HASIL PENELITIAN DAN PEMBAHASAN 4.1 Gambaran Umum Perusahaan
Yang menjadi objek pada penelitian ini adalah perusahaan perkebunan yang
terdaftar di bursa efek Indonesia dengan periode penelitian 2010-2013. Penulisan
beralasan melakukan penelitian ini pada perusahaan perkebunan karena
perkembangan perusahaan perkebunan yang sangat pesat. Investasi pada perusahaan
yang sangat menjajikan. Perusahaan perkebuan juga mempunyai peranan aktif dalam
mengurangi tingkat penganguran di dalam negeri dengan menampung banyak
karyawan sebagai tenaga kerjanya.
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran mengenai karakteristik variabel
penelitian yang diamati. Data yang diperoleh dari hasil analisis statistik deskriptif,
menunjukkan nilai tertinggi (maksimum), nilai terendah (minimum), rata- rata
(mean), dan standar deviasi dari setiap variabel yang diteliti baik variabel dependen
maupun variabel independen. (Ghozali,2006:19). Data yang dilihat adalah jumlah
data,nilai rata- rata, standar deviasi, nilai minimum, dan nilai maksimum dari variabel
devenden ROE, dan dari variabel independen Modal kerja dan perputaran modal
kerja pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia Periode
2010- 2013.
Tabel 4.1
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
MK 44 29026.00 10401502.00 1169427.6364 1779006.45876
PMK 44 .74 10.48 3.8368 2.56081
OAT 44 .30 7.49 2.3548 1.93412
IT 44 .63 9.73 5.6575 2.20223
Valid N (listwise) 44
Sumber : Hasil output SPSS 22 : Descriptive Statistics
Berdasarkan tabel 4.1 dapat dilihat bahwa:
1. variabel Return On Equity pada perusahaan perkebunan di Bursa Efek Indonesia
selama tahun 2010- 2013 relatif berfluktuatif dimana nilai Return On Equity
memiliki nilai minimum 0,66 dan nilai maksimum 7,13. Sementara nilai standart
deviasi sebesar 1.22226 dan nilai rata- rata (mean) sebesar 2.4352. Indikator ini
menunjukkan bahwa kemampuan perusahaan perkebunan yang terdaftar di BEI
dalam mengembalikan ekuitas pemegang saham relatif baik karena nilai rata- rata
(mean) lebih besar dibandingkan dengan nilai standart deviasi.
2. variabel modal kerja memiliki nilai minimum 29026.00 dan nilai maksimum
10401502.00 sedangkan nilai rata- rata sebesar 1169427.6364 dan standar deviasi
sebesar 1779006.45876. Dari nilai rata- rata diatas menunjukkan bahwa
penyediaan modal kerja perusahaan tidak terpenuhi dengan baik karena nilai rata-
rata (mean) lebih kecil dibandingkan dengan standar deviasi.
3. variabel perputaran modal kerja memiliki nilai minimum 0.74 dan nilai maksimum
10.48 dengan nilai rata- rata 3.8368 sedangkan standar deviasi sebesar 2.56081.
Dari nilai rata- rata diatas menunjukkan bahwa perputaran modal kerja kurang
baik karena nilai rata- rata (mean) lebih kecil dibandingkan dengan nilai standar
4. variabel operating asset turnover memiliki nilai minimum 0.30 dan nilai
maksimum 7.49 sedangkan nilai rata- rata sebesar 2.3548 dan standar deviasi
sebesar 1.93412. Dari nilai rata- rata diatas menunjukkan bahwa penyediaan
operating asset turnover perusahaan tidak terpenuhi dengan baik karena nilai rata-
rata (mean) lebih kecil dibandingkan dengan standar deviasi.
5. Variabel inventory turnover memiliki nilai minimum 0.66 dan nilai maksimum
9.73 sedangkan nilai rata- rata sebesar 5.6575 dan standar deviasi sebesar 2.20223.
Dari nilai rata- rata diatas menunjukkan bahwa penyediaan inventory turnover
perusahaan tidak terpenuhi dengan baik karena nilai rata- rata (mean) lebih kecil
dibandingkan dengan standar deviasi.
4.2.2 Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mendapatkan model regresi yang baik.
