BAB IV Hasil dan Pembahasan
B. Analisis Data Penelitian
1. Analisis Statistik Deskriptif
Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata (mean), dan nilai standar deviasi dari variabel-variabel independen dan variabel-variabel dependen.
Table 4.2 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation Current Ratio 90 .53 27.50 3.5279 3.73471 Debt to Equity Ratio 90 .08 4.45 .9029 .79827 Total Asset Turn
Over
90 .44 3.25 1.3116 .56340
Gross Profit Margin 90 .04 5.00 .3838 .52338 Pertumbuhan Laba 90 -1.45 9.02 .5369 1.42985 Valid N (listwise) 90
Berdasarkan data dari Tabel 4.2 dapat dijelaskan bahwa:
a. Variabel Current Ratio (CR) memiliki nilai minimum 0,53 dan nilai maksimum 27,50 dengan rata-rata sebesar 3,5279 dan standar deviasi 3,73471. Hal ini berarti nilai minimum CR perusahaan barang konsumsi yang menjadi sampel penelitian dari tahun 2006 sampai 2008 adalah 0,53 dan nilai maksimum sebesar 27,50 dengan rata-rata nilai CR perusahaan barang konsumsi yang menjadi sampel penelitian ini sebesar 3,73471.
b. Variabel Debt to Equity Ratio (DER) memiliki nilai minimum 0,08 dan nilai maksimum 4,45 dengan rata-rata sebesar 0,9029 dan standar deviasi 0,79827. Hal ini berarti nilai minimum DER perusahaan barang konsumsi yang menjadi sampel penelitian dari tahun 2006 sampai 2008 adalah 0,08 dan nilai maksimum sebesar 4,45 dengan rata-rata nilai DER perusahaan barang konsumsi yang menjadi sampel penelitian ini sebesar 0,9029.
c. Variabel Total Asset Turn Over (TATO) memiliki nilai minimum 0,44 dan nilai maksimum 3,25 dengan rata-rata sebesar 1,3116 dan standar deviasi 0,56340. Hal ini berarti nilai minimum TATO perusahaan barang konsumsi yang menjadi sampel penelitian dari tahun 2006 sampai 2008 adalah 0,44 dan nilai maksimum sebesar 3,25 dengan rata-rata nilai TATO perusahaan barang konsumsi yang menjadi sampel penelitian ini sebesar 1,3116.
d. Variabel Gross Profit Margin (GPM) memiliki nilai minimum 0,04 dan nilai maksimum 5,00 dengan rata-rata sebesar 0,3838 dan standar deviasi 0,52338. Hal ini berarti nilai minimum GPM perusahaan barang konsumsi yang menjadi sampel penelitian dari tahun 2006 sampai 2008 adalah 0,44 dan nilai maksimum sebesar 5,00 dengan rata-rata nilai GPM perusahaan barang konsumsi yang menjadi sampel penelitian ini sebesar 0,3838.
e. Variabel Pertumbuhan Laba memiliki nilai minimum -1,45 dan nilai maksimum 9,02 dengan rata-rata sebesar 0,5369 dan standar deviasi 1,42985. Hal ini berarti nilai minimum pertumbuhan laba perusahaan barang konsumsi yang menjadi sampel penelitian dari tahun 2006 sampai 2008 adalah -1,45 dan nilai maksimum sebesar 9,02 dengan rata-rata nilai pertumbuhan laba perusahaan barang konsumsi yang menjadi sampel penelitian ini sebesar 0,5369.
2. Pengujian Asumsi Klasik
Metode analisis data yang digunakan adalah model analisis regresi berganda dengan bantuan software SPSS versi 17 for Windows. Untuk menghasilkan suatu model yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu. Pengujian asumsi klasik tersebut meliput i uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statitstik non parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
H0 : data residual berdistribusi normal,
Ha : data residual tidak berdistribusi normal.
