4.2.

Analisis Data

4.2.2. Uji Asumsi Klasik

Uji prasyarat analisis dilakukan sebelum melakukan analisis

regresi. Uji prasyarat analisis ini diperlukan untuk mengetahui apakah

analisis regresi dapat dilakukan atau tidak. Apabila prasyarat terpenuhi

maka analisis regresi dapat digunakan, jika prasyarat tersebut tidak

terpenuhi maka analisis regresi tidak dapat digunakan berarti bahwa

penelitian yang dilakukan harus menggunakan alat analisis yang lain.

Uji prasyarat analisis yang dilakukan dalam penelitian ini adalah uji

normalitas, uji autokorelasi, uji heterokedastisitas, dan uji

multikolinieritas.

1. Uji Normalitas

Uji normalitas data dilakukan dengan maksud untuk menguji

apakah dalam model regresi, variabel dependen dan variabel independen

mempunyai distribusi normal atau tidak (Ghozali, 2013). Salah satu uji

normalitas untuk mengetahui apakah data menyebar normal atau tidak

adalah dengan mengunakan uji Kolmogorov Smirnov

Tabel 4.6
Rangkuman Hasil Uji Normalitas
 One-Sample Kolmogorov-Smirnov Test

log_10

N 60

Normal Parametersa Mean 6.5571

Std. Deviation .24120

Most Extreme Differences Absolute .251

Positive .251

Negative -.119

Kolmogorov-Smirnov Z 1.948

Asymp. Sig. (2-tailed) .435

a. Test distribution is Normal.

Berdasarkan tabel di atas hasil uji normalitas Kolmogorov

Smirnov pada variabel menunjukan bahwa rata-rata Asymp. Sig (2 tailed)

adalah 0.536 lebih besar dari taraf signifikansi yaitu 0.05 (0.435>0.05).

Hal ini menunjukkan bahwa secara keseluruhan variabel independen

(Biaya Produksi dan Penjualan) dan dependen (Laba) terdistribusi secara

normal.

2. Uji Multikolinieritas

Uji Multikolinieritas bertujuan untuk melihat apakah dalam model

regresi ditemukan adanya korelasi antara variabel independen. Jika ada

korelasi yang tinggi antara variabel independen tersebut, maka hubungan

antara variabel independen atau variabel dependen menjadi terganggu.

Multikolinieritas dapat dilihat dari nilai tolerance dan VIF. Nilai cut off

yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah

 nilai tolerance ≤ 0,1 dan nilai VIF ≥ 10. Hasil uji multikolinieritas

disajikan pada tabel berikut :

Tabel 4.7
Hasil Uji Multikolinieritas

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) .088 .034 2.569 .013

Biaya_Produksi .413 .000 .043 .453 .652 .977 1.023

Penjualan .515 .004 .059 3.600 .002 .977 1.023

a. Dependent Variable: Pendapatan

Berdasarkan tabel di atas hasil uji multikolinearitas nilai tolerance

keempat variabel independen nilai tollerace > dari 0.1 sedangkan nilai VIF

< 10. Hasil perhitungan variabel independen biaya produksi dan penjualan

masing-masing memiliki nilai tolerance sebesar 0.977 dan 0.977 dan Hasil

perhitungan VIF juga menunjukkan hal yang sama dimana ketiga variabel

independen (biaya produksi dan penjualan) masing-masing memiliki nilai

sebesar 1.023 dan 1.023. Berdasarkan tabel di atas dapat disimpulkan

bahwa tidak ada multikolinearitas antar variabel independen dalam model

ini.

3. Uji Heteroksidastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam

model regresi terjadi ketidaksamaan varians dari residual satu pengamatan

yang lain. Model regresi yang baik adalah yang homokedastisitas atau
 tidak terjadi heterokedastisitas. Hasil uji heteroskedastisitas ditunjukkan

pada tabel berikut ini:

Gambar
Hasil Uji Heteroksidistisitas

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) .088 .034 2.569 .013

Biaya_Produksi .413 .000 .043 .453 .652

Penjualan .515 .004 .059 3.600 .002

a. Dependent Variable: abs_ress

Berdasarkan tabel atas hasil uji heteroskedastisitas yang disajikan

pada tabel diatas nilai signifikansi yang diperoleh pada setiap variabel

independen lebih besar dari taraf signifikansi 0.05, maka, disimpulkan bahwa

model regresi pada variabel independen (biaya produksi dan penjualan) dan

dependen (laba) penelitian ini tidak terjadi heteroskedastisitas.

