BAB IV : HASIL PENELITIAN DAN PEMBAHASAN
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Objek Penelitian
4.2.1 Analisis Deskriptif
Penelitian ini menggunakan variabel independen Perputaran Kas dan Perputaran Piutang, sedangkan variabel dependen adalah Tingkat Likuiditas. Pembahasan statistik deskriptif meliputi jumlah data (N), nilai minimum, nilai maksimum, rata-rata sampel (mean) dan strandar deviasi. Berikut masing-masing variabel pada tabel di bawah ini.
Tabel 4.2 Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Perputaran
Kas 35 1.98 225.62 23.5371 52.13920
Perputaran
piutang 35 3.03 9.74 6.8429 1.81755
Likuiditas 35 1.04 10.25 3.3506 2.31132
Valid N
(listwise) 35
Sumber: Hasil Penelitian, 2019 (Data diolah) Dari tabel 4.1 dapat dijelaskan bahwa:
1. Variabel Perputaran Kas memiliki nilai terendah 1,98 dan nilai tertinggi sebesar 225,62. Sedangkan untuk nilai rata-ratanya sebesar 25,5371 dengan standar deviasi 52,13920.
2. Variabel Perputaran Piutang memiliki nilai terendah 3,03 dan nilai tertinggi sebesar 9,74. Sedangkan untuk nilai rata-ratanya sebesar 6,8429 dengan standar deviasi 1,81755.
3. Variabel Likuiditas memiliki nilai terendah 1,04 dan nilai tertinggi sebesar 10,25. Sedangkan untuk nilai rata-ratanya sebesar 3,3506 dengan standar deviasi 2,31132.
51 4.3 Hasil Uji Asumsi Klasik
Uji asumsi klasik wajib dilakukan sebelum seseorang melakukan analisis regresi linier berganda. Adapun uji klasik yang dilakukan dalam penelitian ini meliputi: (1) uji normalitas, (2) uji multikolinieritas, (3) uji heteroskedastisitas (4) uji autokorelasi. Untuk menghindari adanya pelanggaran asumsi klasik maka perlu dilakukan transformasi pada setiap variabel kedalam bentuk logaritma natural.
4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Model regresi yang baik memiliki distribusi normal atau mendekati normal.
Uji normalitas dilakukan menggunakan analisis grafik histogram, grafik P-Plot dan analisis statistik Kolmogorov-smirnov di bawah ini:
Gambar 4.3 Histogram
Sumber : Hasil Penelitian, 2019 (Data diolah)
52 Dari grafik histogram terlihat jelas bahwa grafik membentuk gunung atau lonceng. Dengan ini maka data residual terdistribusi normal. Akan tetapi, jika kesimpulan normal tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat membingungkan peneliti, untuk itu digunakan juga analisis grafik P-Plot dan analisis statistik Kolmogorov-Smirnov.
Untuk grafik normal probability plot (P-Plot) dapat dilihat pada gambar dibawah ini :
Gambar 4.3 PP Plot Uji Normalitas
Sumber : Hasil Penelitian, 2019 (Data diolah)
Berdasarkan output diatas dapat dilihat bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, sehingga dapat disimpulkan model regresi memenuhi asumsi normalitas.
53 Untuk memastikan kembali bahwa model regresi ini memenuhi asumsi normalitas, maka peneliti menguji dengan uji statistik kolmogorov-smirnov dengan hipotesis sebagai berikut:
H0 : Residual berdistribusi normal H1 : Residual tidak berdistribusi normal
Kriteria uji yang digunakan yaitu tolak H0 jika nilai signifikansi <
nilai α (tingkat kesalahan) . Pada kasus ini digunakan nilai α sebesar 5%.
Tabel 4.3 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 35
Normal Parametersa,b Mean .0000000
Std. Deviation .54680137 Most Extreme Differences Absolute .071
Positive .062
Negative -.071
Test Statistic .071
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Sumber: Hasil Penelitian, 2019 (Data diolah)
Berdasarkan hasil output diperoleh nilai signifikansi sebesar 0,200 atau 20,0%. Karena nilai signifikansi lebih dari 5%, maka dapat disimpulkan bahwa residual berdistribusi normal.
54 4.3.2 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk melihat apakah terdapat korelasi antara variabel bebas atau tidak.
Multikolinieritas dilakukan dengan melihat nilai Tolerance dan Variance Inflation Factor (VIF). Dikatakan tidak terjadi multikolinieritas jika nilai tolerance > 0,1 atau VIF < 10. Di bawah ini disampaikan hasil uji multikolinieritas dengan melihat Tolerance dan Variance Inflation Factor (VIF) nya.
Tabel 4.4
Hasi Uji Multikolinieritas (Tolerance dan VIF)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B
Std.