Model regresi berganda akan lebih cepat digunakan dan menghasilkan perhitungan
yang lebih akurat, apabila beberapa asumsi berikut dapat terpenuhi. Uji asumsi klasik
yang dimaksud dan yang harus terpenuhi adalah Uji Normalitas, Uji Multikolineritas,
Uji Autokorelasi, Uji Heterokedastisitas.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel
residual memiliki distribusi data yang normal atau tidak. Ada dua cara yang dapat
digunakan untuk mendeteksi apakah data terdistribusi normal atau tidak, yaitu dengan
1. Analisis Grafik
Analisis grafik dapat dilakukan dengan menggunakan grafik histogram dan
grafik probability plot. Berikut akan disajikan grafik histogram dan grafik P-plot data
terhadap variabel dependen yaitu Return On Equity (ROE).
Gambar 4.1
Sumber : Hasil output SPSS 22: Histogram
Dengan melihat tampilan grafik histogram (Gambar 4.1), dapat disimpulkan
kiri. Hal ini menunjukkan bahwa grafik histogram tidak menunjukkan distribusi
normal, maka model regresi tidak memenuhi asumsi normalitas.
Selain mengunakan grafik histogram, uji normalitas juga dapat dilakukan
dengan mengunakan analisis grafik P-Plot, berikut turut dilampirkan grafik P-Plot.
Gambar 4.2 Normal P- Plot
Sumber : Hasil output SPSS 22:Normal P- Plot
berdasarkan gambar 4.2 (Normal P-plot), terlihat titik –titik menyebar di sekitar garis
grafik tidak menunjukkan distribusi normal, maka model regresi tidak memenuhi
asumsi normalitas.
Berdasarkan grafik histogram dan grafik P-Plot menunjukan bahwa data tidak
berdistribusi normal. Oleh karena itu, dilakukan teknik menormalkan distribusi data
dalam bentuk transformasi bentuk natural (LN). Secara rinci hasil perhitungan uji
mormalitas residual dengan uji grafik Histogram dan normal Probability Plot
berdasarkan data transform-LN variabel yaitu variabel dependen ROE, ditunjukkan
pada gambar berikut:
Sumber : Hasil output SPSS 22:Uji Normalitas (Ln) P-Plot
Dari grafik histogram (Gambar 4.3), tampak bahwa residual terdistribusi secara
normal dan berbentuk simetris tidak menceng ke kanan atau ke kiri, sedangkan dari
grafik normal P-Plot (4.4), terlihat titik-titik menyebar berhimpit disekitar diagonal .
Hal ini menunjukkan bahwa residual terdistribusi secara normal.
2. Uji Statistik Kolmogorov- Smirnov.
Uji normalitas dengan metode statistik menggunakan uji kolmogorov –
menyebar disekitar garis diagonal terdistribusi normal atau tidak . distribusi data
dikatakan normal apabila nilai asymptonic significance lebih besar dari 0.05(� > 0.05). Hal tersebut mengindikasikan bahwa variabel independen yang digunakan
dalam penelitian ini tidak terdapat data yang outlier yang dapat mengakibatkan hasil
penelitian menjadi bias sehingga dapat digunakan untuk memprediksi ROE
perusahaan perkebunan yang terdaftar di BEI periode 2010-2013.
Untuk lebih jelas Hasil uji Kolmogorov – Smirnov dapat dilihat pada tabel
dibawah ini.
Tabel 4.2
Hasil Uji Kolmogrov- Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 44 Normal Parametersa,b Mean .0000000 Std. Deviation 1.20476080 Most Extreme Differences Absolute .203 Positive .203 Negative -.118 Test Statistic .203
Asymp. Sig. (2-tailed) .000c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber : Hasil output SPSS 22:One-Sample Kolmogorov-Smirnov Test
Bedasarkan hasil Uji Kolmogorov-Smirnov, mempunyai nilai Kolmogorov-
Smirnov sebesar 1.203 dengan nilai signifikansi sebesar 0.00. Hal ini berarti data
Oleh karena itu, dilakukan teknik menormalkan distribusi data dalam bentuk
transformasi bentuk natural (LN). Secara rinci hasil perhitungan uji mormalitas
residual dengan Uji Kolmogorov-Smirnov berdasarkan data transform-LN variabel
dependen yaitu Return On Asset , ditunjukkan pada tabel berikut:
Table 4.3
Uji Normalitas LN: Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 44
Normal Parametersa,b Mean .0000000
Std. Deviation .42637632
Most Extreme Differences Absolute .117
Positive .117
Negative -.080
Test Statistic .117
Asymp. Sig. (2-tailed) .156c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber : Hasil output SPSS 22: One-Sample Kolmogorov-Smirnov Test
Hasil sampel pada Tabel 4.3 di atas menunjukkan bahwa nilai Kolmogrov-
Smirnov sebesar 0.117 dan tingkat signifikansi pada 0.156. Karena nilai signifikansi
0.156 > 0.05, menunjukkan bahwa residual berdistribusi normal.
