PENGARUH MODAL KERJA DAN BIAYA TENAGA KERJA

LANGSUNG TERHADAP LABA OPERASIONAL PADA PERUSAHAAN

MANUFAKTUR YANG TERDAFTAR DI (BEI) TAHUN 2009-2011

ANALISIS DATA
Diajukan Untuk Memenuhi Tugas
Mata Perkuliahan Statistika II

Disusun oleh:
1. Dede Sopian Supriyadi : 15.06.1.0123
2. Elga Wahyuni Septia : 15.06.1.0130
3. Herna Maretha : 15.06.1.0137
Kelompok 4 kelas Akuntansi D

UNIVERSITAS MAJALENGKA
FAKULTAS EKONOMI
PRODI AKUNTANSI
Jl. K.H. Abdul Halim No.103 Telp./Fax. (0233) 281496 Majalengka-45418
2016/2017
 Kata Pengantar

Puji syukur saya panjatkan kepada Tuhan Yang Maha Esa yang telah
memberikan rahmat dan karunia-Nya sehingga saya dapat menyelesaikan Tugas
Makalah Analisis Data.
Saya menyadari bahwa masih banyak kekurangan dari penulisan makalah
ini, baik dari materi maupun teknik penyajiannya, mengingat kurangnya
pengetahuan dan pengalaman saya.
Tak lupa saya ucapkan terima kasih kepada Bapak H. Masduki, Ir., M.Si.
yang telah memberikan Tugas Makalah Analisis Data ini, Kami dapat lebih lebih
mendalami lagi tentang bagaimana cara menganalisis data. Oleh karena itu, kritik
dan saran yang membangun sangat saya harapkan. Semoga makalah yang saya
buat ini dapat bermanfaat.

Majalengka, 10 Januari 2017

Penyusun

i
 Daftar Isi

Kata Pengantar....................................................................................................i
Daftar Isi...............................................................................................................ii
BAB I Pendahuluan
1.1 Latar Belakang...........................................................................................1
1.2 Tujuan........................................................................................................1
BAB II Analisis Data
2.1 Data Hasil Penelitian.................................................................................2
2.2 Uji Asumsi Klasik.....................................................................................11
2.2.1 Uji Normalitas Residual...................................................................12
2.2.2 Uji Heteroskedastisitas.....................................................................15
2.2.3 Uji Multikolinieritas.........................................................................16
2.2.4 Uji Autokolerasi...............................................................................19
2.3 Analisis Regresi Ganda..............................................................................20
2.4 Analisis Koefisien Determinasi.................................................................22
2.5 Uji Hipotesis..............................................................................................24
2.5.1 Uji Parsial.........................................................................................25
2.5.2 Uji Simultan.....................................................................................25
BAB III Penutup
3.1Kesimpulan.................................................................................................28

LAMPIRAN

ii
 BAB I
Pendahuluan

1.1 Latar Belakang

Penelitian merupakan kegiatan yang terencana untuk mencari jawaban
yang obyektif atas permasalahan manusia melalui prosedur ilmiah (Tri Wahyulis,
2010). Untuk itu didalam suatu penelitian dibutuhkan suatu proses analisis data
yang berguna untuk menganalisis data-data yang telah terkumpul. Data yang
sudah terkumpul namun belum dianalisis merupakan data mentah. Dalam
kegiatan penelitian, data mentah akan memberi arti bila dianalisis dan ditafsirkan.
Sehingga analisis data sangat memegang peranan penting dalam penelitian.
Dalam proses analisis data dimulai dengan menelaah seluruh data yang
tersedia dari berbagai sumber, yaitu dari wawancara, pengamatan yang sudah
dituliskan dalam catatan lapangan, dokumen pribadi, dokumen resmi, gambar,
foto, dan sebagainya. (Moleong, 2007)
Untuk mengetahui lebih lanjut tentang analisis data, kami melakukan
analisis data dari perusahaan-perusahaan yang terdaftar di BEI Tahun 2009-2011
dan hasilnya kami buat dalam makalah “PENGARUH MODAL KERJA DAN
BIAYA TENAGA KERJA LANGSUNG TERHADAP LABA OPERASIONAL
PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI (BEI)
TAHUN 2009-2011”

1.2 Tujuan
Tujuan dari pembuatan makalah ini adalah untuk memenuhi salah satu
tugas kelompok dari mata kuliah Statistika II dan untuk melakukan analisis data
bagaimana Pengaruh Modal Kerja dan Biaya Tenaga Kerja Langung terhadap
Laba Operasional pada Perusahaan Manufaktur yang Terdaftar di BEI Tahun
2011 dengan menggunakan analis data Uji Asumsi Klasik, Analisis Regresi
Ganda, Analisis Koefisien Determinasi, dan Uji Hipotesis. Serta untuk lebih
memahami tentang Analisis Data.

1
 BAB II
Analisis Data

2.1 Data Hasil Penelitian

Penelitian ini merupakan data sekunder dan diperoleh dari skripsi yang berjudul “PENGARUH MODAL KERJA DAN
BIAYA TENAGA KERJA LANGSUNG TERHADAP LABA OPERASIONAL PADA PERUSAHAAN MANUFAKTUR YANG
TERDAFTAR DI (BEI) TAHUN 2009-2011” yang berjumlah 92 perusahaan.

