BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran umum atau deskripsi suatu data yang dijadikan sampel penelitian, dilihat dari nilai minimum, maksimum, rata-rata, dan standar deviasi dari variabel yang ditunjukkan dalam tabel 4.1 di bawah ini.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CR 102 ,36 8,80 2,2194 1,52216
DER 102 ,07 1,83 ,7548 ,45294
NPM 102 ,02 15,09 ,4403 1,48350
TATO 102 ,01 ,52 ,2239 ,09646
ROE 102 ,00 ,41 ,1164 ,08672
Valid N (listwise) 102
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Dari hasil pengujian statistik deskriptif di atas (Tabel 4.1), maka dapat diketahui :
a. Jumlah observasi sebanyak 102 yang terdiri dari 34 perusahaan property dan real estate selama 3 tahun.
b. Nilai minimum Current Ratio (CR) sebesar 0,36 diperoleh PT Bumi Citra Permai (BCIP) pada tahun 2014, sedangkan untuk nilai maksimum sebesar 8,80 diperoleh PT Greenwood Sejahtera (GWSA) pada tahun 2016. Nilai rata-rata pada perusahaan property dan real estate selama periode 2014-2016 tahun adalah sebesar 2,2194 dengan nilai standar deviasi sebesar 1,52216. Ada 15 perusahaan property dan real estate yang memiliki nilai current ratio diatas mean dan 19 perusahaan yang memiliki nilai current ratio di bawah mean. Nilai standar deviasi yang lebih rendah dari mean mengindikasikan bahwa tidak terjadi penyimpangan data yang tinggi.
c. Nilai minimum Debt to Equity Ratio (DER) sebesar 0,07 diperoleh PT Greenwood Sejahtera (GWSA) pada tahun 2016, sedangkan untuk nilai maksimum sebesar 1,83 diperoleh PT Alam Sutera Realty (ASRI) tahun 2015. Nilai rata-rata pada perusahaan property dan real estate selama periode 2014-2016 tahun sebesar 0,7548 dengan nilai standar deviasi sebesar 0,45294. Ada 16 perusahaan property dan real estate yang memiliki nilai debt to equity ratio diatas mean dan 18 perusahaan yang memiliki nilai debt to equity ratio di bawah mean.
Nilai standar deviasi yang lebih rendah dari mean mengindikasikan bahwa tidak terjadi penyimpangan data yang tinggi.
d. Nilai minimum Net Profit Margin (NPM) sebesar 0,02 diperoleh PT Sitara Propertindo (TARA) pada tahun 2015, sedangkan untuk nilai maksimum sebesar 15,09 diperoleh PT Greenwood Sejahtera (GWSA) pada tahun 2015. Nilai rata-rata pada perusahaan property dan real estate selama periode 2014-2016 tahun sebesar 0,4403 dengan nilai standar deviasi sebesar 1,48350. Ada 12 perusahaan property dan real estate yang memiliki nilai net profit margin diatas mean dan 22 perusahaan yang memiliki nilai net profit margin di bawah mean. Nilai standar deviasi yang lebih tinggi dari mean mengindikasikan bahwa terjadi penyimpangan data yang tinggi.
e. Nilai minimum Total Asset Turnover (TATO) sebesar 0,01 diperoleh PT Greenwood Sejahtera (GWSA) pada tahun 2015, sedangkan untuk nilai maksimum sebesar 0,52 diperoleh PT Fortuna Mate Indonesia (FMII) pada tahun 2016. Nilai rata-rata pada perusahaan property dan real estate selama periode 2014-2016 tahun sebesar 0,2239 dengan nilai standar deviasi sebesar 0,09646. Ada 23 perusahaan property dan real estate yang memiliki nilai total asset turnover diatas mean dan 11 perusahaan yang memiliki nilai total asset turnover di bawah mean.
Nilai standar deviasi yang lebih rendah dari mean mengindikasikan bahwa tidak terjadi penyimpangan data yang tinggi.
f. Nilai minimum Profitabilitas (ROE) sebesar 0,00 diperoleh PT Gading Development (GAMA) pada tahun 2016, sedangkan untuk nilai maksimum sebesar 0,41 diperoleh PT Fortuna Mate Indonesia (FMII) pada tahun 2016. Nilai rata-rata pada perusahaan property dan real estate selama periode 2014-2016 tahun sebesar 0,1164 dengan nilai standar deviasi sebesar 0,08672. Ada 21 perusahaan property dan real estate yang memiliki nilai profitabilitas (ROE) diatas mean dan 13 perusahaan yang memiliki nilai profitabilitas (ROE) di bawah mean.
