ANALISIS HASIL PENELITIAN
4.2 Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Pada bagian ini akan digambarkan atau dideskripsikan data masing – masing variabel pada tahun 2012 – 2014 yang telah diolah dilihat dari nilai minimum, nilai maksimum, nilai rata-rata (mean) dan standar deviasi dari masing – masing variabel.
Tabel 4.2 Statistik Deskriptif
N Minimum Maximum Mean Std. Deviation
ROA 39 -.0352 .2330 .099279 .0653630 SRDI 39 .1538 1.0000 .642041 .2789051 EcDI 39 .1111 1.0000 .740754 .2409299 EnDI 39 .0294 1.0000 .640326 .3304538 SoDI 39 .0833 1.0000 .624264 .2932594 Valid N (listwise) 39
Sumber : Output data yang diolah penulis dengan SPSS 20
Pada tabel 4.2 diatas menunjukkan bahwa jumlah data yang digunakan dalam penelitian ini sebanyak 39 sampel yang diteliti selama periode 2012 – 2014. Berikut ini adalah perincian data deskriptif yang telah diolah :
1. Variabel ROA mempunyai nilai minimum sebesar -0,0352 terdapat pada perusahaan Aneka Tambang (Persero) Tbk tahun 2014 dan nilai maksimum sebesar 0,2330 terdapat pada Indocement Tunggal Prakasa Tbk tahun 2012. Nilai rata-rata (mean) sebesar 0,099279 dan nilai standar deviasi sebesar 0,0653630.
2. Variabel SRDI memiliki nilai minimum sebesar 0,1538 terdapat pada perusahaan Tambang Batubara Bukit Asem (Persero) Tbk tahun 2014, nilai maksimum sebesar 1 terdapat pada perusahaan Aneka Tambang (Persero) Tbk, Timah (Persero) Tbk tahun 2012 dan perusahaan Indocement Tunggal Prakasa Tbk tahun 2012 dan 2013, nilai rata-rata (mean) sebesar 0,642041 , dan standar deviasi sebesar 0,2789051.
3. Variabel EcDI memiliki nilai minimum sebesar 0,1111 terdapat pada perusahaan Express Transindo Utama Tbk tahun 2014, nilai maksimum sebesar 1 terdapat pada perusahaan Aneka Tambang (Persero) Tbk, Astra Agro Lestari Tbk, Jasa Marga (Persero) Tbk, Semen Indonesia (Persero) Tbk, Tambang Batubara Bukit Asem (Persero) Tbk tahun 2012 dan perusahaan Indocement Tunggal Prakasa Tbk dan Timah (Persero) Tbk tahun 2012 dan 2013, nilai rata-rata (mean) sebesar 0,740754, dan standar deviasi sebesar 0,2409299.
4. Variabel EnDI memiliki nilai minimum sebesar 0,0294 terdapat pada perusahaan Astra International Tbk tahun 2014, nilai maksimum sebesar 1 terdapat pada perusahaan Aneka Tambang (Persero) Tbk, Jasa Marga (Persero) Tbk, Semen Indonesia (Persero) Tbk, Tambang Batubara Bukit Asem (Persero) Tbk tahun 2012 dan perusahaan Indocement Tunggal Prakasa Tbk dan Timah (Persero) Tbk tahun 2012 dan 2013, nilai rata-rata (mean) sebesar 0,640326, dan standar deviasi sebesar 0,3304538.
5. Variabel SoDI memiliki nilai minimum sebesar 0,0833 terdapat pada perusahaan Tambang Batubara Bukit Asem (Persero) Tbk tahun 2014, nilai maksimum sebesar 1 terdapat pada perusahaan Aneka Tambang (Persero) Tbk, Semen Indonesia (Persero) Tbk, Tambang Batubara Bukit Asem (Persero) Tbk, Timah (Persero) Tbk, Wijaya Karya tahun 2012 dan perusahaan Indocement Tunggal Prakasa Tbk tahun 2012 dan 2013, nilai rata-rata (mean) sebesar 0,624264, dan standar deviasi sebesar 0,2932594.
