences Absolute .235
Positive .206
Negative -.235
Test Statistic .235
Asymp. Sig. (2-tailed) .200c,d
Dari Tabel 5.3 menunjukkan nilai Asymp.sig = 0.200 lebih besar dari 0.05
sehingga dapat disimpulkan bahwa data yang digunakan telah berdistribusi normal.
3
Uji multikolinearitas dalam penelitian ini adalah menguji apakah model
regresi ditemukan adanya korelasi (hubungan kuat) antar variabel bebas atau
variabel independent. Model regresi yang baik seharusnya tidak terjadi korelasi
nilai VIF (Variance Inflation Factor) dan Tolerance pada model regresi. Apabila nilai
VIF berada dibawah 10,00 dan nilaiTolerance lebih dari 0,100, maka diambil
Tabel 5.4
Collinearity Statistics
1 (Constant)
Dari Tabel 5.3 dapat dilihat nilai VIF kurang dari 10 yaitu Anggaran Biaya
Tolerance kedua variabel bebas bernilai 0.388 artinya lebih dari 0.01. Berdasarkan
nilai dari VIF dan Tolerance disimpulkan bahwa tidak terdapat masalah
multikolinearitas.
4
Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan untuk mengetahui
adakah korelasi variabel yang ada di dalam model prediksi dengan waktu. Pada
penelitian ini dilakukan uji autokorelasi. Pada penelitian ini digunakan Uji Run Test
1. Jika nilai Asymp. Sig. (2-tailed) lebih kecil dari 0.05 maka terdapat gejala
autokorelasi
2. Sebaliknya, jika nilai Asymp.Sig (2-tailed) lebih besar dari 0.05 maka tidak
Tabel 5.5
Runs Test
Unstandardized
Residual
a. Median
Dari Tabel 5.5 dapat dilihat bahwa nilai Asymp.Sig (2-tailed) adalah 0.913 dimana
nilai signifikannya lebih besar dari 0.05. Hal ini menunjukkan bahwa tidak terdapat
5
5.2.4 Uji Heteroskedastisitas
varian dari residual untuk semua pengamatan pada model regresi linear.
Berdasarkan Gambar 5.1 terlihat bahwa data menyebar dan tidak membentuk pola
heteroskedasitas.
Setelah melakukan uji prasarat dan telah memenuhi akan dicari model
regresi dari kedua variabel tersebut yaitu ROA sebagai variabel terikat (Y) dan
Anggaran Biaya Operasional (X1) serta Anggaran pendapatan (X2) sebagai variabel
bebas. Model regresi ini akan menunjukkan seberapa besar pengaruh antara ROA
terhadap kedua anggaran tersebut. Berikut ini akan disajikan hasil olahan data
Tabel 5.6
6
Model Regresi Linear Berganda Menggunakan SPSS
Standardized
Unstandardized Coefficients Coefficients
Y = a+ b1 X 1+ b2 X 2
Y = −114.432−5.461 X 1+ 9.412 X 2
Keterangan:
Y = ROA
a = konstanta
X2 = Anggaran Pendapatan
a = −114.432 merupakan nilai intercept atau konstanta, dengan kata lain bahwa
apabila keadaan tetap atau konstan (tidak dipengaruhi oleh Anggaran Biaya
b1 = −5.461 yang diartikan bahwa setiap kinerja keuangan (ROA) pada PT. PLN
7
dan Y bersifat berbanding terbalik yaitu apabila nilai X 1 meningkat satu satuan maka
nilai Y menurun sebesar 5.461. Dalam hal ini dapat diartikan bahwa semakin besar
b2 = 9.412yang diartikan bahwa setiap kinerja keuangan (ROA) pada PT. PLN
apabila nilai X2 meningkat satu satuan maka nilai Y meningkat sebesar -8.235 .
Dalam hal ini dapat diartikan bahwa semakin besar kinerja keuangan di PT PLN
meningkat.
Pengujian hipotesis dapat dilakukan dengan tiga cara yaitu melalui uji koefisien
Tabel 5.7
Koefisien Determinansi
Adjusted R
Model R R Square Square
8
Berdasarkan Koefisien Determinansi (R Square) pada Tabel 5.7 diperoleh nilai
0.990 atau sebesar 99%. Artinya pengaruh antara kinerja keuangan dengan
pengaruh semua variabel bebasnya dalam penelitian ini yaitu Anggaran Biaya
terikat yaitu kinerja keuangan (ROA). Atau untuk menguji apakah model regresi
tabel. Jika F hitung lebih besar dari F tabel maka HO ditolak dan H1 diterima.
Begitupun sebalikanya jika F hitung lebih kecil dari F tabel maka HO diterima
dan H1 ditolak. Selain itu pengujian juga dapat dilakukan dengan melihat nilai
signfikasinya yaitu jika nilai signifikansi lebih kecil dari 0.05 maka HO ditolak dan
H1 diterima.
Tabel 5.8
9
b. Predictors: (Constant), pendapatan_X2, operasional_X1
Berdasarkan Tabel 5.8 dapat dilihat bahwa nila signifikan yaitu 0.010 atau lebih
Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh masing-
ini dapat dilakukan dengan membandingkan t hitung dengan t tabel atau dengan
hipotesis yang diajukan diterima atau ditolak digunakan statistik t (uji satu sisi).
2. Jika t hitung≤ -t tabel atau t hitung≥ t tabel maka Ho ditolak dan Ha diterima
Dalam uji t ini dilakukan pada derajat kebebasan ( n−k −1 ) dimana n adalah jumlah
sampel dan k adalah jumlah variabel. Untuk tingkat kepercayaan yang digunakan
10
Tabel 5.9
Standardized
Unstandardized Coefficients Coefficients
sebagai berikut :
Hipotesis
Asset (ROA)
Tingkat Signifikansi
lebih kecil dari standar signifikansi 0.05, sehingga dapat dikatakan bahwa
11
Ho ditolak dan Ha diterima. Dengan demikian anggaran biaya operasional
LAMPIRAN
NPar Tests
One-Sample Kolmogorov-Smirnov Test
ROA
12
N 5
a,b
Normal Parameters Mean .7570
Std. Deviation .88037
Most Extreme Differences Absolute .235
Positive .206
Negative -.235
Test Statistic .235
Asymp. Sig. (2-tailed) .200c,d
NPar Tests
Runs Test
Unstandardized
Residual
a. Median
Regression
Descriptive Statistics
13
Pendapatan 29.9536 .14930 5
Correlations
biaya_Operasional 5 5 5
Pendapatan 5 5 5
Variables Entered/Removeda
Variables
Model Variables Entered Removed Method
1 Pendapatan,
biaya_Operasional . Enter
b
ANOVAa
Total 3.100 4
14
a. Dependent Variable: ROA
b. Predictors: (Constant), Pendapatan, biaya_Operasional
biaya_Operasion
-5.461 .504 -1.204 -10.827 .008 .388 2.578
al
Residuals Statisticsa
Charts
15
16