Nilai standar deviasi yang lebih rendah dari mean mengindikasikan bahwa tidak terjadi penyimpangan data yang tinggi.
4.2.2 Uji Asumsi Klasik
Untuk pengujian analisis regresi linear sederhana dan berganda terhadap penelitian ini, diperlukan suatu pengujian asumsi klasik atas data yang akan diolah. Perbaikan terhadap data penelitian berupa transformasi atau pengurangan data penelitian (outlier) dilakukan jika terdapat penyimpangan asumsi klasik. Tujuan dilakukannya uji asumsi klasik adalah untuk memastikan bahwa persamaan regresi yang digunakan memiliki ketepatan dalam estimasi, tidak bias dan konsisten.
4.2.2.1 Uji Normalitas
Uji normalitas dilakukan pada tiap-tiap variabel penelitian untuk mengetahui apakah variabel penelitian memenuhi asumsi normalitas. Uji normalitas dengan analisis grafik dapat dilakukan dengan melihat grafik histogram dan normal probability plot.
Sedangkan analisis statistik dilakukan dengan uji non-parametrik One Sample Kolmogorov-Smirnov. Pada uji Kolmogorov-Smirnov, apabila nilai signifikansi lebih besar dari 0.05, maka data residual berdistribusi normal. Sebaliknya, jika nilai signifikansi lebih kecil dari 0.05, maka data residual tidak berdistribusi normal.
Tabel 4.2
Normal Parametersa,b Mean ,0000000
Std. Deviation ,05489678 Most Extreme Differences Absolute ,057
Positive ,057
Negative -,037
Test Statistic ,057
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 : Output SPSS, data diolah oleh Penulis (2018)
Berdasarkan tabel 4.2 dapat dilihat bahwa nilai probabilitas atau Asymp.Sig (2-tailed) yang diperoleh lebih besar dari 0,05 atau 0,200 ˃ 0,05 yang berarti data residual telah berdistribusi secara normal.
Uji normalitas dengan analisis grafik yaitu dengan melihat normal probability plot dan histogram dimana jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka
model regresi memenuhi asumsi normalitas. Namun, jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Gambar 4.1 Normal Probability Plot
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Dengan melihat gambar 4.1 dapat diketahui bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini berarti asumsi normalitas terpenuhi. Hasil normal probability plot ini konsisten dengan hasil uji Kolmogorov-smirnov yang menyatakan data residual telah berdistribusi secara normal.
Gambar 4.2 Histogram
Sumber : Output SPSS, data diolah oleh Penulis (2018) Gambar 4.2 menampilkan histogram yang tidak menceng ke kiri maupun kanan, yaitu pola distribusi normal. Berdasarkan hasil uji statistik dan analisis grafik di atas, maka dapat disimpulkan bahwa asumsi normalitas telah terpenuhi.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Jadi jika hasil perhitungan nilai tolerance lebih dari 0,10 dan nilai Variance Inflation Factor (VIF) lebih kecil dari 10 maka dalam
model regresi bebas dari multikolinearitas (Ghozali, 2006). Maka hasil uji multikolinearitas dapat dilihat pada tabel berikut ini :
Tabel 4.3
Hasil Uji Multikolinearitas
Sumber : Output SPSS, data diolah Penulis (2018)
Dari uji multikolinearitas yang tersaji dalam tabel 4.3 juga dapat dilihat tidak terjadi gejala multikolinearitas antar variabel penelitian, hal ini ditunjukkan dengan angka VIF (Variance Inflation Factor) < 10 dan nilai tolerance > 0.1.
4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan mengetahui apakah dalam model terdapat kesamaan atau perbedaan variance dari suatu pengamatan ke pengamatan lain. Metode yang digunakan adalah dengan melihat grafik scatterplot. Apabila tidak ada pola yang jelas (titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas) (Ghozali, 2006).
Coefficientsa
Model
Collinearity Statistics
Tolerance VIF
1 (Constant)
CR ,904 1,107
DER ,824 1,214
NPM ,929 1,077
TATO ,872 1,147
a. Dependent Variable: ROE
Gambar 4.3 Grafik Scatterplot
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Berdasarkan gambar 4.3 dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas, hal ini berdasarkan gambar grafik dimana titik-titik yang ada di dalam grafik tidak membentuk pola yang jelas dan titik-titik menyebar secara acak di atas dan di bawah angka 0 pada sumbu Y.