4. Uji Autokorelasi

Uji autokorelasi dimaksudkan untuk mengetahui ada atau tidaknya

penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara

residual pada satu pengamatan dengan pengamatan lain pada model regresi.

Model pengujian yang dilakukan dalam model penelitian ini yaitu

menggunakan uji Durbin-Watson (uji DW).

Tabel 4.9
Hasil Uji Autokorelasi

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 .708a .754 .754 .150 2.641

a. Predictors: (Constant), Penjualan, Biaya_Produksi

b. Dependent Variable: Pendapatan

Berdasarkan tabel di atas diperoleh nilai DW sebesar 2.047. Peneliti

telah memperoleh niali dU berdasarkan tabel DW yaitu sebesar 1.7665

berdasarkan hasil uji dw, maka dapat disimpulkan bahwasanya data tersebut

terbebas dari autokorelasi dikarenakan 1.7665 < 2.641 < (4-1.7665) dengan

syarat dU < DW < (4-dU).

1.2.3 Analisis Regresi Berganda

Analisis dalam penelitian ini adalah analisis regresi linier berganda.

Analisis ini digunakan untuk mengetahui pengaruh dari variabel efisiensi

modal kerja, likuiditas, dan solvabilitas terhadap variabel profitabilitas. Hasil

analisis mengenai koefisien model regresi adalah seperti yang tercantum

dalam tabel berikut ini :

Tabel 4.10
 Hasil Analisis Regresi Berganda

Variabel Koefisien Regresi T hitung Signifikansi

Independen
Konstanta .088 2.569 .013
Biaya Produksi .413 .453 .652
Penjualan .515 3.600 .002

Berdasarkan tabel di atas, maka model regresi yang diperoleh adalah sebagai

berikut :

Y = 0,088 + 0,413X1 + 0,515X2

Keterangan :

Y = Laba
Α = Konstanta
Β = Koefisien regresi
X1 = Biaya Produksi
X2 = Penjualan

Dari hasil persamaan regresi linier dapat diartikan sebagai berikut :

1. Konstanta (α) sebesar 0,088 memberi pengertian jika seluruh variabel

independen dengan nol (0), maka besarnya profitabilitas pajak sebesar

0,088 satuan.

2. Untuk variabel biaya produksi, diperoleh nilai koefisien sebesar 0,413

dengan tanda positif yang berarti apabila pada variabel biaya produksi

meningkat sebesar 1 satuan, maka laba akan meningkat sebesar 0,413

satuan dengan asumsi bahwa variabel independen lain dalam kondisi

konstan.

3. Untuk variabel penjualan, diperoleh nilai koefisien sebesar 0,515 dengan

 tanda positif yang berarti apabila pada variabel penjualan meningkat

sebesar 1 satuan, maka laba akan meningkat sebesar 0,515 satuan dengan

asumsi bahwa variabel independen lain dalam kondisi konstan.

1.2.4. Uji Parsial (t)

Uji t dasarnya menunjukkan seberapa jauh pengaruh satu variabel

penjelas/independen secara individual dalam menerangkan variasi

variabel dependen (Ghozali, 2013). Koefisien regresi ini digunakan untuk

mengetahui pengaruh variabel biaya produksi dan penjualan secara

parsial terhadap laba. Berikut ini adalah tabel hasil uji parsial (t) :

Tabel 4.11

Hasil Uji Parsial (t)

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta T Sig.

