3) Uji Signifikansi Parameter Individual (Uji t)
5.2 Hasil dan Pembahasan .1 Uji Statistik Deskriptif
Tabel 5.1
Hasil Uji Statistik Deskriptif
Sumber : Lampiran 3 (Data diolah 2018)
Berdasarkan hasil uji statistik deskriptif pada Tabel 5.1 dapat dijelaskan sebagai berikut : 1) Variabel Perputaran Kas memiliki nilai minimum sebesar 3,06 dan maksimum sebesar 298,05 dengan nilai rata- rata (mean) sebesar 15,5859 dan standar deviasi sebesar 29,16731.
2) Variabel Penyaluran Kredit memiliki nilai minimum sebesar 49,13 dan maksimum sebesar 109,60 dengan nilai rata- rata (mean) sebesar 79,5003 dan standar deviasi sebesar 11,87132.
3) Variabel Pertumbuhan Tabungan memiliki nilai minimum sebesar -0,40 dan maksimum sebesar 0,70 dengan nilai rata- rata (mean) sebesar 0,1748 dan standar deviasi sebesar 0,15259.
4) Variabel Kecukupan Modal memiiliki nilai minimum sebesar 3,04 dan maksimum sebesar 52,28 dengan nilai rata- rata (mean) sebesar 18.5339dan standar deviasi sebesar 8,75517.
Descriptive Statistics 136 3.06 298.05 15.5859 29.16731 136 49.13 109.60 79.5003 11.87132 136 -.40 .70 .1748 .15259 136 3.04 52.28 18.5339 8.75517 136 1.60 10.34 4.9969 1.73518 136 X1 X2 X3 X4 Y Valid N (listwise)
396 5) Variabel Profitabilitas memniliki nilai minimum sebesar 1,60 dan maksimum sebesar 10,34
dengan nilai rata- rata (mean) sebesar 4,9969 dan standar deviasi sebesar 1,73518.
5.2.2 Uji Asumsi Klasik
Penelitian ini menggunakan model analisis regresi. Setiap model persamaan regresi harus melalui pengujian asumsi klasik sebelum dianalisis lebih lanjut. Uji asumsi klasik yang digunakan dalam penelitian ini meliputi uji normalitas, uji heterokedastisitas, uji multikolinieritas, dan uji auto korelasi.
1) Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak, karena data yang baik adalah data yang berdistribusi normal. Jika data tidak berdistribusi normal, maka prediksi yang dilakukan dengan model tersebut akan tidak baik, atau dapat memberikan hasil prediksi yang menyimpang. Uji normalitas dapat dilakukan dengan metode
Kolmogorov-Smirnov (Ghozali, 2016:157). Pengambilan keputusan distribusi data pada metode Kolmogorov-Smirnov adalah sebagai berikut:
a) Jika nilai Asymp. Sig (2-tailed) kurang dari 0,5 maka H0 ditolak. Dapat disimpulkan data residual terdistribusi tidak normal.
b) Jika nilai Asymp. Sig (2-tailed) lebih dari 0,5 maka H0 diterima. Dapat disimpulkan data residual terdistribusi normal..
Hasil uji normalitas disajikan pada Tabel 5.2
Tabel 5.2 Hasil Uji Normalitas
Sumber : Lampiran 3 (Data diolah 2018)
Berdasarkan hasil uji normalitas pada Tabel 5.2 dapat dijelaskan bahwa nilai
Asymp. Sig dari masing –masing variabel lebih besar dari 0,05 yaitu 0,109 maka dapat
dinyatakan bahwa model regresi berdistribusi normal.
One-Sample Kolmogorov -Smirnov Test
136 .0000000 1.26400097 .103 .103 -.076 1.206 .109 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
397
2) Uji Multikolinieritas
Menurut Ghozali (2016:103) uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen karena multikolinieritas dapat menimbulkan bias dalam hasil penelitian terutama dalam proses pengambilan kesimpulan mengenai pengaruh variabel independen terhadap variabel dependen. Untuk mengetahui ada atau tidaknya multikolonieritas dalam model regresi dapat dilihat dari nilai tolerance dan variance inflation factor (VIF). Nilai yang umumnya digunakan untuk menunjukkan multikolonieritas adalah nilai tolerance ≥ 0,10 atau sama dengan nilai VIF ≤ 10 (Ghozali, 2016:104). Hasil uji multikolinieritas dapat dilihat pada Tabel 5.3.