4.2.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau periode sebelumnya. Autokorelasi dapat diuji dengan menggunakan uji Durbin Watson dengan kriteria berikut :
a. Bila nilai DW terletak antara batas atas atau Upper Bound (DU) dan 4 – DU, maka koefisien sama dengan nol, berarti tidak autokorelasi.
b. Bila nilai DW lebih rendah dari pada batas bawah atau Lower Bound (DL), maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif.
c. Bila nilai DW lebih besar dari pada (4 – DL), maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi negatif.
d. Bila nilai DW terletak diantara batas atas (DU) dan batas bawah (DL) atau DW terletak antara (4-DU) dan (4-DL), maka hasilnya tidak dapat disimpulkan.
Pada tingkat signifikansi 5%, jumlah pengamatan (N) 102, dan jumlah variabel bebas (k) 4, maka pada tabel Durbin Watson nilai DL=1.5969 dan DU=1.7596.
Tabel 4.4
Hasil Uji Autokorelasi Durbin Watson
Model Summaryb
a. Predictors: (Constant), CR, DER, NPM, TATO b. Dependent Variable: ROE
Sumber : Output SPSS, data diolah Penulis (2018)
Berdasarkan tabel 4.4, dapat dilihat nilai Durbin Watson sebesar 2.225, menunjukkan nilai DW berada di antara DU dan (4-DU), yaitu 1.7596 < 2.225 < (4-1.7596) yang berarti hasilnya tidak terjadi autokorelasi dalam penelitian ini.
4.2.3 Pengujian Hipotesis
Pengujian hipotesis dapat dilakukan setelah data yang akan digunakan telah lulus dari uji asumsi klasik. Pengujian hipotesis dalam penelitian ini dilakukan dengan menggunakan analisis regresi. Dalam penelitian ini, dilakukan dua kali analisis regresi yakni analisis regresi linier sederhana dan analisis regresi linear berganda. Analisis regresi linier sederhana digunakan untuk menguji pengaruh satu variabel independen terhadap satu variabel dependen, sedangkan analisis regresi linear berganda digunakan untuk menganalisis pengaruh dari beberapa variabel independen terhadap satu variabel dependen.
4.2.3.1 Uji Regresi Linear Sederhana
Hipotesis pertama (H1), hipotesis kedua (H2), hipotesis ketiga (H3) dan hipotesis keempat (H4) diuji menggunakan analisis regresi linear sederhana.
1. Pengaruh Current Ratio terhadap Profitabilitas
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Berdasarkan tabel di atas, persamaan regresi yang dapat dibentuk adalah:
Y = 0,127 – 0,005 X1 + e Dimana:
Y = Profitabilitas (ROE) X1 = current ratio
e = error
Berdasarkan persamaan tersebut dapat dilihat bahwa :
a. Konstanta a bernilai 0,127 menunjukkan bahwa profitabilitas (ROE) akan bernilai 0,127 jika variabel current ratio bernilai nol.
b. Variabel current ratio berpengaruh negatif terhadap profitabilitas (ROE). Nilai koefisien regresi bernilai -0,005 artinya setiap kenaikan variabel current ratio sebesar 1%
akan menurunkan profitabilitas (ROE) sebesar 0,5%.
Dari tabel 4.5 juga dapat dilihat bahwa nilai signifikansi sebesar 0,413 > 0,05. Nilai t berdasarkan tabel (df = n – k = 102 – 5 = 97) adalah sebesar 1,98472. Nilai t hitung lebih kecil dari t tabel adalah sebesar 0,822 < 1,98472. Dengan demikian dapat disimpulkan bahwa secara parsial current ratio tidak berpengaruh signifikan terhadap profitabilitas (ROE).
2. Pengaruh Debt to Equity Ratio terhadap Profitabilitas Tabel 4.6
Hasil Analisis Regresi Linear Sederhana II
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) ,097 ,017 5,823 ,000
DER ,026 ,019 ,133 1,344 ,182
a. Dependent Variable: ROE
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Berdasarkan tabel di atas, persamaan regresi yang dapat dibentuk adalah:
Y = 0,097 + 0,026 X2 + e Dimana:
Y = Profitabilitas (ROE) X2 = Debt to Equity ratio e = error
Berdasarkan persamaan tersebut dapat dilihat bahwa :
a. Konstanta a bernilai 0,097 menunjukkan bahwa profitabilitas (ROE) akan bernilai 0,097 jika variabel debt to equity ratio bernilai nol.
b. Variabel debt to equity ratio berpengaruh positif terhadap profitabilitas (ROE). Nilai koefisien regresi bernilai 0,026 artinya setiap kenaikan variabel current ratio sebesar 1%
akan menaikkan profitabilitas (ROE) sebesar 2,6%.