Apabila nilai siginifikansi lebih besar dari 0,05 maka H0 diterima dan Ha ditolak, sebaliknya jika nilai signifikansi lebih kecil dari 0,05 maka H0 ditolak dan Ha diterima.
Tabel 4.3
Hasil Uji Normalitas sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 90
Normal Parametersa,,b Mean .0000000 Std. Deviation 1.37102126 Most Extreme Differences Absolute .235 Positive .235 Negative -.149 Kolmogorov-Smirnov Z 2.225
Asymp. Sig. (2-tailed) .000
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah penulis, 2010
Dari hasil pengolahan data pada Tabel 4.3 di atas, diperoleh besarnya nilai Kolmogorov-Smirnov adalah 2,225 dan signifikansi pada 0,000. Nilai signifikansi ternyata lebih kecil dari 0,05 maka Ha diterima yang berarti data residual tersebut tidak berdistribusi normal. Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier, yaitu
data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier yaitu:
− lakukan transformasi data ke bentuk lainnya, − lakukan trimming, yaitu membuang data outlier,
− lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual agar normal, Peneliti melakukan transformasi data ke model logaritma natural (LN) dari PL = f(CR,, DER, TATO, GPM) menjadi LN_PL = f(LN_CR, LN_DER, LN_TATO, LN_GPM). Setelah dilakukan transformasi data ke model logaritma natural, jumlah sampel observasi berkurang menjadi hanya 72 sampel. Kemudian data diuji ulang berdasarkan asumsi normalitas, berikut ini hasil pengujian dengan Kolmogorov-Smirnov setelah transformasi.
Tabel 4.4
Hasil Uji Normalitas Setelah Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 72
Normal Parametersa,,b Mean .0000000 Std. Deviation 1.26311117 Most Extreme Differences Absolute .104 Positive .050 Negative -.104 Kolmogorov-Smirnov Z .883
Asymp. Sig. (2-tailed) .416
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah penulis, 2010
Dari hasil pengolahan data pada Tabel 4.4 diperoleh besarnya nilai
Kolmogorov-Smirnov adalah 0,883 dan signifikansi pada 0,416. Nilai
signifikansi lebih besar dari 0,05 maka H0 diterima yang berarti data residual berdistribusi normal. Data yang berdistribusi normal tersebut juga dapat dilihat melalui grafik histrogram dan grafik normal p-plot data.
Gambar 4.1 Grafik Histogram Sumber: Output SPSS, diolah penulis, 2010
Grafik histogram pada Gambar 4.1 menunjukkan pola distribusi normal karena grafik tidak miring ke kiri maupun miring ke kanan. Demikian pula hasil uji normalitas dengan menggunakan grafik p-plot pada Gambar 4.2 di bawah ini.
Gambar 4.2 Grafik Normal P-Plot Sumber: Output SPSS, diolah penulis, 2010
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
Uji multikolinieritas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi multikolinieritas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi 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 independan lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/ tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolineritas adalah nilai tolerance < 0,10 atau sama dengan VIF > 10 (Ghozali, 2005 : 91). Hasil dari uji multikolinieritas dapat dilihat pada tabel berikut ini:
Tabel 4.5
Hasil Uji Multikolinieritas
Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) LN_Current Ratio .451 2.219 LN_Debt to Equity Ratio .390 2.566
LN_Total Asset Turn Over
.999 1.001
LN_Gross Profit Margin
.730 1.370
a. Dependent Variable: LN_Pertumbuhan Laba
Sumber: Output SPSS, diolah penulis, 2010
Dari data pada Tabel 4.5, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas antara variabel independen yang diindikasikan dari nilai
tolerance setiap variabel independen lebih besar atau sama dengan 0,1 dan
nilai VIF lebih kecil atau sama dengan dari 10. Maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan dengan menggunakan model regresi berganda.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Cara mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel dependen. Menurut Ghozali (2005:105) dasar analisis untuk menentukan ada atau tidaknya heteroskedastisitas yaitu:
1) jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas,
2) jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 4.3
Hasil Uji Heteroskedastisitas (Scatterplot) Sumber: Output SPSS, diolah penulis, 2010
Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi Pertumbuhan Laba perusahaan barang konsumsi yang terdaftar di BEI berdasarkan masukan variabel independen CR, DER, TATO dan GPM.