Data Modal Kerja, Biaya Tenaga Kerja Langsung dan Laba Operasional
Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia
Tahun 2009-2011
(Dalam Rupiah)

No Nama Perusahaan Modal Kerja BTKL Laba Operasional

1,072,000,000,00
1 PT.Astra International Tbk 9,860,000,000,000 0 12,756,000,000,000
2 PT.Astra Otoparts Tbk 1,150,908,000,000 185,932,000,000 419,991,000,000
3 PT.Bentoel Internasional Investama Tbk 1,741,452,268,655 267,976,934,505 265,468,552,269
4 PT.Berlina Tbk 96,049,421,470 25,881,435,204 49,237,829,343

2
 5 PT.Delta Djakarta Tbk 482,664,330,000 19,040,229,000 160,628,734,000
6 PT.Eterindo Wahanatama Tbk 152,739,130,486 639,686,570 12,120,714,613
7 PT.Fajar Surya Wisesa Tbk 604,251,451,939 46,837,674,273 424,538,105,214
8 PT.Gudang Garam Tbk 11,623,254,000,000 631,879,000,000 5,206,837,000,000
9 PT.Gajah Tunggal Tbk 2,042,107,000,000 56,674,000,000 1,144,990,000,000
10 PT.Indocement Tunggal Prakarsa Tbk 3,551,885,587,632 429,153,541,633 3,693,305,458,982
11 PT.Kalbe Farma Tbk 3,127,755,102,214 118,164,518,734 1,565,874,695,198
12 PT.Mandom Indonesia Tbk 485,459,642,042 66,396,119,075 184,916,976,138
13 PT.Merck Tbk 275,039,604,000 7,426,977,000 201,452,766,000
14 PT.Martina Berto Tbk 91,636,105,325 13,166,474,125 27,901,091,406
15 PT.Mayora Indah Tbk 986,193,571,112 162,443,491,775 613,187,243,759
16 PT.Pan Brothers Tbk 3,593,927,670 151,564,717,949 45,050,081,201
17 PT.Selamat Sempurna Tbk 212,634,595,464 112,930,555,171 189,779,378,546
18 PT.Argha Karya Prima Industry Tbk 221,667,961,000 32,442,896,000 95,259,996,000
19 PT.Asahimas Flat Glass Tbk 957,858,000,000 179,236,000,000 437,563,000,000
20 PT.Asiaplast Industries Tbk 73,228,060,809 4,846,589,030 21,006,848,474
21 PT.Bentoel Internasional Investama Tbk 1,831,842,000,000 311,114,000,000 477,224,000,000
22 PT.Berlina Tbk 73,823,855,000 28,034,472,000 61,086,212,000
23 PT.Budi Acid Jaya Tbk 23,816,000,000 65,064,000,000 134,750,000,000
24 PT.Cahaya Kalbar Tbk 258,907,086,653 528,551,542,250 56,900,834,816
25 PT.Ekadharma International Tbk 52,998,414,893 6,745,044,781 37,072,802,188
26 PT.Ever Shine Tex Tbk 53,272,540,856 50,837,933,913 13,302,978,809
27 PT.Eterindo Wahanatama Tbk 32,419,788,572 712,935,469 35,930,873,408
28 PT.Gajah Tunggal Tbk 1,939,778,000,000 67,631,000,000 1,287,427,000,000
29 PT.Indah Alumunium Industry Tbk 82,716,812,368 50,194,226,643 40,208,939,692

3
30 PT.Indospring Tbk 118,026,433,296 26,071,905,483 119,589,223,162
31 PT.Indofarma (Persero) Tbk 207,429,368,900 27,875,542,544 56,447,719,591
32 PT.Indocement Tunggal Prakarsa Tbk 6,137,101,000,000 454,152,000,000 4,061,213,000,000
33 PT.Jembo Cable Company Tbk 22,178,653,000 22,823,868,000 3,518,033,000
34 PT.ion Metal Works Tbk 242,535,342,866 20,076,096,907 47,019,708,921
35 PT.Lionmesh Prima Tbk 31,281,582,974 3,581,225,315 11,450,237,748
36 PT.Mandom Indonesia Tbk 553,623,447,758 71,007,792,774 173,865,626,016
37 PT.Merck Tbk 274,857,529,000 7,779,082,000 154,545,890,000
38 PT.Martina Berto Tbk 97,802,608,713 13,740,010,550 51,750,410,630
39 PT.Mayora Indah Tbk 1,644,520,114,450 245,540,041,575 773,335,131,028
40 PT.Mustika Ratu Tbk 252,570,867,742 15,825,279,522 37,033,624,625
41 PT.Nippon Indosari Cropindo 120,347,624,411 15,007,196,293 135,657,905,022
42 PT.Pan Brothers Tbk 124,248,024,989 183,918,458,873 59,672,007,225
43 PT.Prasidha Aneka Niaga Tbk 74,294,362,300 10,116,399,172 46,573,070,657
44 PT.Pyridam Farma Tbk 31,428,306,526 3,571,077,716 5,657,996,969
45 PT.Sekawan Intipratama Tbk 37,870,176,087 1,651,176,771 11,827,780,185
46 PT.Sekar Laut Tbk 44,115,616,781 8,968,392,820 5,725,012,203
47 PT.Selamat Sempurna Tbk 357,344,212,427 132,573,335,092 227,845,339,000
48 PT.Surya Toto Tbk 363,167,401,497 161,625,831,839 258,884,895,383
49 PT.Sepatu Bata 153,747,908,000 9,991,552,000 87,130,850,000
50 PT.Tira Austenite Tbk 47,794,605,963 5,802,315,738 16,593,460,123
51 PT.Tirta Mahakam Resources Tbk 58,969,759,858 40,415,990,253 306,069,822
52 PT.Trias Sentosa Tbk 137,350,375,711 15,429,909,093 190,340,755,096
53 PT.Tempo Scan Pacific Tbk 1,857,713,289,994 93,258,279,090 559,485,375,301
54 PT.Ultrajaya Milk Tbk 477,884,135,854 21,067,414,899 185,417,086,859