Error Beta Tolerance VIF
1 (Constant) 2.074 .595 3.488 .001
Perputaran kas -.184 .084 -.356 -2.205 .035 .992 1.008 Perputaran
piutang -.349 .306 -.184 -1.142 .262 .992 1.008
a. Dependent Variable: Likuiditas
Data di atas menunjukkan bahwa semua nilai tolerance variabel independen yang ada diatas 0,1 serta nilai VIF variabel independennya semua dibawah 10 yang berarti bawah tidak terjadi multikolinieritas.
55 4.3.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Uji heteroskedastisitas dapat dilakukan dengan pendekatan grafik.
Dibawah ini penulis sampaikan hasil uji heteroskedastisitas dengan menggunakan pendekatan grafik.
Gambar 4.5
Hasil Uji Heteroskedastisitas Dengan Pendekatan Grafik
Sumber : Hasil Penelitian, 2019 (Data diolah)
Grafik Scatterplot di atas memperlihatkan bahwa titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak digunakan untuk memprediksi Tingkat Likuiditas berdasarkan masukan variabel independennya.
56 4.3.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah ada kesalahan dalam model regresi linear karena adanya penelitian yang sama dengan waktu sebelumnya, diartikan sebagai kolerasi antar observasi yang diukur berdasarkan waktu sekarang dan sebelumnya yang mengakibatkan kesalahan atau error. Cara untuk mengetahui ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson (DW-test).
Tabel 4.6
Hasil Uji Autokorelasi Durbin Watson
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 .415a .172 .120 .56363 2.331
a. Predictors: (Constant), Perputaran piutang, Perputaran kas b. Dependent Variable: Likuiditas
Sumber : Hasil Penelitian, 2019 (Data diolah)
Keterangan :
a. Nilai tabel signifikan 5% dilihat pada tabel Durbin Watson b. Jumlah N = 35
c. Jumlah variabel independen sebanyak 2 (K=2)
d. Nilai dL = 1,4019 dan nilai dU = 1,5191 diperoleh dari tabel Durbin Watson.
Berdasarkan Tabel diatas diperoleh hasil nilai Durbin Watson adalah 2,331. Nilai ini terletak antara du (1,5191) dan 4- du (2,4809) sehingga dapat disimpulkan bahwa tidak terdapat gejala autokorelasi.
57 4.4 Persamaan Regresi Linear Berganda
Hasil perhitungan dan pengolahan data dengan menggunakan Statistical Program for Social Science (SPSS), didapatkan tabel Coefficients seperti terlihat pada Tabel 4.6 di bawah ini. Dari tabel tersebut dapat diambil beberapa kesimpulan, salah satunya adalah persamaan regresi linier berganda.
Tabel 4.7
Hasil Uji Regresi Berganda
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 2.074 .595 3.488 .001
Perputaran kas -.184 .084 -.356 -2.205 .035 Perputaran
piutang -.349 .306 -.184 -1.142 .262
a. Dependent Variable: Likuiditas
Sumber: Hasil Penelitian, 2019 (Data diolah)
Melihat nilai Unstandardizet Coefficients Beta di atas, maka dapat ditentukan persamaan regresi linier berganda yang dihasilkan darienelitian ini, sebagai berikut:
Y = α + β1 X1 + β2 X2
Y = 2,074 - 0,184 X1 - 0,349 X2
Keterangan :
Y = Variabel dependen X1, X2 = Variabel independen α = Nilai konstanta β1, β2 = Koefisien regresi
58 Dari persamaan tersebut dapat diketahui bahwa kedua variabel yaitu perputaran kas dan perputaran piutang memiliki koefisien regresi ke arah negatif. Hal ini berarti perputaran kas dan perputaran piutang yang rendah akan menghasilkan tingkat likuiditas yang tinggi. Penjelasan persamaan tersebut adalah sebagai berikut:
a. Konstanta sebesar 2,074 yang berarti jika variabel Perputaran Kas dan Perputaran Piutang dianggap nol maka variabel Tingkat Likuiditas hanya sebesar 2,074.
b. Koefisien regresi variabel Perputaran Kas diperoleh nilai sebesar -0,184 yang berarti jika variabel Perputaran Kas mengalami kenaikan sementara variabel Perputaran Piutang diasumsikan tetap maka Tingkat Likuiditas akan mengalami penurunan sebesar 0,184.
c. Koefisien regresi variabel Perputaran Piutang diperoleh nilai sebesar -0,349 yang berarti bahwa jika variabel Perputaran Piutang mengalami kenaikan sementara variabel Perputaran Kas diasumsikan tetap maka Tingkat Likuiditas akan mengalami penurunan sebesar 0,349.