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin-Watson (D-W). Tabel 4.6 berikut menyajikan hasil uji D-W dengan menggunakan program SPSS Versi 17.0.
Tabel 4.6
Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .412a .170 .120 1.30027 1.697
a. Predictors: (Constant), LN_Gross Profit Margin, LN_Total Asset Turn Over, LN_Current Ratio, LN_Debt to Equity Ratio
b. Dependent Variable: LN_Pertumbuhan Laba
Sumber: Output SPSS, diolah penulis, 2010
1) nilai D-W lebih kecil dari -2 berarti ada korelasi positif,
2) nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, 3) nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif. Dari hasil tabel di atas diketahui bahwa nilai D-W yang didapat sebesar 1,697 yang berarti termasuk pada kriteria kedua, sehingga dapat disimpulkan bahwa model regresi bebas dari masalah autokorelasi.
3. Pengujian Hipotesis
Untuk menguji hipotesis, Peneliti menggunakan analisis regresi berganda. Data diolah dengan menggunakan program SPSS Versi 17.0 Berdasarkan hasil pengolah data dengan program SPSS Versi 17.0, maka diperoleh hasil sebagai berikut. Tabel 4.7 Model Summary Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .412a .170 .120 1.30027 1.697
a. Predictors: (Constant), LN_Gross Profit Margin, LN_Total Asset Turn Over, LN_Current Ratio, LN_Debt to Equity Ratio
b. Dependent Variable: LN_Pertumbuhan Laba
Pada Tabel 4.7 di atas, dapat dilihat hasil analisis regresi secara keseluruhan menunjukkan nilai R sebesar 0,412 menunjukkan bahwa korelasi atau hubungan antara pertumbuhan laba (variabel dependen) dengan Current
Ratio, Debt to Equity Ratio, Total Asset Turn Over dan Gross Profit Margin
(variabel independen) mempunyai tingkat hubungan yang sedang, yaitu sebesar 41,2%. Tingkat hubungan yang sangat kuat ini dapat dilihat dari tabel pedoman untuk memberikan interpretasi koefisien korelasi.
Tabel 4.8
Pedoman untuk Memberikan Interpretasi Koefisien Korelasi
Interval Koefisien Tingkat hubungan 0,000 – 0,199 Sangat Rendah 0,200 – 0,399 Rendah 0,400 – 0,599 Sedang 0,600 – 0,799 Kuat 0,800 – 1,000 Sangat Kuat Sumber: Sugiyono (2006:183)
Nilai Adjusted R Square atau koefisien determinasi adalah sebesar 0,120. Angka ini mengidentifikasikan bahwa pertumbuhan laba (variabel dependen) mampu dijelaskan oleh Current Ratio, Debt to Equity Ratio, Total Asset Turn
Over dan Gross Profit Margin (variabel independen) sebesar 12,0%,
sedangkan selebihnya sebesar 88,0% dijelaskan oleh sebab-sebab lain. Kemudian standard error of the estimate adalah sebesar 1,30027 dimana
semakin kecil angka ini akan membuat model regresi semakin tepat dalam memprediksi pertumbuhan laba.
a. Uji Signifikansi Simultan (Uji-F)
Uji-F dilakukan untuk menilai pengaruh Current Ratio, Debt to Equity
Ratio, Total Asset Turn Over dan Gross Profit Margin secara simultan
terhadap pertumbuhan laba. Dalam uji-F digunakan hipotesis sebagai berikut:
H0 : artinya variabel Current Ratio, Debt
to Equity Ratio, Total Asset Turn Over dan Gross Profit Margin
secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap pertumbuhan laba pada perusahaan barang konsumsi yang terdaftar di BEI,
Ha : artinya variabel Current Ratio, Debt
to Equity Ratio, Total Asset Turn Over dan Gross Profit Margin
secara bersama-sama mempunyai pengaruh yang signifikan terhadap pertumbuhan laba pada perusahaan barang konsumsi yang terdaftar di BEI.
