HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian
4.1.2 Deskripsi Data
Berdasarkan data terdahulu pada bab 3 telah dibahas mengenai rancangan pembuktian untuk mengetahui hipotesis kerja (Ha) ini yaitu pengaruh Perputaran Modal Kerja dan Likuiditas terhadap Profitabilitas pada perusahaanmanufaktur makanan dan minumanyang terdapat di Bursa Efek Indonesia. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik deskriptif dengan menggunakan software SPSS versi 20 dilakukan pengujian hipotesis dengan menggunakan
pengujian asumsi klasik dan analisis regresi berganda. Prosedur dimulai dengan memasukkan variabel-variabel penelitian yaitu variabel perputaran modal kerja dan likuiditasdengan alat ukur Current Ratio dan variabel terikat profitabilitas dengan alat ukur Return On Asset (ROA).Adapun data penelitian dapat dilihat pada lampiran 2.
4.1.3. StatistikDeskriptif
Variabel-variabel dalampenelitian ini dimasukkan ke program SPSS dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berikut ini ditampilkan data statistik secara umum dari seluruh data yang digunakan sebagaimana terlihat pada tabel berikut:
Tabel 4.1
Output SPSS Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation WCTO 50 -34.99 36.22 11.9489 15.81248
CR 50 20.36 277.78 153.7106 60.16001
ROA 50 2.40 67.00 15.0476 13.82313
Valid N (listwise) 50
Sumber: Pengolahan Data SPSS, Januari 2015 Dari tabel tersebut dapat dijelaskan bahwa:
1. Rata-rata Working Capital TurnOver (Perputaran Modal Kerja) adalah sebesar 11.9489 denganstandardeviasisebesar 15.81248, dengan kata lain bahwavariasi data lebihbesardaripadanilai rata-rata. Perputaran Modal Kerja memilikinilaimaksimumsebesar 36.22 yaitupadaperusahaan ICBP dannilai minimum sebesar -34.99 yaitupadaperusahaan ICBP. Nilai rata-rata perputaran modal kerja
sebesar 11.9489 menunjukkanbahwa perputaran modal kerja perusahaansebesar 11.9489.
2. Rata-rata Likuiditas yang diproksikan kedalam Current Ratio adalah sebesar 153.7106 dengan standar deviasi sebesar 60.16001. Current Ratio memiliki nilai maksimum sebesar 277.78 yaitu pada perusahaan ICBP dan nilai minimum sebesar 20.36 yaitu pada perusahaan INDF. Nilai rata-rata Current Ratio sebesar 153.7106 menunjukkan bahwa Current Ratio perusahaan sebesar 153.7106.
3. Rata-rata Profitabilitas yang diproksikan kedalam Return on Assets adalah sebesar 15.0476 dengan standar deviasi sebesar 13.82313. Return on Assets memiliki nilai maksimum sebesar 67.00 yaitu pada perusahaan MLBI dan nilai minimum sebesar 2.40 yaitu pada perusahaan SKLT. Nilai rata-rata Return on Assets sebesar 15.0476 menunjukkan bahwa Return on Assets perusahaan sebesar 15.0476. 4.1.4. UjiAsumsiKlasik
Ujiasumsiklasikdilakukanuntukmengetahuikondisi data yang digunakandalamsebuahpenelitian.Hal inidilakukan agar diperoleh model
analisis yang tepatuntukdigunakandalampenelitianini.Adapunujiasumsiklasik yang
dilakukanmeliputi; Ujinormalitas, ujimultikolinearitas, ujiheteroskedastisitasdanujiautokorelasi.
4.1.4.1. UjiNormalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1.
Sumber: Pengolahan Data SPSS, Januari 2015 Gambar 4.1
Gambar Grafik Histogram
Berdasarkan Gambar 4.1 terlihatbahwapoladistribusi normal, akantetapijikakesimpulan normal atautidaknya data hanyadilihatdari grafik histogram, makahalinidapatmenyesatkankhususnyauntukjumlahsampel
yang kecil. Metodelain yang digunakandalamanalisisgrafikadalahdenganmelihatnormal probability plot
yang membandingkandistribusikumulatifdandistribusi normal. Jikadistribusi data residual normal, makagaris yang akanmenggambarkan
data sesungguhnyaakanmengikutigarisdiagonalnya.
Ujinormalitasdenganmelihatnormal probability
plotdapatdilihatdalamgambar 4.2 berikut:
Sumber: Pengolahan Data SPSS, Januari 2015 Gambar 4.2
Normal Probability Plot
Berdasarkangrafikprofitabilitaspada Gambar 4.2 diatasmenunjukkanbahwa data telahterdistribusisecara normal karenadistribusi data residualnyamengikutiarahgaris diagonal (garis normal).Pengujiannormalitas data secaraanalisis statistik dapatdilakukandenganmelakukanujiKolmogorov-Smirnov.Data yang terdistribusi normal ditunjukkandengannilaisignifaknsi di atas 0.05.
Sedangkan, data yang tidakberdistribusi normal ditunjukkandengan nilai signifikansidibawah 0.05 (Ghozali,2007:12).