4.2.2.2 Uji Multikolinearitas
baik seharusnya terbebas dari korelasi di antara variabel bebas. Multikolinearitas
dapat dilihat dari nilai variance inflation factor (VIF) dan tolerance. Suatu model
dikatakan terbebas dari korelasi apabila VIF < 10 dan tolerence > 0,1. Dari pengujian
model regresi diperoleh hasil untuk masing- masing variabel yang ditampilkan pada
tabel 4.4
Tabel 4.4
Hasil Uji Multikolinearitas ROE
Coefficientsa Model Sig. Collinearity Statistics Tolerance VIF 1 (Constant) .017 MK .664 .955 1.047 PMK .872 .897 1.115 OAT .915 .894 1.119 IT .341 .886 1.129
a. Dependent Variable: LnROE
Sumber : Hasil output SPSS 22: Coefficientsa
Berdasarkan pada tabel 4.3 dapat dilihat bahwa tidak terdapat variabel yang memiliki
VIF yang lebih kecil dari 10 dan nilai tolerance yang lebih besar dari 0,1. Dengan
demikian dapat dinyatakan bahwa model persamaan regresi dalam penelitian ini
dapat digunakan untuk memprediksi variabel dependen selama periode pengamatan.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear
pengganggu pada periode t-1 atau periode sebelumnya. Pengujian autokorelasi
dilakukan dengan menggunakan uji Run Test.
Uji run test sebagai bagian dari statistik non parametrik dapat pula digunakan
untuk menguji apakah antara residual terdapat korelasi yang tinggi. Jika antara
residual tidak terdapat hubungan korelasi, maka dikatakan bahwa residual adalah
acak atau random. Run test digunakan untuk melihat apakah data residual terjadi
secara random atau tidak (sistematis).
Tabel 4.5 Hasil Uji Run Test ROE
Runs Test
Unstandardized Residual
Test Valuea -.07472
Cases < Test Value 22
Cases >= Test Value 22
Total Cases 44
Number of Runs 23
Z .000
Asymp. Sig. (2-tailed) 1.000
a. Median
Sumber : Hasil output SPSS 22: Runs Test
Hasil output SPSS pada tabel 4.5 menunjukkan nilai test -0,7472 dengan nilai
asymptonic significance sebesar 1. Nilai ini lebih besar dari 0,005 (ρ > 0,05). Hal ini menunjukkan distribusi data residual dalam penelitian bersifat random atau tidak
terjadi autokorelasi antara nilai residual untuk model regresi terhadap variabel
4.2.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari satu pengamatan dengan pengamatan yang lain.
Uji heteroskedastisitas dapat dilakukan dengan dua metode, yaitu uji grafik dan uji
glejser.
Berikut akan disajikan hasil grafik scatterplot.
Gambar 4.5
Hasil Uji Grafik Scatterplot ROE
Sumber: Hasil output SPSS 22: ScatterPlot
Hasil output SPSS pada gambar 4.5 menunjukkan hasil uji grafik scatterplot.