Dari tabel 4.6 juga dapat dilihat bahwa nilai signifikansi sebesar 0,182 > 0,05. Nilai t berdasarkan tabel (df = n – k = 102 – 5 = 97) adalah sebesar 1,98472. Nilai t hitung lebih kecil dari t tabel adalah sebesar 1,344 < 1,98472. Dengan demikian dapat disimpulkan bahwa secara parsial debt to equity ratio tidak berpengaruh signifikan terhadap profitabilitas (ROE).
3. Pengaruh Net Profit Margin terhadap Profitabilitas Tabel 4.7
Hasil Analisis Regresi Linear Sederhana III
S
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Coefficientsa
Berdasarkan tabel di atas, persamaan regresi yang dapat dibentuk adalah:
Y = 0,112 + 0,010 X3 + e Dimana:
Y = Profitabilitas (ROE) X3 = Net Profit Margin e = error
Berdasarkan persamaan tersebut dapat dilihat bahwa :
a. Konstanta a bernilai 0,112 menunjukkan bahwa profitabilitas (ROE) akan bernilai 0,112 jika variabel net profit margin bernilai nol.
b. Variabel net profit margin berpengaruh positif terhadap profitabilitas (ROE). Nilai koefisien regresi bernilai 0,010 artinya setiap kenaikan variabel current ratio sebesar 1%
akan menaikkan profitabilitas (ROE) sebesar 1,0%.
Dari tabel 4.7 juga dapat dilihat bahwa nilai signifikansi sebesar 0,076 > 0,05. Nilai t berdasarkan tabel (df = n – k = 102 – 5 = 97) adalah sebesar 1,98472. Nilai t hitung lebih kecil dari t tabel adalah sebesar 1,792 < 1,98472. Dengan demikian dapat disimpulkan bahwa secara parsial net profit margin tidak berpengaruh signifikan terhadap profitabilitas (ROE).
4. Pengaruh Total Asset Turnover terhadap Profitabilitas Tabel 4.8
Hasil Analisis Regresi Linear Sederhana IV
Coefficientsa
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Berdasarkan tabel di atas, persamaan regresi yang dapat dibentuk adalah:
Y = -0,021 + 0,613 X4 + e Dimana:
Y = Profitabilitas (ROE) X4 = Total Asset Turnover e = error
Berdasarkan persamaan tersebut dapat dilihat bahwa :
a. Konstanta a bernilai -0,021 menunjukkan bahwa profitabilitas (ROE) akan bernilai -0,021 jika variabel total asset turnover bernilai nol.
b. Variabel net profit margin berpengaruh positif terhadap profitabilitas (ROE). Nilai koefisien regresi bernilai 0,613 artinya setiap kenaikan variabel current ratio sebesar 1%
akan menaikkan profitabilitas (ROE) sebesar 61,3%.
Dari tabel 4.8 juga dapat dilihat bahwa nilai signifikansi sebesar 0,000 < 0,05. Nilai t berdasarkan tabel (df = n – k = 102 – 5 = 97) adalah sebesar 1,98472. Nilai t hitung lebih besar dari t tabel adalah sebesar 9,329 > 1,98472. Nilai t hitung lebih besar dari t tabel adalah sebesar 9,329 > 1,98472. Dengan demikian dapat disimpulkan bahwa secara parsial net profit margin berpengaruh signifikan terhadap profitabilitas (ROE).
4.2.3.2 Uji Regresi Linear Berganda
Hipotesis kelima (H5) dalam penelitian ini diuji menggunakan analisis regresi linear berganda.