4
55 PT.Yanaprima Hastapersada Tbk 29,951,413,838 14,493,237,533 34,252,493,649
56 PT.Argha Karya Prima Industry Tbk 191,689,299,000 32,801,082,000 98,285,669,000
57 PT.Asahimas Flat Glass Tbk 1,140,293,000,000 184,603,000,000 432,736,000,000
58 PT.Asiaplast Industries Tbk 39,871,088,542 4,934,614,636 16,340,936,630
59 PT.Bentoel Internasional Investama Tbk 458,124,000,000 385,717,000,000 654,682,000,000
60 PT.Berlina Tbk 2,731,673,000 37,431,643,000 79,924,231,000
61 PT.Budi Acid Jaya Tbk 181,627,000,000 81,392,000,000 179,489,000,000
62 PT.Cahaya Kalbar Tbk 252,131,146,280 718,633,672,591 149,368,238,444
63 PT.Ekadharma International Tbk 73,925,818,973 3,874,077,286 41,318,344,412
64 PT.Ever Shine Tex Tbk 47,880,743,427 53,682,629,619 14,927,508,155
65 PT.Eterindo Wahanatama Tbk 1,554,640,348 1,089,202,644 69,135,575,845
66 PT.Gajah Tunggal Tbk 2,173,160,000,000 86,242,000,000 1,009,571,000,000
67 PT.Indah Alumunium Industry Tbk 61,105,945,703 60,143,943,808 47,087,049,928
68 PT.Indospring Tbk 463,667,885,883 29,097,620,482 180,847,848,136
69 PT.Indofarma (Persero) Tbk 247,154,709,148 30,726,523,119 91,958,702,134
70 PT.Indocement Tunggal Prakarsa Tbk 8,837,976,000,000 587,963,000,000 4,418,023,000,000
71 PT.Jembo Cable Company Tbk 53,999,640,000 23,473,180,000 59,621,915,000
72 PT.Lion Metal Works Tbk 281,662,584,355 25,238,283,348 58,918,116,228
73 PT.Lionmesh Prima Tbk 42,751,332,302 4,241,921,223 15,774,847,885
74 PT.Mandom Indonesia Tbk 614,665,973,780 85,779,472,674 193,065,034,262
75 PT.Merck Tbk 426,295,271,000 16,881,535,000 278,628,385,000
76 PT.Mayora Indah Tbk 2,249,506,988,591 349,202,590,367 757,876,976,650
77 PT.Mustika Ratu Tbk 274,410,500,008 19,719,351,227 41,513,492,202
78 PT.Nippon Indosari Cropindo 42,021,834,803 23,963,486,108 153,226,854,731
79 PT.Pan Brothers Tbk 343,969,100,944 189,190,281,713 98,372,913,933

5
80 PT.Prasidha Aneka Niaga Tbk 99,287,692,137 10,789,744,021 48,316,423,498
81 PT.Pyridam Farma Tbk 37,522,409,819 2,982,546,590 7,004,602,953
82 PT.Sekawan Intipratama Tbk 47,200,987,760 2,753,011,292 9,725,140,770
83 PT.Sekar Laut Tbk 43,200,702,579 9,696,134,726 9,063,607,140
84 PT.Selamat Sempurna Tbk 454,212,810,568 153,939,272,167 296,505,576,611
85 PT.Surya Toto Tbk 392,476,976,838 173,379,503,181 299,798,358,174
86 PT.Sepatu Bata 167,820,811,000 11,976,249,000 87,130,850,000
87 PT.Tira Austenite Tbk 48,504,097,830 6,253,269,090 19,353,010,034
88 PT.Tirta Mahakam Resources Tbk 154,938,642,208 47,513,721,884 19,924,607,968
89 PT.Trias Sentosa Tbk 231,896,812,651 18,143,682,326 191,306,819,447
90 PT.Tempo Scan Pacific Tbk 2,109,327,329,712 108,308,436,716 662,818,840,982
91 PT.Ultrajaya Milk Tbk 316,485,899,116 19,295,979,673 182,058,917,652
92 PT.Yanaprima Hastapersada Tbk 34,028,576,357 16,740,201,746 27,733,011,256

6
Penyederhanaan Data
Penyederhanaan data ini dilakukan dengan membagi pada variabel X 1, X2
dan Y masing-masing sebesar 100.000.000.000

Modal Kerja BTKL Laba Operasional

(X1) (X2) (Y)

98.600000 10.720000 127.560000

11.509080 1.859320 4.199910
17.414523 2.679769 2.654686
0.960494 0.258814 0.492378
4.826643 0.190402 1.606287
1.527391 0.006397 0.121207
6.042515 0.468377 4.245381
116.232540 6.318790 52.068370
20.421070 0.566740 11.449900
35.518856 4.291535 36.933055
31.277551 1.181645 15.658747
4.854596 0.663961 1.849170
2.750396 0.074270 2.014528
0.916361 0.131665 0.279011
9.861936 1.624435 6.131872
0.035939 1.515647 0.450501
2.126346 1.129306 1.897794
2.216680 0.324429 0.952600
9.578580 1.792360 4.375630
0.732281 0.048466 0.210068
18.318420 3.111140 4.772240
0.738239 0.280345 0.610862
0.238160 0.650640 1.347500
2.589071 5.285515 0.569008
0.529984 0.067450 0.370728
0.532725 0.508379 0.133030
0.324198 0.007129 0.359309
19.397780 0.676310 12.874270
0.827168 0.501942 0.402089
1.180264 0.260719 1.195892
2.074294 0.278755 0.564477
61.371010 4.541520 40.612130
0.221787 0.228239 0.035180
 2.425353 0.200761 0.470197
0.312816 0.035812 0.114502
5.536234 0.710078 1.738656
2.748575 0.077791 1.545459
0.978026 0.137400 0.517504
16.445201 2.455400 7.733351
2.525709 0.158253 0.370336
1.203476 0.150072 1.356579
1.242480 1.839185 0.596720
0.742944 0.101164 0.465731
0.314283 0.035711 0.056580
0.378702 0.016512 0.118278
0.441156 0.089684 0.057250
3.573442 1.325733 2.278453
3.631674 1.616258 2.588849
1.537479 0.099916 0.871309
0.477946 0.058023 0.165935
0.589698 0.404160 0.003061
1.373504 0.154299 1.903408
18.577133 0.932583 5.594854
4.778841 0.210674 1.854171
0.299514 0.144932 0.342525
1.916893 0.328011 0.982857
11.402930 1.846030 4.327360
0.398711 0.049346 0.163409
4.581240 3.857170 6.546820
0.027317 0.374316 0.799242
1.816270 0.813920 1.794890
2.521311 7.186337 1.493682
0.739258 0.038741 0.413183
0.478807 0.536826 0.149275
0.015546 0.010892 0.691356
21.731600 0.862420 10.095710
0.611059 0.601439 0.470870
4.636679 0.290976 1.808478
2.471547 0.307265 0.919587
88.379760 5.879630 44.180230
0.539996 0.234732 0.596219
2.816626 0.252383 0.589181
0.427513 0.042419 0.157748