Tabel 5.3
Hasil Uji Multikolinieritas
Sumber : Lampiran 3 (Data diolah 2018)
Berdasarkan hasil uji multikolinieritas pada Tabel 5.3 dapat dijelaskan bahwa nilai
Tolerance masing – masing variabel independen lebih besar dari 0,1 dan nilai Variance Inflation Factor (VIF) kurang dari 10, sehingga dapat disimpulkan bahwa model regresi
tidak terjadi multikolinieritas.
3) Uji Heterokedastisitas
Heterokedastisitas berarti varian variabel gangguan yang tidak konstan. Uji heterokedastisitas digunakan untuk menguji apakah dalam model terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lainnya (Ghozali, 2016:134). Model regresi yang baik adalah model regresi yang tidak terjadi heterokedastisitas, atau dengan kata lain hasilnya homokedastisitas. Salah satu cara untuk menguji ada tidaknya heterokedastisitas yaitu dengan uji Glejser. Pengujian ini dilakukan dengan meregresikan nilai residual terhadap variabel independen. Jika variabel independen secara signifikan mempengaruhi variabel dependen, maka ada indikasi terjadi heterokedastisitas. Sedangkan apabila variabel independen tidak signifikan secara statistik dalam mempengaruhi variabel
Coefficientsa -1.339 .929 -1.441 .152 -.002 .004 -.026 -.411 .682 .984 1.016 .045 .010 .306 4.495 .000 .877 1.141 .952 .731 .084 1.303 .195 .981 1.020 .143 .013 .720 10.686 .000 .893 1.119 (Constant) X1 X2 X3 X4 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: Y a.
398 dependen, maka tidak ada indikasi terjadi heterokedastisitas (Ghozali, 2016:138). Kriteria pengujiannya yaitu:
a) Jika nilai signifikan dari variabel independen > 0,05 maka tidak terjadi heterokedastisitas.
b) Jika nilai signifikan dari variabel independen < 0,05 maka ada indikasi terjadi heterokedastisitas.
Hasil uji heterokedastisitas disajikan dalam Tabel 5.4.
Tabel 5.4
Hasil Uji Heteroskedastisitas
Sumber : Lampiran 3 (Data diolah 2018)
Berdasarkan hasil uji heterokedastisitas pada Tabel 5.4 dapat dijelaskan bahwa nilai signifikan dari dari masing – masing variabel independen > 0,05 maka dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi yang di gunakan.
4) Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka ada masalah autokorelasi, karena model regresi yang baik adalah model regresi yang tidak terdapat autokorelasi di dalamnya.
Menurut Ghozali (2016:107) autokorelasi muncul karena penelitian yang berurutan sepanjang waktu dan saling berkaitan satu sama lain. Autokorelasi dapat diketahui melalui uji Durbin-Watson (DW test). Jika nilai DW Test sudah ada maka nilai tersebut dibandingkan dengan nilai tabel menggunakan tingkat keyakinan sebesar 95 persen.
a) Bila du < dw < (4-du), maka tidak terjadi autokorelasi. b) Bila dw < dl, maka terjadi autokorelasi positif.
c) Bila dw > (4-dl), maka terjadi autokorelasi negative.
d) Bila dl < dw < du atau (4-du) < dw < (4-dl), maka dapat ditarik kesimpulan mengenai ada tidaknya autokorelasi.
Hasil uji autokorelasi disajikan dalam Tabel 5.5.
Coefficientsa .910 .639 1.424 .157 -.002 .003 -.077 -.884 .378 -.002 .007 -.022 -.233 .816 .625 .502 .109 1.243 .216 .003 .009 .027 .292 .771 (Constant) X1 X2 X3 X4 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: ABRES a.