Tabel 4.9
Hasil Analisis Regresi Linear Berganda
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Berdasarkan tabel di atas, persamaan regresi yang dapat dibentuk adalah:
Y = -0,017 - 0,010 X1 + 0,015 X2 + ,020 X3 + 0,704X4 + e Dimana:
Y = Profitabilitas (ROE)
Model
X1 = Current ratio
X2 = Debt to Equity Ratio X3 = Net Profit Margin X4 = Total Asset Turnover e = error
Berdasarkan persamaan tersebut dapat dilihat bahwa :
a. Konstanta a bernilai -0,017 menunjukkan bahwa profitabilitas (ROE) akan bernilai -0,017 jika variabel current ratio, debt to equity ratio, net profit margin, dan total asset turnover bernilai nol.
b. Variabel current ratio berpengaruh negatif terhadap profitabilitas (ROE). Nilai koefisien regresi bernilai -0,010 artinya setiap kenaikan variabel current ratio sebesar 1%
akan menurunkan profitabilitas (ROE) sebesar 1,0% dengan asumsi variabel lain adalah tetap atau konstan.
c. Variabel debt to equity ratio berpengaruh positif terhadap profitabilitas (ROE). Nilai koefisien regresi bernilai 0,015 artinya setiap kenaikan variabel debt to equity ratio sebesar 1% akan menaikkan profitabilitas (ROE) sebesar 1,5%
dengan asumsi variabel lain adalah tetap atau konstan.
d. Variabel net profit margin berpengaruh positif terhadap profitabilitas (ROE). Nilai koefisien regresi bernilai 0,020 artinya setiap kenaikan variabel net profit margin sebesar1%
akan menaikkan profitabilitas (ROE) sebesar 2,0% dengan asumsi variabel lain adalah tetap atau konstan.
e. Variabel total asset turnover berpengaruh positif terhadap profitabilitas (ROE). Nilai koefisien regresi bernilai 0,704 artinya setiap kenaikan variabel total asset turnover sebesar 1% akan menaikkan profitabilitas (ROE) sebesar 70,4%
dengan asumsi variabel lain adalah tetap atau konstan.
Tabel 4.10
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Berdasarkan tabel diatas, diketahui nilai F hitung yang diperoleh adalah 36,262 dengan nilai signifikansi sebesar 0,000.
Nilai F berdasarkan tabel (dengan df1 = k – 1 = 5 – 1 = 4 dan df2
= n – k = 102 – 5 = 97) adalah 2,47. Oleh karena nilai F hitung >
F tabel dan nilai signifikansi lebih kecil dari 0,05, maka dapat disimpulkan bahwa current ratio, debt to equity ratio, net profit margin dan total asset turnover secara simultan berpengaruh signifikan terhadap profitabilitas (ROE).
b. Predictors: (Constant), CR, NPM, DER, TATO
Setelah mengetahui pengaruh signifikansi, maka selanjutnya peneliti akan melakukan uji koefisien determinasi untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Besarnya nilai R2 berkisar dari 0 sampai dengan 1. Nilai R2 yang semakin mendekati 0 menjelaskan bahwa kemampuan variabel-variabel independen dalam menjelaskan variabel independen sangatlah terbatas, demikian sebaliknya, jika nilai R2 yang hampir mendekati 1 menunjukkan bahwa semua variabel independen dalam suatu model dapat menjelaskan perubahan yang terjadi pada variasi variabel dependen.
Sumber : Output SPSS, data diolah oleh Penulis (2018)
Berdasarkan tabel diatas, nilai R square yang diperoleh adalah 0,599 atau 59,9%. Dalam penelitian ini, nilai R square tidak digunakan karena setiap penambahan variabel independen ke dalam model akan selalu meningkatkan nilai R square tidak peduli apakah variabel tersebut berpengaruh signifikan atau tidak terhadap variabel dependen sehingga dapat menimbulkan
Model Summaryb
a. Predictors: (Constant), CR, DER, NPM, TATO b. Dependent Variable: ROE
penafsiran yang bias. Nilai koefisien determinasi yang digunakan dalam penelitian ini adalah nilai Adjusted R square.
Adjusted R square digunakan karena penambahan variabel independen dapat menyebabkan nilai adjusted R square meningkat atau menurun tergantung apakah variabel independen tersebut berpengaruh atau tidak terhadap variabel dependen.
Dari tabel diatas dapat dilihat bahwa nilai Adjusted R Square adalah 0,583 atau 58,3%. Hal ini berarti pengaruh current ratio, debt to equity ratio, net profit margin dan total asset turnover terhadap profitabilitas sebesar 58,3%, sisanya 41,7% dipengaruhi oleh variabel lain yang tidak diteliti dalam penelitian ini. Nilai Standard Error of the Estimate yang diperoleh adalah 0,05602, semakin kecil nilai yang diperoleh, maka model regresi yang dihasilkan akan semakin tepat untuk memprediksi variabel dependen.