8
 6.146660 0.857795 1.930650
4.262953 0.168815 2.786284
22.495070 3.492026 7.578770
2.744105 0.197194 0.415135
0.420218 0.239635 1.532269
3.439691 1.891903 0.983729
0.992877 0.107897 0.483164
0.375224 0.029825 0.070046
0.472010 0.027530 0.097251
0.432007 0.096961 0.090636
4.542128 1.539393 2.965056
3.924770 1.733795 2.997984
1.678208 0.119762 0.871309
0.485041 0.062533 0.193530
1.549386 0.475137 0.199246
2.318968 0.181437 1.913068
21.093273 1.083084 6.628188
3.164859 0.192960 1.820589
0.340286 0.167402 0.277330

2.2 Uji Asumsi Klasik

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada
analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi
analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi
klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua
uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji
multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana
dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.
Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi
linear yang bertujuan untuk menghitung nilai pada variabel tertentu.
Misalnya nilai return saham yang dihitung dengan market model, atau
market adjusted model. Perhitungan nilai return yang diharapkan dapat
dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.
Uji asumsi klasik yang sering digunakan yaitu :
1) Uji Multikolinearitas

9
2) Uji Heteroskedastisitas
3) Uji Normalitas
4) Uji Autokorelasi
Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang
harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada.
Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu
dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan
perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan
pengujian pada uji yang lain.

2.2.1 Uji Normalitas Residual

Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual mempunyai distribusi normal.
Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi
pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa
uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak
dilarang tetapi model regresi memerlukan normalitas pada nilai
residualnya bukan pada masing-masing variabel penelitian.
Ada dua cara mendeteksi apakah residual memiliki distribusi
normal atau tidak, yaitu dengan analisis histogram dan uji statistik. Pada
analisis grafik terdapat dua cara, yaitu dengan menggunakan Histogram
dan Normal Probability Plot atau P-Plot.
 Kolmogorov Smirnov
Sedangkan dengan uji statistik yaitu menggunakan Uji Kolmogorov Smirnov
(KS). Jika Assimp-Sig ≥ α maka Kolmogorov Smirnov tidak signifikan, berarti
residual berdistribusi secara normal.
 Histogram
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data/
titik pada sumbu diagonal dari histogram residualnya jika kurva regression
residual terstandarisasi membentuk gambar lonceng maka normal. Jika
tampilan histogramnya agak melenceng ke kiri atau ke kanan dapat

10
 disimpulkan bahwa grafik histogram memberikan pola distribusi yang tidak
normal.
 Probability Plot atau P-Plot
Model regresi dikatakan memenuhi asumsi normalitas apabila data menyebar
di sekitar garis diagonal atau grafik histogramnya. Sedangkan jika pada grafik
normal P-Plot terlihat titik – titik menyebar jauh disekitar garis diagonal, serta
penyebarannya tidak mengikuti arah garis diagonal maka model regresi
dikatakan tidak normal.

A. Hasil Analisis Uji Normalitas Residual

 Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 92
a,b Mean .0000000
Normal Parameters
Std. Deviation 7.04552808
Absolute .327
Most Extreme Differences Positive .327
Negative -.221
Kolmogorov-Smirnov Z 3.137
Asymp. Sig. (2-tailed) .000
a. Test distribution is Normal.
b. Calculated from data.
Analisis : Dengan α = 5% (0,05)
Berdasarkan tabel One-Sample Kolmogorov-Smirnov Test
besarnya nilai Kolmogorov-Smirnov adalah 3.137 yang
didapatkan dari hasil output SPSS dengan nilai Asymp. Sig
sebesar 0,000 < α yaitu 0,05 maka nilai KS signifikan berarti hal
ini menunjukan bahwa residual berdistribusi secara tidak
normal.

11
 Hitogram

Analisis : Karena kurva regression residual terstandarisasi membentuk

gambar lonceng (tidak melenceng ke kiri maupun ke kanan)
maka regression residualnya berdistribusi normal.
 P-Plots
 Analisis : Karena model P-Plot regression residual data tidak menyebar
disekitar garis diagonal maka data regression residualnya
berdistribusi tidak normal hal ini diesbabakan karena terdapat
nilai ekstrim dalam data yang diambil.

2.2.2 Uji Heteroskedastisitas

Uji heteroskedastisitas adalah untuk melihat apakah terdapat
ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan
yang lain. Model regresi yang memenuhi persyaratan adalah di mana
terdapat kesamaan varians dari residual satu pengamatan ke pengamatan
yang lain tetap atau disebut homoskedastisitas.
Ada dua cara pendeteksian ada tidaknya heteroskedastisitas, yaitu
dengan metode grafik dan metode statistik. Metode grafik biasanya
dilakukan dengan cara melihat grafik scatter plot antara nilai prediksi
variabel dependen dengan residualnya. Sedangkan dengan metode statistik
dapat dilakukan dengan Uji Park, Uji Gletser, Uji White, Uji Spearman’s
Rank Correlation, Uji Goldfeld Quandt dan Uji Breusch-Pagan-Goldfrey.
Namun dalam makalah ini hanya akan membahas metode grafik saja.
Karakteristik dari metode grafik ini adalah :
 Jika titik – titik pada grafik scatter plot menyebar secara acak maka tidak
terjadi heteroskedastisitas.
 Dan sebaliknya jika pada scatter plot titik – titik tidak menyebar maka terjadi
heteroskedastisitas.