Grafik ini menunjukkan tidak adanya pola yang jelas, serta titik- titik menyebar
dibawah dan diatas angka 0 (nol) pada sumbu Y, maka dapat disimpulkan tidak
terjadi heteroskedastisitas pada model. Sehingga model regresi layak dipakai untuk
Uji heteroskedastisitas dapat juga dilakukan dengan menggunakan uji glejser,
yang dilakukan dengan cara meregres seluruh variabel independen dengan nilai
absolute residual (absut) sebagai variabel dependennya. Model regresi yang bebas
dari heteroskedastisitas adalah model dengan nilai signifikan > 0,05. Berikut adalah
hasil uji glejser yang diperoleh:
Tabel 4.6 Hasil Uji Glejser ROE
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .422 .148 2.854 .007 MK 1.279E-8 .000 .212 1.404 .168 PMK -.002 .003 -.075 -.494 .624 TATO -.038 .018 -.341 -2.156 .057 IT .004 .021 .028 .173 .863
a. Dependent Variable: abs
Sumber: Hasil output SPSS 22: Coefficientsa
Pada Tabel 4.5 dapat dilihat bahwa nilai signifikan semua variabel independen
lebih besar dari 0,05. Hal ini menunjukkan bahwa model regresi dalam penelitian ini
terbebas dari heteroskedastisitas, sehingga layak dipakai untuk melihat pengaruh dari
masing- masing variabel independen terhadap variabel dependen ROE.
Untuk melihat pengaruh variabel Modal kerja dan Perputaran modal kerja
terhadap variabel dependen yaitu Return On Equity (ROE). maka estimasi regresi
yang digunakan melalui pengolahan data dengan SPSS 22.0 for windows. Berikut
hasil pengolahan datanya:
Tabel 4.7
Analisis Regresi Linier Berganda
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .620 .249 2.488 .017 MK 1.721E-8 .000 .071 .438 .664 PMK -.005 .028 -.027 -.162 .872 OAT -.004 .037 -.018 -.108 .915 IT .032 .033 .161 .964 .341
a. Dependent Variable: LnROE
Sumber: Hasil output SPSS 22: Coefficientsa
Pengolahan data pada tabel 4.7 menghasilkan suatu persamaan linear
berganda yaitu sebagai berikut:
Y= 0.62+ 1,721 X1 - 0,005 X2 -0.004X3+0.032X4+ ϵ Y = Return On Equity
X1 = Modal Kerja
X2 = Perputaran Modal Kerja
X3 = Operating Asset Turnover
X4 = Inventory Turnover
ϵ = error of term keterangan:
1. Konstanta 0,62 menunjukkan bahwa ROE bernilai 0,62 % jika semua variabel
independen yaitu Modal kerja, Perputaran Modal Kerja, Operating Asset Turnover
dan Inventory Turnover dianggap konstan.
2. Koefisien regresi variabel modal kerja 1.721% menunjukkan bahwa setiap
peningkatan jumlah modal kerja satu satuan maka akan mengakibatkan ROE
mengalami peningkatan sebesar 1.721% dengan asumsi variabel independen
lainnya dianggap konstan atau cateris paribus.
3. Koefisien regresi variabel perputaran modal kerja -.005% menunjukkan bahwa
setiap peningkatan proporsi perputaran modal kerja satu satuan maka akan
mengakibatkan ROE mengalami peningkatan sebesar -.005% dengan asumsi
independen lainnya dianggap konstan atau cateris paribus.
4. Koefisien regresi variabel operating asset turnover -.004%menunjukkan bahwa
setiap peningkatan proporsi operating asset turnover satu satuan maka akan
mengakibatkan ROE mengalami peningkatan sebesar -.004% dengan asumsi
5. Koefisien regresi variabel inventory turnover 0,032% menunjukkan bahwa setiap
peningkatan proporsi inventory turnover satu satuan maka akan mengakibatkan
ROE mengalami peningkatan sebesar 0,032% dengan asumsi independen lainnya
dianggap konstan atau cateris paribus
4.2.4 Pengujian Hipotesis
4.2.4.1 Uji Signifikansi Parsial (t – test)
Uji t bertujuan untuk mengetahui seberapa besarnya pengaruh variabel
independen terhadap variabel dependen. Uji ini dilakukan dengan hipotesis dan
ketentuan sebagai berikut:
Perumusan Hipotesis:
a. H0 : bi = 0, artinya secara parsial Modal kerja,perputaran modal kerja, operating asset turnover dan inventory turnover berpengaruh tidak signifikan terhadap ROE
pada perusahaan perkebunan yang terdaftar di BEI periode 2010-2013
b. Ha : bi ≠ 0, artinya secara parsial Modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover berpengaruh signifikan terhadap ROE pada
perusahaan perkebunan yang terdaftar di BEI periode 2010-2013.