399
Tabel 5.5
Hasil Uji Autokorelasi
Sumber : Lampiran 3 (Data diolah 2018)
Berdasarakan hasil uji autokorelasi pada Tabel 5.5 dapat diketahui bahwa DW sebesar 2,134 dari jumlah sampel 136 dengan dengan variabel berjumlah 4 (n=136, k=4) dan tingkat signifikansi 0,05. Dengan demikian didapatkan nilai dl =1,6599 dan du =1,7808 dan nilai 4-du =2,2192. Dari hasil autokorelasi tersebut didapat hasil dimana du < dw < (4-du) atau 1,7808 < 2,134 < 2,2192, sehingga dapat disimpukan tidak terjadi autokorelasi pada model regresi yang di gunakan.
5.2.3 Uji Kelayakan Model
1) Uji Koefisien Determinasi (R2)
Menurut Ghozali (2016), koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Apabila dalam uji empiris didapat nilai adjusted R2 negatif maka R2 dianggap nol, ini berarti bahwa tidak ada hubungan antara variabel independen dengan variabel dependen, sebaliknya jika nilai adjusted R2 sama dengan satu ini berarti terdapat hubungan yang sempurna antara variabel independen dengan variabel dependen. Digunakan adjusted R2 sebagai koefisien determinasi apabila regresi variabel independen lebih dari dua.
Tabel 5.6
Hasil Uji Koefisien Determinasi (R2)
Sumber : Lampiran 4 (Data diolah 2018)
Berdasarkan Tabel 5.6 dapat dijelaskan bahwa nilai Adjusted R square sebesar 0,453 atau sebesar 45,3 %. Artinya bahwa variasi dar Y yaitu profitabilitas maampu dijelaskan sebesar 45,3 % oleh variabel perputaran kas, penyaluran kredit, pertumbuhan tabungan, dan kecukupan modal dan dimasukan ke dalam model.
Model Summaryb .685a .469 .453 1.28315 2.134 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson Predictors: (Constant), X4, X3, X1, X2 a. Dependent Variable: Y b. Model Summaryb .685a .469 .453 1.28315 2.134 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson Predictors: (Constant), X4, X3, X1, X2 a. Dependent Variable: Y b.
400
2) Uji Signifikan Simultan (Uji F)
Menurut Ghozali (2016:96) pada dasarnya uji statistik F menunjukkan apakah semua variabel independen yang dimasukkan dalam model memiliki pengaruh secara bersama-sama terhadap variabel dependen. Ketentuan yang digunakan adalah jika signifikansi < 0,05, maka ada pengaruh secara bersama-sama seluruh variabel independen (X) terhadap variabel dependen (Y). Jika signifikansi > 0,05, maka tidak ada pengaruh secara bersama-sama seluruh variabel independen (X) terhadap variabel dependen (Y).Hasil uji F disajikan dalam Tabel 5.7.
Tabel 5.7 Hasil Uji F
Sumber : Lampiran 4 (Data diolah 2018)
Berdasarkan hasil uji F pada Tabel 5.7 dapat dijelaskan bahwa nilai F sebesar 28,967 dengan nilai signifikan sebesar 0,000 lebih kecil dari 0,05, hal ini berarti bahwa perputaran kas (X1), penyaluran kredit (X2), pertumbuhan tabungan (X3), dan kecukupan modal (X4), berpengaruh secara bersama- sama terhadap variabel profitabilias (Y).
3) Uji Signifikansi Parameter Individual (Uji t)
Uji statistik ini digunakan untuk menguji signifikansi koefisien variabel independen dalam memprediksi variabel dependen. Pengujian ini pada dasarnya menunjukkan seberapa jauh satu variabel independen secara individual dalam menerangkan variabel dependen (Ghozali, 2016:97). Uji statistik t digunakan untuk melihat signifikansi dari pengaruh variabel independen secara individu terhadap variabel dependen dengan menganggap variabel lain bersifat konstan. Dalam penelitian ini menggunakan tingkat signifikansi sebesar 0,05 (α = 5%). Kriteria penerimaan dan penolakan hipotesis :
a) Bila nilai sig t < 0,05 maka variabel independen secara individual berpengaruh signifikan terhadap variabel dependen.
b) Bila nilai sig t > 0,05 maka variabel independen secara individual tidak berpengaruh terhadap variabel dependen.
Hasil uji t dapat dilihat pada Tabel 5.8
ANOVAb 190.774 4 47.694 28.967 .000a 215.689 131 1.646 406.463 135 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), X4, X3, X1, X2 a.