13
A. Hasil Analisis Uji Heteroskedastisitas

Analisis : Berdasarkan grafik Scatterplot hasil output SPSS bahwa titik-titik

tidak menyebar secara acak atau membentuk sesuatu dan hal ini
dapat disimpulkan bahwa terjadi heteroskedastisitas pada model
regresi.

2.2.3 Uji Multikolinieritas

Uji multikoliniaritas bertujuan untuk menguji apakah dalam model regresi
dditemukan adanya kolerasi yang tinggi atau sempurna antar variabel independen.
Jika antar variabel independen terjadi multikolinieritas sempurna, maka koefisien
regresi variabel independen tidak dapat ditentukan dan nilai standar error menjadi
tak terhingga. Jika multikolinieritas antar variabel tinggi, maka koefisien regresi
variabel independen dapat ditentukan, tapi memiliki nilai standar error tinggi
berarti nilai koefisien tidak dapat diestimasi dengan tepat.

14
Ada 2 cara mendeteksi data apabila tidak terjadi non-multikolinieritas yaitu :
 Dengan melihat koefisien kolerasi antar variabel bebas : Jika koefisien kolerasi
antar variabel bebas ≥ 0,9 maka terjadi multikolinieritas.
 Dengan melihat nilai VIF (Varian Infloating Factor) : Jika nilai VIF < 10 maka
tidak terjadi multikolinieritas.

A. Hasil Analisis Uji Multikolinieritas

 Koefisien Korelasi antar Variabel Bebas
Coefficient Correlationsa
Model BTKL MODAL KERJA
BTKL 1,000 -,760
Correlations
MODAL KERJA -,760 1,000
1
BTKL ,408 -,029
Covariances
MODAL KERJA -,029 ,003
a. Dependent Variable: LABA OPERASIONAL

Analisis : Berdasarkan tabel Coefficient Correlation hasil Output SPSS dapat

disimpulkan bahwa koefisien korelasi antar variabel bebas rX 1X2
adalah sebesar -0,760 ini berarti menunjukan bahwa tidak terjadi
multikolinieritas karena koefisien korelasinya -0,760 < 0,9.
 Melihat Nilai VIF
Coefficientsa

Model Unstandardized Standardized t Sig. Correlations Collinearity Statistics

Coefficients Coefficients

B Std. Error Beta Zero-order Partial Part Tolerance VIF

-1,966 ,868 -2,266 ,026
(Constant)
,540 ,059 ,670 9,186 ,000 ,877 ,698 ,435 ,422 2,370
1MODAL KERJA
2,380 ,639 ,272 3,727 ,000 ,781 ,367 ,177 ,422 2,370
BTKL

a. Dependent Variable: LABA OPERASIONAL

Analisis : Berdasarkan tabel Coefficients pada kolom VIF hasil dari output SPSS diperoleh sebagai berikut :
VIF Kesimpulan
X1 = 2,370 Karena nilai VIF pada tabel Coefficients sebesar 2,370 < 10 maka data tidak terjadi multikolinieritas
X2 = 2,370 Karena nilai VIF pada tabel Coefficients sebesar 2,370 < 10 maka data tidak terjadi multikolinieritas
2.2.4 Uji Autokorelasi
Uji autokolerasi bertujuan menguji apakah dalam suatu model regresi
linear terdapat kolerasi antar kesalahan pengganggu (residual) pada periode t
dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi kolerasi, maka
dinamakan terdapat permasalahan autokolerasi. Autokolerasi muncul karena
observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini
timbul karena residual (kesalahan pengganggu) tidak bebas dari satu amatan ke
amatan yang lain. Hal ini sering ditemukan pada data menurut waktu / time series
karena “gangguan” pada seseorang individu / kelompok cenderung mempengaruhi
“gangguan” pada individu / kelompok yang sama pada periode berikutnya.
Pada data cross section (silang waktu), masalah autokolerasi relatif jarang
terjadi karena “gangguan” pada amatan yang berbeda berasal dari individu /
kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari
autokolerasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada
tidaknya autokolerasi.
Salah satu cara yang umum digunakan untuk mendeteksi adanya
autokolerasi dalam regresi linear berganda adalah dengan Uji Durbin Watson
(DW). Suatu model regresi dinyatakan tidak terdapat permasalahan autokolerasi
apabila :
du < d < 4 - du
d : Nilai Durbin Watson Hitung
du : Nilai batas / upper Durbin Watson Tabel

A. Hasil Analisis Uji Autokolerasi

Model Summaryb
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate
1 ,894a ,800 ,796 7,121673180 1,655
a. Predictors: (Constant), BTKL, MODAL KERJA
b. Dependent Variable: LABA OPERASIONAL
Analisis : Nilai DW hitung berdasarkan hasil output SPSS sebesar 1,655 akan
dibandingkan dengan menggunakan derajat kepercayaan dengan
persentase 5% dengan jumlah sample 92 perusahaan dan jumlah
 variabel independen 2, maka di tabel Durbin Watson akan diperoleh
nilai :
K=2
n
dL dU
90 1,6119 1,7026
91 1,6143 1,7040
92 1,6166 1,7053
93 1,6188 1,7066

du < d < 4 – du
1,7053 < 1,655 < 4 – 1,7053
1,7053 > 1,655 < 2,2947
Oleh karena nilai DW hitung hasil output SPSS yaitu 1,655 lebih kecil dari pada
batas atas (nilai DW tabel) dan lebih besar dari pada 4 dikurangi nilai DW tabel (4
– 1,7053 = 2,2947) sehingga dapat disimpulkan bahwa terjadi autokorelasi dalam
model.