Tabel 4.2
HasilUjiNormalitasdengan Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 50
Normal Parametersa,b Mean 0E-7
Std. Deviation 12.11764779 Most Extreme Differences
Absolute .150
Positive .150
Negative -.117
Kolmogorov-Smirnov Z 1.063
Asymp. Sig. (2-tailed) .208
a. Test distribution is Normal. b. Calculated from data.
Sumber: Pengolahan Data SPSS, Januari 2015
BerdasarkanhasilujinormalitasdenganKolmogorov-Smirnov (Data Asli) diatas, terlihatbahwa data telahterdistribusidengan normal yang manaterlihatbahwanilaisignifikansidiatas 0.05 yaitusebesar 0.208 dannilaiKolmogorov-Smirnov Z sebesar 1.063.
4.1.4.2. UjiMultikolinearitas
Ujimultikolinearitasdilakukanuntukmengetahui ada atautidaknyahubungan linear antaravariabelindependendalam model regresidimanaprasyaratdalam model regresiadalahtidakadanya
multikolinearitas. Pada ujimultikolinearitasinidapatdilihatmelaluinilaiinflation factor (VIF)
Tabel 4.3
HasilUji Multikolinearitas Coefficientsa
Model Collinearity Statistics Tolerance VIF 1
(Constant)
WCTO .158 6.337
CR .158 6.337
a. Dependent Variable: ROA
Sumber: Pengolahan Data SPSS, Januari 2015
BerdasarkanaturanVariance Inflation Factor (VIF) dan Tolerance, apabila VIF melebihiangka 10 atauTolerancekurangdari 0.10 makadinyatakanterjadigejalamultikolinearitas, sebaliknyaapabila VIF
kurangdari 10 atauTolerancelebihdari 0.10
makadinyatakantidakterjadigejalamultikolinearitas. Dalampenelitianini data yang digunakandalamujimultikolinearitasiniadalah data dari variabel independen. Berdasarkan tabel 4.3 diatasdiketahuimasing-masingnilai VIF sebagaiberikut:
a. Nilai VIF untuk variabel WCTO (Perputaran Modal Kerja) adalah 6.337 < 10 dengannilaiTolerancevariabel WCTO adalah 0.158 > 0.10 maka variabel WCTO dapatdinyatakantidakterjadigejalamultikolinearitas.
b. Nilai VIF untuk variabel CR (Likuiditas) adalah 6.337 <10 dengannilaiTolerancevariabel CR adalah 0.158 > 0.10 maka variabel CR dapatdinyatakantidakterjadigejalamultikolinearitas.
4.1.4.3. UjiHeteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis (Ghozali, 2005:139).
1. Jikapolatertentu, sepertititik-titik yang adamembentukpolatertentu yang teratur (bergelombang, melebarkemudian menyempit), makamengindikasikantelahterjadiheteroskedastisitas.
2. Jikatidakadapola yang jelas, sertatitik – titikmenyebar di atasdandi bawahangka 0 padasumbu Y, makatidakterjadiheteroskedastisitas.
Hasilujiheteroskedastisitasdenganmenggunakangrafikscatterplotdit unjukkan pada gambar 4.3 dibawahini:
Sumber: Pengolahan Data SPSS, Januari 2015 Gambar 4.3
Grafik Scatterplot
Pada grafik scatterplot diatas, terlihat titik –titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
4.1.4.4. Uji Autokorelasi
Ujiautokorelasidilakukanuntukmengujiapakahsebuah model regresiterdapatkorelasiantarakesalahanpengganggupadaperiode t dengankesalahanpengganggupadaperiode t-1 atausebelumnya (Ghozali,
ksiadaatau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson (DW test).
Adapun kriteria dalam penentuan autokorelasi adalah sebagai berikut : 1) Jika Dw < Dl atau Dw > 4-Dl maka terdapat autokorelasi.
2) Jika Dl < Dw < Du atau 4-Du < Dw < 4-Dl maka status autokorelasi tidak dapat dijelaskan (inconclusive).
3) Jika Du < Dw < 4-Du maka tidak terjadi autokorelasi (Non Autokorelasi).
Tabel DW menunjukkan bahwa dengan n = 50, K = 2, maka akan diperoleh nilai dl = 1.4625 dan du = 1.6283 dan 4-du = (4 – 1.6283 ) = 2.3717.
Hasilpengujianautokorelasidapatdilihatpada tabel berikut: Tabel 4.4
Hasil UjiAutokorelasidengan Durbin-Watson Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .481a .232 .199 12.37278 2.105
a. Predictors: (Constant), CR, WCTO b. Dependent Variable: ROA
Sumber: Pengolahan Data SPSS, Januari 2015
Berdasarkan hasilpengujian Durbin-Watson dengan menggunakan SPSS 20.0 makadiperolehnilai Durbin-Watson sebesar 2.105, yang berartiberdasarkankriteria Durbin-Watson hasil tersebut 1.6283 < 2.105 < 2.3717 yang berarti tidak terjadi autokorelasi.