1 (Constant) .088 .034 2.569 .013

Biaya_Produksi .413 .000 .043 .453 .652

Penjualan .515 .004 .059 3.600 .002

a. Dependent Variable: Pendapatan

Berdasarkan tabel di atas hasil pengujian pengaruh variabel

independen terhadap variabel dependennya sebagai berikut :

1. Hasil Pengujian Hipotesis Pertama

H1 : Diduga biaya produksi berpengaruh secara parsial terhadap laba

UD.Agro Jamur Lombok. Variabel biaya produksi mempunyai nilai t

 hitung yaitu sebesar 0,453 lebih kecil dari t tebel yaitu 2,00172 dan

nilai signifikansi yaitu sebesar 0,652 lebih besar dari 0,05. Sehingga

dapat disimpulkan bahwasanya variabel biaya produksi tidak

berpengaruh terhadap laba pada UD.Agro Jamur Lombok, sehingga

hipotesis pertama ditolak.

2. Hasil Pengujian Hipotesis Kedua

H1: Diduga penjualan berpengaruh secara parsial terhadap laba

UD.Agro Jamur Lombok. Variabel penjualan mempunyai nilai t

hitung yaitu sebesar 3,600 lebih besar dari t tebel yaitu 2,00172 dan

nilai signifikansi yaitu sebesar 0,002 lebih kecil dari 0,05. Sehingga

dapat disimpulkan bahwasanya variabel penjualan berpengaruh

signifikan terhadap laba pada UD.Agro Jamur Lombok, sehingga

hipotesis kedua diterima.

1.2.5. Uji Simultan (F)

Uji F digunakan untuk menguji signifikansi model regresi.

Tujuan dari uji F adalah untuk membuktikan secara statistik bahwa

keseluruhan koefisiensi regresi yang digunakan dalam analisis ini

berpengaruh positif. Apabila nilai signifikansi F lebih kecil dari 0,05

maka model regresi signifikansi secara statistik. Berikut ini adalah

tabel hasil uji simultan (F) :

Tabel 4.12

Hasil Uji Simultan (F)

 ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 313.967 2 156.984 9.260 .000a

Residual .966 57 .017

Total 314.933 59

a. Predictors: (Constant), Penjualan, Biaya_Produksi

Berdasarkan tabel di atas dapat dilihat bahwa variabel biaya

produksi dan penjualan secara simultan berpengaruh positif terhadap

laba. Dari tabel diperoleh signifikansi sebesar 0,000 lebih kecil dari

taraf signifikansi 0,05. Hal ini menunjukkan bahwa biaya produksi

dan penjualan berpengaruh terhadap laba pada UD.Agro Jamur

Lombok.

1.2.6. Determinan (R2)

Koefisiensi determinasi (Adjusted R2) digunakan untuk mengukur

kebaikan dari persamaan regresi berganda, yaitu memberikan persentase

variasi total dalam variabel dependen yang dijelaskan oleh seluruh

variabel independen. Dengan kata lain, nilai Adjusted R2 menunjukkan

seberapa besar model regresi mampu menjelaskan variabel dependen.

Besarnya koefisien determinasi antara 0 (nol) sampai 1 (satu). Nilai

Adjusted R2 yang kecil berarti kemampuan variabel-variabel independen

dalam menjelaskan variabel dependen sangat terbatas (Ghozali, 2013).

Sebaliknya, jika koefisien determinasi mendekati 1 maka dapat dikatakan

semakin kuat model tersebut dalam menerangkan variasi variabel

dependen. Hasil Uji koefisien determinasi dapat dilihat pada tabel

sebagai berikut:
 Tabel 4.13

Hasil Uji Determinan R2

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 .708a .754 .754 .150 2.641

a. Predictors: (Constant), Penjualan, Biaya_Produksi

b. Dependent Variable: Pendapatan

Berdasarkan tabel 4.13 di atas hasil uji Adjusted R2 pada penelitian ini diperoleh

nilai sebesar 0,754. Hal ini menunjukkan bahwa profitabilitas dipengaruhi oleh

efesisiensi modal kerja, likuiditas dan solvabiltas sebesar 75,4%, sedangkan

sisanya sebesar 24,4% dipengaruhi oleh faktor lain yang tidak diteliti dalam

penelitian ini.