2.3 Uji Regresi Ganda

Analisis regresi linier berganda adalah hubungan secara linear
antara dua atau lebih variabel independen (X 1, X2,….Xn) dengan variabel
dependen (Y). Analisis ini untuk mengetahui arah hubungan antara
variabel independen dengan variabel dependen apakah masing-masing
variabel independen berhubungan positif atau negatif dan untuk
memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan. Data yang digunakan
biasanya berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:
Y = a + b1X1+ b2X2+…..+ bnXn

Keterangan
Y : Variabel dependen (nilai yang diprediksikan)
X1 dan X2 : Variabel independen

18
 a : Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b : Koefisien regresi (nilai peningkatan ataupun penurunan

A. Hasil Analisis Regresi Ganda

a. Dependent Variable: LABA OPERASIONAL
Analisis : Berdasarkan hasil output SPSS pada tabel coefficients diperoleh :
Model Unstandardized Standardized t Sig. Correlations
Coefficients Coefficients

B Std. Error Beta Zero-order Partial Part

-1,966 ,868 -2,266 ,026
(Constant)
,540 ,059 ,670 9,186 ,000 ,877 ,698 ,435
1MODAL KERJA
2,380 ,639 ,272 3,727 ,000 ,781 ,367 ,177
BTKL

a = -1,966
b1 = 0,540
b2 = 2,380
Kemudian hasil output tersebut dimasukan kedalam persamaan regresi ganda
yaitu :
Y = a + b1X1 + b2X2 + ε
Y = -1,966 + 0,540X1 + 2,380X2 + ε
X1 dan X2 = 0 maka Y = -1,966

 Kesimpulan
a. Karena nilai konstanta (a) = -1,966 maka nilai Y = -1,966 pada saat X1
dan X2 = 0;
b. Karena nilai koefisien regresi bertanda positif (+) yaitu 0,540 maka pola
hubungan antara Modal Kerja (X1) dan Laba Operasional (Y) adalah
searah / positif artinya apabila variabel Modal Kerja (X1) naik maka
Laba Operasional (Y) juga naik;
c. Karena nilai koefisien regresi bertanda positif (+) yaitu 2,380 maka pola
hubungan antara BTKL (X2) dan Laba Operasional (Y) adalah searah /

19
 positif artinya apabila BTKL (X2) naik maka Laba Operasional (Y) juga
naik;
d. Setiap kenaikan satu-satuan Modal Kerja (X1) dengan asumsi BTKL
(X2) konstan maka Laba Operasional (Y) akan naik sebesar 0,540 Modal
kerja (X1);
e. Setiap kenaikan satu-satuan BTKL (X2) dengan asumsi variabel Modal
Kerja (X1) konstan maka Laba Operasional (Y) akan naik sebesar 2,380
BTKL (X2).

2.4 Uji Koefisien Determinasi

Koefisien determinasi digunakan untuk mencari seberapa besar
variasi variabel independen dapat menjelaskan secara keseluruhan variasi
variabel independen. Koefisien determinasi mengukur seberapa besar
pengaruh variabel independen secara keseluruhan terhadap naik turunnya
variasi nilai variabel dependen. Dalam koefisien determinasi untuk
mengetahui seberapa variabel bebas berpengaruh terhadap variabel terikat
dinyatakan dengan persentase. Dalam menganalisis koefisien determinasi
dibagi menjadi 2 yaitu analisis parsial dan analisis simultan.
Untuk mengetahui berapa besar koefisien determinasi digunakan dengan rumus
sebagai berikut :
Analisis Parsial
Kd= r2 x 100%

Analisis Simultan
Kd = R2 x 100%

Keterangan
Kd = Koefisien Determinasi
r2 & R2 = Besarnya Koefisien Korelasi

A. Hasil Analisis Koefisien Determinasi

20
 a. Analisis Parsial
Coefficientsa

Model Unstandardized Standardized t Sig. Correlations

Coefficients Coefficients

B Std. Error Beta Zero-order Partial Part

(Constant) -1,966 ,868 -2,266 ,026

,540 ,059 ,670 9,186 ,000 ,877 ,698 ,435

1MODAL KERJA
2,380 ,639 ,272 3,727 ,000 ,781 ,367 ,177
BTKL

a. Dependent Variable: LABA OPERASIONAL

Berdasarkan tabel Correlations hasil output SPSS diperoleh nilai :

1. Pengaruh Modal Kerja (X1) terhadap Laba Operasional (Y)
Kd = r2 x 100%
(0,698)2 x 100%
0,487204 x 100% = 48,72%
Berdasarkan perhitungan diatas (rYX1) dapat disimpulkan bahwa besarnya
pengaruh Modal Kerja (X1) terhadap Laba Operasional (Y) adalah 48,72%
dan sisanya 51,28 % dipengaruhi oleh faktor lain diluar variabel yang
diteliti.
2. Pengaruh BTKL (X2) terhadap Laba Operasional (Y)
Kd = r2 x 100%
(0,367)2 x 100%
0,134689 x 100% = 13,47%
Berdasarkan perhitungan diatas (rYX1) dapat disimpulkan bahwa besarnya
pengaruh BTKL (X2) terhadap Laba Operasional (Y) adalah 13,47% dan
sisanya 86,53% dipengaruhi oleh faktor lain diluar variabel yang diteliti.

b. Analisis Simultan
Model Summaryb

21
 Model R R SquareAdjusted R Std. Error of Durbin-
Square the Estimate Watson
a
1 .894 .800 .795 7.124251507 1.653
a. Predictors: (Constant), BTKL, MODAL KERJA
b. Dependent Variable: LABA OPERASIONAL
Analisis :
Pengaruh Modal Kerja (X1) dan BTKL (X2) terhadap Laba Operasional (Y)
Kd = R2 x 100%
(0,894)2 x 100%
0,968256 x 100% = 96,83%
Berdasarkan perhitungan diatas (rYX1X2) dapat disimpulkan bahwa bersanya
perngaruh Modal Kerja (X1) dan BTKL (X2) terhadap Laba Operasional (Y)
adalah 90,82% dan sisanya 9,18% dipengaruhi oleh faktor lain diluar variabel
yang diteliti.