Uji ini dilakukan dengan membandingkan signifkansi hitung dengan F-tabel dengan ketentuan:
- jika F-hitung < F-tabel, maka H0diterima dan Ha ditolak untuk α = 5%,
Berdasarkan hasil pengolahan data dengan program SPSS Versi 17.0, maka diperoleh hasil sebagai berikut.
Tabel 4.9.
Hasil Uji Simultan (Uji-F)
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig. 1 Regression 23.209 4 5.802 3.432 .013a
Residual 113.277 67 1.691
Total 136.486 71
a. Predictors: (Constant), LN_Gross Profit Margin, LN_Total Asset Turn Over, LN_Current Ratio, LN_Debt to Equity Ratio
b. Dependent Variable: LN_Pertumbuhan Laba
Sumber: Output SPSS, diolah penulis, 2010
Dari uji ANOVA (Analysis of Variance) pada Tabel 4.9 di atas didapat F-hitung sebesar 3,432 dengan tingkat signifikansi sebesar 0,013. Sedangkan F-tabel diketahui sebesar 2,509. Berdasarkan hasil tersebut dapat diketahui bahwa F-hitung > F-tabel (3,432 > 2,509) maka H0 ditolak dan Ha diterima.
Jadi dapat disimpulkan bahwa variabel Current Ratio, Debt to Equity
berpengaruh signifikan terhadap pertumbuhan laba perusahaan barang konsumsi yang terdaftar di BEI.
Tabel 4.10 Hasil Analisis Regresi
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients T Sig. B Std. Error Beta 1 (Constant) -.928 .380 -2.442 .017 LN_Current Ratio -.379 .314 -.200 -1.206 .232 LN_Debt to Equity Ratio .114 .284 .072 .403 .688
LN_Total Asset Turn Over
-.901 .354 -.284 -2.549 .013
LN_Gross Profit Margin
-.287 .268 -.139 -1.071 .288
a. Dependent Variable: LN_Pertumbuhan Laba
Sumber: Output SPSS, diolah penulis, 2010
Berdasarkan tabel 4.10 di atas, maka didapatlah persamaan regresi sebagai berikut:
Keterangan:
1) konstanta sebesar -0,928 menunjukkan bahwa apabila variabel independen ditiadakan maka pertumbuhan laba adalah sebesar -0,928,
2) sebesar -0,379 menunjukkan bahwa setiap kenaikan current
ratio sebesar 1% maka akan diikuti oleh penurunan pertumbuhan
laba sebesar 0,535 dengan asumsi variabel lain tetap,
3) sebesar 0,114 menunjukkan bahwa setiap kenaikan debt to
equity ratio sebesar 1% maka akan diikuti oleh kenaikan
pertumbuhan laba sebesar 0,114 dengan asumsi variabel lain tetap. 4) sebesar -0,901 menunjukkan bahwa setiap kenaikan total asset
turn over sebesar 1% maka akan diikuti oleh penurunan
pertumbuhan laba sebesar -0,901 dengan asumsi variabel lain tetap. 5) sebesar -0,287 menunjukkan bahwa setiap kenaikan gross profit
margin sebesar 1% maka akan diikuti oleh penurunan pertumbuhan
laba sebesar -0,287 dengan asumsi variabel lain tetap. b. Uji Signifikansi Parsial (Uji-t)
Uji-t dilakukan untuk mengetahui seberapa jauh pengaruh suatu variabel independen terhadap variabel dependen secara parsial. Dalam uji-t digunakan hipotesis sebagai berikut.