Kriteria pengambilan keputusan adalah:
1. Apabila Fhitung > Ftabel dan tingkat signifikansi (α) <0,05 maka H0 diterima dan H1
ditolak.
2. Apabila Fhitung < Ftabel dan tingkat signifikansi (α) > 0,05 maka H0 ditolak dan H1
diterima.
Hasil Uji t terhadap ROE Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .620 .249 2.488 .017 MK 1.721E-8 .000 .071 .438 .664 PMK -.005 .028 -.027 -.162 .872 OAT -.004 .037 -.018 -.108 .915 IT .032 .033 .161 .964 .341
a. Dependent Variable: LnROE
Sumber : Hasil output SPSS 22: Coefficientsa
Uji t dengan melihat nilai signifikansi masing- masing variabel independen
sebagai berikut:
1. hasil pengujian jumlah modal kerja terhadap Return On Equity (ROE)
menunjukkan sig t 0,664 > α (α = 0,05), dengan demikian Ho diterima , bahwa
secara parsial jumlah modal kerja berpengaruh signifikan terhadap ROE pada taraf
uji signifikan 0,05 .
2. hasil pengujian tingkat perputaran modal kerja terhadap Return On Equity (ROE)
menunjukkan sig t 0,872> α ( α= 0,05) dengan demikian Ho diterima , bahwa
secara parsial jumlah perputaran modal kerja berpengaruh signifikan terhadap
ROE pada taraf uji signifikan 0,05.
3. hasil pengujian tingkat operating asset turnover terhadap Return On Equity (ROE)
parsial jumlah operating asset turnover berpengaruh signifikan terhadap ROE
pada taraf uji signifikan 0,05.
4. hasil pengujian tingkat inventory turnover terhadap Return On Equity (ROE)
menunjukkan sig t 0.341> α ( α= 0,05) dengan demikian Ho diterima , bahwa
secara parsial jumlah inventory turnover berpengaruh signifikan terhadap ROE
pada taraf uji signifikan 0,05.
4.2.4.2 Uji Signifikansi Simultan (F- test)
Uji F bertujuan untuk mengetahui apakah semua variabel independen yang
dimasukkan dalam model ini mempunyai pengaruh secara bersama- sama terhadap
variabel dependen. Uji F dicari dengan melihat Fhitung dari tabel Anova.
Perumusan hipotesis:
a. H0 : b1 = b2 = 0
Artinya secara simultan Modal Kerja,Perputaran Modal Kerja, Operating Asset
Turnover dan Inventory Turnover berpengaruh tidak signifikan terhadap ROE
pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode 2010-
2013.
b. Ha : salah satu dari bi≠ 0
Artinya, secara simultan Modal Kerja, Perputaran Modal Kerja, Operating Asset
Turnover dan Inventory Turnover berpengaruh signifikan terhadap ROE pada
perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode 2010-2013.
1. Apabila nilai Sig F > 0,05 maka H0 diterima, artinya tidak terdapat pengaruh
signifikan secara simultan antara variabel independen terhadap variabel dependen.
2. Apabila nilai Sig F< 0,05 maka H1 diterima, artinya terdapat pengaruh yang
signifikan secara simultan antara variabel independen terhadap variabel dependen.
Berikut adalah tabel hasil uji signifikansi simultan terhadap variabel dependen
ROE.
Tabel 4.9
Hasil Uji F terhadap ROE
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression .260 4 .065 .325 .860b
Residual 7.817 39 .200
Total 8.078 43
a. Dependent Variable: LnROE
b. Predictors: (Constant), IT, MK, PMK, OAT Sumber : Hasil output SPSS 22: ANOVAa
Dari hasil perhitungan diperoleh nilai F sebesar 0,325 dengan tingkat
signifikansi 0,86. Karena tingkat signifikansinya 0,086> 0,05, maka Hipotesis
diterima dan terdapat pengaruh yang signifikan antara modal kerja, perputaran modal
kerja, operating asset turnover dan inventory turnover terhadap variabel dependen
yaitu Return On Equity (ROE).
Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan
model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi
adalah 0 – 1. Semakin besar nilai koefisien determinasi maka akan semakin baik.
Dalam penelitian ini koefisien determinasi yang digunakan adalah R2. Hasil pengukuran koefisien determinasi dapat dilihat pada tabel 4.10.