2.5 Uji Hipotesis

Uji Hipotesisi merupakan hal yang penting ketika kita melakukan
penelitian, bisa bilang tahap ini menjadi penentu apakah penelitian yang
telah kita lakukan berhasil atau sebaliknya. Uji Hipotesis dilakukan untuk
menganalisis suatu pernyataan yang masih lemah kebenarannya dan perlu
dibuktikan/ dugaan yang sifatnya masih sementara, hipotesis ini perlu
untuk diuji dan kemudian diterima/ ditolak. Hipotesis dibagi menjadi dua
yakni hipotesisi Ho (tidak ada hubungan antara variabel penelitian X dan
Y) dan Ha (ada hubungan antara variabel penelitian X dan Y).
 H1 : variabel X1 berpengaruh signifikan terhadap variabel Y
 H2 : variabel X2 berpengaruh signifikan terhadap variabel Y
 H3 : variabel X1 dan X2 berpengaruh signifikan terhadap variabel Y
Uji Hipotesis dibagi menjadi 2 yaitu :
a) Uji Hipotesis Parsial
b) Uji Hipotesis Simultan

22
2.5.1 Uji Parsial
1. Rumusan Hipotesis :
 Apabila H0 : r = 0 variabel X tidak berpengaruh signifikan terhadap
variabel Y.
 Apabila Ha : r ≠ 0 variabel X berpengaruh signifikan terhadap variabel
Y.
2. Kriteria Pengujian :
 Jika thitung ≥ ttabel dan atau nilai Assymp.Sig < α maka H0 ditolak artinya
variabel X berpengaruh signifikan terhadap variabel Y.
 Jika thitung < ttabel dan atau nilai Assymp.Sig > α maka H 0 diterima artinya
variabel X tidak berpengaruh signifikan terhadap variabel Y.

2.5.2 Uji Simultan

1. Rumusan Hipotesis :
 H0 : r1 = r2 = 0 variabel X1 dan X2 tidak berpengaruh signifikan terhadap
variabel Y.
 Ha : r1 ≠ r2 ≠ 0 variabel X1 dan X2 berpengaruh signifikan terhadap
variabel Y.
2. Kriteria Pengujian :
 Jika Fhitung ≥ Ftabel dan atau nilai Assymp.Sig < α maka H0 ditolak artinya
variabel X1 dan X2 berpengaruh signifikan terhadap variabel Y
 Jika Fhitung < Ftabel dan atau nilai Assymp.Sig > α maka H 0 diterima artinya
variabel X1 dan X2 tidak berpengaruh signifikan terhadap variabel Y.

23
A. Hasil Analisis Uji Hipotesis
 Uji Parsial
Coefficientsa

Model Unstandardized Standardized t Sig. Correlations

Coefficients Coefficients

B Std. Beta Zero-order Partial Part

Error

( -1.944 .868 -2.239 .028

C
o
n
s
t

1 a
n
t
)

MODAL .540 .059 .671 9.187 .000 .877 .698 .436

KERJA

BTKL 2.373 .639 .271 3.714 .000 .781 .366 .176

a. Dependent Variable: LABA OPERASIONAL

1. Pengaruh Modal Kerja (X1) terhadap Laba Operasional (Y)

Analisis :Berdasarkan tabel coefficients hasil output SPSS diketahui t hitung
adalah 9,187 dan ttabel adalah 1,66159 yang diperoleh dari jumlah
perusahaan sample sebanyak 92 – 2 = 90 dan nilai Sig adalah
0,000. Jadi dapat disimpulkan bahwa pengaruh Modal Kerja (X1)
terhadap Laba Operasional (Y) dalam Uji Hipotesis Parsial yaitu
karena thitung (9,187) > ttabel (1,66159) dan nilai Sig (0,000) < α (0,05)
maka H0 ditolak artinya Modal Kerja (X1) berpengaruh signifikan
terhadap Laba Operasional (Y). Dengan demikian hipotesis yang
menyatakan bahwa Modal Kerja (X1) berpengaruh signifikan
terhadap Laba Operasional (Y) dapat dibuktikan kebenarannya.
2. Pengaruh BTKL (X2) terhadap Laba Operasional (Y)

24
 Analisis : Berdasarkan tabel coefficients hasil output SPSS diketahui thitung
adalah 3,714 dan ttabel adalah 1,66159yang diperoleh dari jumlah
perusahaan sample sebanyak 92 – 2 = 90 dan nilai Sig adalah
0,000. Jadi dapat disimpulkan bahwa pengaruh BTKL (X 2)
terhadap Laba Operasional (Y) dalam Uji Hipotesis Parsial yaitu
karena thitung (3,714) > ttabel (1,66159) dan nilai Sig (0,000) < α (0,05)
maka H0 ditolak artinya BTKL (X2) berpengaruh signifikan
terhadap Laba Operasional (Y). Dengan demikian hipotesis yang
menyatakan bahwa variabel BTKL (X2) berpengaruh signifikan
terhadap Laba Operasional (Y) dapat dibuktikan kebenarannya.

 Uji Simultan

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 18051.149 2 9025.575 177.826 .000b

1 Residual 4517.191 89 50.755

Total 22568.341 91

a. Dependent Variable: LABA OPERASIONAL

b. Predictors: (Constant), BTKL, MODAL KERJA

Analisis : Berdasarkan tabel ANOVA hasil dari output SPSS diketahui Fhitung
adalah 177,826 dan Ftabel adalah 3,10 yang diperoleh dari jumlah
perusahaan sample sebanyak 92 – 2 = 90 dan nilai Sig adalah
0,000. Jadi dapat disimpulkan bahwa pengaruh Modal Kerja (X 1)
dan BTKL (X2) terhadap Laba Operasional (Y) dalam Uji Hipotesis
Simultan yaitu karena Fhitung (177,826) > Ftabel (3,10) dan nilai Sig
(0,000) < α (0,05) maka H0 ditolak artinya Modal Kerja (X 1) dan
BTKL (X2) tidak berpengaruh signifikan terhadap Laba
Operasional (Y). Dengan demikian hipotesis yang menyatakan
bahwa Modal Kerja (X1) dan BTKL (X2) berpengaruh signifikan
terhadap Laba Operasional (Y) tidak dapat dibuktikan
kebenarannya.