H0 : artinya variabel Current Ratio, Debt
to Equity Ratio, Total Asset Turn Over dan Gross Profit Margin
secara parsial tidak berpengaruh signifikan terhadap pertumbuhan laba pada perusahaan barang konsumsi yang terdaftar di BEI,
Ha : artinya variabel Current Ratio, Debt
to Equity Ratio, Total Asset Turn Over dan Gross Profit Margin
secara parsial berpengaruh signifikan terhadap pertumbuhan laba pada perusahaan barang konsumsi yang terdaftar di BEI.
Uji ini dilakukan dengan membandingkan signifikansi hitung dengan t-tabel dengan ketentuan:
− jika t-hitung < t-tabel, maka H0diterima dan Ha ditolak untuk α = 5% atau signifikansi > 0,05,
− jika t-hitung > t-tabel, maka H0ditolak dan Ha diterima untuk α = 5% atau signifikansi < 0,05.
Tabel 4.11
Hasil Uji Parsial (Uji-t) Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients T Sig. B Std. Error Beta 1 (Constant) -.928 .380 -2.442 .017 LN_Current Ratio -.379 .314 -.200 -1.206 .232 LN_Debt to Equity Ratio .114 .284 .072 .403 .688
LN_Total Asset Turn Over
-.901 .354 -.284 -2.549 .013
LN_Gross Profit Margin
-.287 .268 -.139 -1.071 .288
a. Dependent Variable: LN_Pertumbuhan Laba
Sumber: Outpus SPSS, diolah penulis, 2010
Hasil pengujian statistik t pada Tabel 4.11. dapat dijelaskan sebagai berikut.
1) Pengaruh Current Ratio terhadap pertumbuhan laba
Nilai t-hitung untuk variabel CR adalah sebesar -1,206 dan t-tabel dengan α = 5% diketahui sebesar 2,289. Dengan demikian t-hitung lebih besar dari t-tabel (-1,206 < 2,289) dan nilai signifikansi sebesar
0,232 (lebih besar dari 0,05) artinya H0 ditolak dan Ha diterima, bahwa CR secara parsial tidak berpengaruh terhadap pertumbuhan laba pada perusahaan barang konsumsi pada tingkat kepercayaan 95%.
2) Pengaruh Debt to Equity Ratio terhadap pertumbuhan laba
Nilai t-hitung untuk variabel DER adalah sebesar 0,403 dan t-tabel dengan α = 5% diketahui sebesar 2,289. Dengan demikian t-hitung lebih kecil dari t-tabel (0,403 < 2,289) dan nilai signifikansi sebesar 0,688 (lebih besar dari 0,05) artinya H0 ditolak dan Ha diterima, bahwa DER secara parsial tidak berpengaruh terhadap pertumbuhan laba pada perusahaan barang konsumsi pada tingkat kepercayaan 95%.
3) Pengaruh Total Asset Turn Over terhadap pertumbuhan laba
Nilai t-hitung untuk variabel TATO adalah sebesar -2,549 dan t-tabel dengan α = 5% diketahui sebesar 2,289. Dengan demikian t-hitung lebih kecil dari t-tabel (-2,549 < 2,289) dan nilai signifikansi sebesar 0,013 (lebih kecil dari 0,05) artinya H0 ditolak dan Ha diterima, bahwa TATO secara parsial tidak berpengaruh secara signifikan terhadap pertumbuhan laba pada perusahaan barang konsumsi pada tingkat kepercayaan 95%.
4) Pengaruh Gross Profit Margin terhadap pertumbuhan laba
Nilai t-hitung untuk variabel GPM adalah sebesar -1,071 dan t-tabel dengan α = 5% diketahui sebesar 2,289. Dengan demikian t-hitung lebih besar dari t-tabel (-1,071 < 2,289) dan nilai signifikansi sebesar 0,288 (lebih besar dari 0,05) artinya H0 ditolak dan Ha diterima, bahwa
DPS secara parsial tidak berpengaruh terhadap pertumbuhan laba pada perusahaan barang konsumsi pada tingkat kepercayaan 95%.