Tabel 4.10
Hasil Uji Determinasi ROE
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .180a .032 -.067 .44771 1.417
a. Predictors: (Constant), IT, MK, PMK, OAT b. Dependent Variable: LnROE
Sumber : Hasil output SPSS 22: Model Summaryb
Pada tabel 4.9 dapat dilihat nilai R2 adalah 0,032. Dengan demikian dapat disimpulkan bahwa besarnya pengaruh modal kerja, perputaran modal kerja,
operating asset turnover dan inventory turnover terhadap Return On Equity (ROE)
adalah 3,2%, sedangkan 96,8 % dipengaruhi oleh faktor- faktor lain diluar model.
4.3Pembahasan Hasil Penelitian 4.3.1 Pengaruh Simultan
Berdasarkan hasil uji simultan (Tabel 4.8), dapat diketahui bahwa nilai
signifikansi adalah sebesar 0,086 yang berarti lebih besar dari 0.05. Oleh karena itu
dapat diambil kesimpulan bahwa variabel dalam penelitian ini yaitu modal kerja,
perputaran modal kerja, operating asset turnover dan inventory turnover secara
simultan berpengaruh tidak signifikan terhadap variabel dependen yaitu Return On
Equity (profitabilitas).
4.3.2 Pengaruh Parsial
a. Pengaruh Modal kerja terhadap Return On Equity
Berdasarkan tabel 4.8 diperoleh nilai signifikansi 0,664 yang lebih tinggi dari
tingkat signifikansi 0.05. Hasil ini menunjukkan bahwa variabel modal kerja
berpengaruh tidak signifikan terhadap Return On equity. Tanda koefisien variabel
modal kerja sebesar 1,721 bertanda positif menunjukkan bahwa terdapat hubungan
positif antara kedua variabel, atau semakin tinggi modal kerja kesempatan perusahaan
memperoleh profit (keuntungan) akan semakin tinggi.
Hasil penelitian ini konsisten dengan penelitian yang dilakukan oleh Hairuddin
2003 yang menyatakan bahwa variabel Modal Kerja secara parsial tidak berpengaruh
signifikan terhadap Return On Equity.
b. Pengaruh Perputaran Modal Kerja terhadap Return On Equity
Berdasarkan tabel 4.8 diperoleh nilai signifikansi 0,872 yang lebih tinggi dari
tingkat signifikansi 0.05. Hasil ini menunjukkan bahwa variabel modal kerja
hubungan negatif antara kedua variabel, atau semakin tinggi Perputaran Modal Kerja
semakin rendah tingkat Return on Equity.
Hasil penelitian ini konsisten dengan penelitian yang dilakukan oleh Astuti
2005 yang menyatakan bahwa variabel Modal Kerja secara parsial berpengaruh
signifikan terhadap Return On Equity.
c. Pengaruh Operating Asset Turnover terhadap Return On Equity
Berdasarkan tabel 4.8 diperoleh nilai signifikansi 0,915 yang lebih tinggi dari tingkat
signifikansi 0.05. Hasil ini menunjukkan bahwa variabel modal kerja berpengaruh
tidak signifikan terhadap Return On equity. Tanda koefisien variabel Operating Asset
Turnover sebesar -0,04 bertanda negatif menunjukkan bahwa terdapat hubungan
negatif antara kedua variabel, atau semakin tinggi Operating Asset Turnover semakin
rendah tingkat Return On Equity. .
Hasil penelitian ini konsisten dengan penelitian yang dilakukan oleh Apri
Daryanti 2003 yang menyatakan bahwa variabel Operating Asset Turnover secara
parsial berpengaruh signifikan terhadap Return On Equity.
d. Pengaruh Inventory Turnover terhadap Return on Equity
Berdasarkan tabel 4.8 diperoleh nilai signifikansi 0,341 yang lebih tinggi dari
tingkat signifikansi 0.05. Hasil ini menunjukkan bahwa variabel inventory turnover
berpengaruh tidak signifikan terhadap Return On equity. Tanda koefisien variabel
hubungan positif antara kedua variabel, atau semakin tinggi Inventory Turnover
kesempatan perusahaan memperoleh profit (keuntungan) akan semakin tinggi.