25
26
 BAB III
Penutup

A. Kesimpulan
Berdasarkan hasil penelitian bagaimana pengaruh modal kerja dan
biaya tenaga kerja langsung terhadap laba operasional pada Perusahaan
Manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2009-
2011, maka dapat ditarik kesimpulan sebagai berikut:
1. Hasil Kenormalan residual dilihat dari hasil scatterplot dan Uji Nonparametrik
Kolmogorov Smirnov menunjukan bahwa residual berdistribusi secara tidak
normal.
2. Hipotesis pertama ( H 1) yang dilakukan analisis uji hipotesis dengan cara uji
parsial diterima, dengan pembuktian uji t. Dengan demikian terbukti bahwa
modal kerja itu akan berdampak terhadap laba operasional yang dihasilkan.
bahwa Modal Kerja berpengaruh signifikan terhadap Laba Operasional dapat
dibuktikan kebenarannya.
3. Hipotesis kedua ( H 2) yang dilakukan analisis uji hipotesis dengan cara uji
parsial diterima, dengan pembuktian uji t. Dengan demikian terbukti bahwa
Biaya Tenaga Kerja Langsung itu akan berdampak terhadap laba operasional
yang dihasilkan. Dan bahwa BTKL berpengaruh signifikan terhadap laba
operasional dapat dibuktikan kebenarannya.
4. Hipotesisi ketiga ( H 3) yang dilakukan analisis uji simultan bditerima, dengan
pembuktian uji f. Artiya maka Modal Kerja (X 1) dan BTKL (X2) tidak
berpengaruh signifikan terhadap Laba Operasional (Y). Dengan demikian
hipotesis yang menyatakan bahwa Modal Kerja (X1) dan BTKL (X2)
berpengaruh signifikan terhadap Laba Operasional (Y) tidak dapat dibuktikan
kebenarannya.

27
LAMPIRAN
2.1 Hasil Uji Asumsi Klasik
2.2 Hasil Uji Normalitas Residual
 Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 92
a,b Mean .0000000
Normal Parameters
Std. Deviation 7.04552808
Absolute .327
Most Extreme Differences Positive .327
Negative -.221
Kolmogorov-Smirnov Z 3.137
Asymp. Sig. (2-tailed) .000
a. Test distribution is Normal.
b. Calculated from data.
 Histogram

 P- Plots
2.3 Hasil Uji Heteroskedastisitas

2.4 Hasil Uji Multikolinieritas

 Koefisien Korelasi antar Variabel Bebas
Coefficient Correlationsa
Model BTKL MODAL KERJA
BTKL 1,000 -,760
Correlations
MODAL KERJA -,760 1,000
1
BTKL ,408 -,029
Covariances
MODAL KERJA -,029 ,003
b. Dependent Variable: LABA OPERASIONAL
 Melihat Nilai VIF
Coefficientsa

Model Unstandardized Standardized t Sig. Correlations Collinearity Statistics

Coefficients Coefficients

B Std. Error Beta Zero-order Partial Part Tolerance VIF

-1,966 ,868 -2,266 ,026
(Constant)
,540 ,059 ,670 9,186 ,000 ,877 ,698 ,435 ,422 2,370
1MODAL KERJA
2,380 ,639 ,272 3,727 ,000 ,781 ,367 ,177 ,422 2,370
BTKL

a. Dependent Variable: LABA OPERASIONAL

2.5 Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate
1 ,894a ,800 ,796 7,121673180 1,655
a. Predictors: (Constant), BTKL, MODAL KERJA
b. Dependent Variable: LABA OPERASIONAL

2.6 Hasil Uji Regresi Ganda

Model Unstandardized Standardized t Sig. Correlations
Coefficients Coefficients

B Std. Error Beta Zero-order Partial Part

-1,966 ,868 -2,266 ,026
(Constant)
,540 ,059 ,670 9,186 ,000 ,877 ,698 ,435
1MODAL KERJA
2,380 ,639 ,272 3,727 ,000 ,781 ,367 ,177
BTKL

2.7 Hasil Uji Koefisien Determinasi

 Analisis Parsial
Coefficientsa

Model Unstandardized Standardized t Sig. Correlations

Coefficients Coefficients

B Std. Error Beta Zero-order Partial Part

-1,966 ,868 -2,266 ,026
(Constant)
,540 ,059 ,670 9,186 ,000 ,877 ,698 ,435
1MODAL KERJA
2,380 ,639 ,272 3,727 ,000 ,781 ,367 ,177
BTKL

a. Dependent Variable: LABA OPERASIONAL

  Analisis Simultan

Model Summaryb

Model R R Square Adjusted R Std. Error of the Durbin-Watson

Square Estimate

1 .894a .800 .795 7.124251507 1.653

a. Predictors: (Constant), BTKL, MODAL KERJA

b. Dependent Variable: LABA OPERASIONAL

2.8 Hasil Uji Hipotesis

 Uji Parsial
Coefficientsa

Model Unstandardized Standardized t Sig. Correlations

Coefficients Coefficients

B Std. Beta Zero-order Partial Part

Error

( -1.944 .868 -2.239 .028

C
o
n
s
t

1 a
n
t
)

MODAL .540 .059 .671 9.187 .000 .877 .698 .436

KERJA

BTKL 2.373 .639 .271 3.714 .000 .781 .366 .176

b. Dependent Variable: LABA OPERASIONAL

 Uji Simultan
 ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 18051.149 2 9025.575 177.826 .000b

1 Residual 4517.191 89 50.755

Total 22568.341 91

a. Dependent Variable: LABA OPERASIONAL

b. Predictors: (Constant), BTKL, MODAL KERJA