Dependent Variable: Y b.
401
Tabel 5.8 Hasil Uji t
Sumber : Lampiran 4 (Data diolah 2018)
Bedasarkan hasil uji pada Tabel 5.8 dapat dijelaskan sebagai berikut :
1) Nilai pada variabel perputaran kas menunjukan nilai t sebesar -0,411 dengan nilai signifikan sebesar 0,682 lebih besar dari 0,005 menunjukan bahwa variabel perputaran kas tidak berpengaruh terhadap profitabilitas sehingga hipotesis pertama ditolak.
2) Nilai pada variabel penyaluran kredit menunjukan nilai t sebesar 4,495 dengan nilai signifikan sebesar 0,000 lebih kecil dari 0,005 menunjukan bahwa variabel penyaluran kredit berpengaruh positif terhadap profitabilitas sehingga hipotesis kedua diterima . 3) Nilai pada variabel pertumbuhan tabungan menunjukan nilai t sebesar 1,303 dengan
nilai signifikan sebesar 0,195 lebih besar dari 0,005 menunjukan bahwa variabel pertumbuhan tabungan tidak berpengaruh terhadap profitabilitas hipotesis ketiga ditolak.
4) Nilai pada variabel perputaran kas menunjukan nilai t sebesar 10,686 dengan nilai signifikan sebesar 0,000 lebih kecil dari 0,005 menunjukan bahwa kecukupan modal berpengaruh positif terhadap profitabilitas sehingga hipotesis keempat ditolak.
5.2.4 Analisis Regresi Linear Berganda
Model analisis data yang digunakan dalam menguji hipotesis penelitian ini adalah model regresi linier berganda. Analisis regresi bertujuan untuk mengukur kekuatan hubungan dan menunjukkan arah hubungan antara variabel dependen dengan variabel independen (Ghozali, 2016:94). Hasil analisis regresi linear berganda dapat dilihat pada tabel 5.9
Coefficientsa -1.339 .929 -1.441 .152 -.002 .004 -.026 -.411 .682 .984 1.016 .045 .010 .306 4.495 .000 .877 1.141 .952 .731 .084 1.303 .195 .981 1.020 .143 .013 .720 10.686 .000 .893 1.119 (Constant) X1 X2 X3 X4 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: Y a.
402
Tabel 5.9
Hasil Uji Analisis Regresi Linear Berganda
Sumber : Lampiran 5 (Data diolah 2018)
Berdasarkan pada tabel 5.9 dapat dituliskan persamaan regresi linear berganda sebagai berikut :
Y = -1,339 - 0,002X1 + 0,045X2 + 0,952X3 + 0,143X4
Interpretasinya sebagai berikut :
1) Nilai konstanta sebesar – 1,339 menyatakan bahwa apabila perputaran kas (X1), penyaluran kredit (X2), pertumbuhan tabungan (X3), dan kecukupan modal (X4), bernilai nol (0), maka profitabilitas (Y) bernilai sebesar -1,339.
2) Perputaran kas (X1) mempunyai nilai koefisien regresi sebesar -0,002. Hal ini berarti bahwa, apabila perputaran kas naik sebesar satu satuan, maka nilai profitabilitas akan turun sebesar 0,002.
3) Penyaluran kredit (X2) mempunyai nilai koefisien regresi sebesar 0,045. Hal ini berarti bahwa, apabila penyaluran kredit naik sebesar satu satuan, maka nilai profitabilitas akan naik sebesar 0,045.
4) Pertumbuhan tabungan (X3) mempunyai nilai koefisien regresi sebesar 0,952. Hal ini berarti bahwa, apabila pertumbuhan tabungan naik sebesar satu satuan, maka nilai profitabilitas akan naik sebesar 0,952.
5) Kecukupan modal (X4) mempunyai nilai koefisien regresi sebesar 0,143. Hal ini berarti bahwa, apabila kecukupan modal naik sebesar satu satuan, maka nilai profitabilitas akan naik sebesar 0,143.
5.2.5 Pembahasan Hasil Penelitian
1) Pengaruh Perputaran Kas Terhadap Profitabilitas LPD di Kota Denpasar Tahun