4.2.2 Uji Asumsi Klasik
Penelitian ini dilakukan dengan metode analisis regresi berganda. Sebelum melakukan uji hipotesis, maka peneliti akan melakukan uji asumsi klasik terlebih dahulu. Uji asumsi klasik dilakukan dengan tujuan untuk mendapatkan data yang BLUE (Best, Linear, Unbias, Estimator) dengan mengetahui apakah data yang digunakan telah normal dan bebas dari gejala multikolinearitas, heteroskedastisitas dan autokorelasi.
4.2.2.1 Uji Normalitas
Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi data. Hal ini penting diketahui berkaitan dengan ketepatan pemilihan uji statistik yang akan digunakan. Cara mendeteksi normalitas dilakukan dengan cara analisis grafik dan uji statistik. Salah satu cara termudah untuk melihat normalitas residual
adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Gambar 4.1
Grafik Histogram (Data Asli)
Sumber: Output data yang diolah penulis dengan SPSS 20
Dari tampilan gambar tersebut dapat disimpulkan bahwa grafik histogram berada dalam pola distribusi normal karena berbentuk simetris tidak miring ke kiri maupun ke kanan.
Namun dengan hanya melihat grafik histogram, hal ini dapat memberikan hasil yang meragukan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat Normal Probability Plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat Normal Probability Plot dapat dillihat pada gambar 4.2 berikut:
Gambar 4.2 Grafik Normal Plot
Berdasarkan tampilan gambar diatas, dapat disimpulkan bahwa pola grafik normal plot menunjukkan hasil yang normal. Titik-titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal tersebut.
Pengujian normalitas data secara analisis statistik dapat pula dilakukan dengan menggunakan Uji Kolmogorov – Smirnov. Data yang berdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0,05 (Ghozali, 2011). Hasil pengujian normalitas pada pengujian terhadap 39 data terlihat dalam tabel 4.3 berikut:
Tabel 4.3
Hasil Uji Normalitas dengan Kolmogorov-Smirnov Test
ROA SRDI EcDI EnDI SoDI
N 39 39 39 39 39 Normal Parametersa,b Mean 0.099279 0.64204 0.740754 0.64033 0.62426 Std. Deviation 0.065363 0.27891 0.2409299 0.33045 0.29326 Most Extreme Differences Absolute 0.139 0.13 0.176 0.138 0.152 Positive 0.139 0.1 0.141 0.138 0.15 Negative -0.078 -0.13 -0.176 -0.134 -0.152 Kolmogorov-Smirnov Z 0.867 0.812 1.102 0.863 0.95 Asymp. Sig. (2-tailed) 0.44 0.526 0.176 0.446 0.328 a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan hasil pada tabel di atas, data terdistribusi normal. Hal ini ditunjukkan dengan nilai signifikansi sebesar 0,328 > dari 0,05 menyatakan bahwa distribusi data memenuhi asumsi normalitas sehingga dapat dilakukan analisis regresi berganda.
4.2.2.2 Uji Multikolinearitas
Pengujian multikolineritas dilakukan dalam rangka menguji apakah dalam model ganda ditemukan adanya korelasi antara variabel bebas. Untuk mengetahui terjadi multikolineritas diantara variabel bebas dalam suatu model regresi dilakukan dengan melihat atau menguji nilai VIF (Variance Inflation Factor) atau nilai Tol (Tolerance).
Kriteria pengujian untuk mengetahui terjadi atau tidaknya multikolineritas sebagai berikut. “Jika nilai Tol 0,1 atau nilai VIF 10, maka terjadi multikolineritas begitu sebaliknya”. Hasil uji
Tabel 4.4
Hasil Uji Multikolinearitas
Coefficientsa
Model Collinearity Statistics Tolerance VIF 1 (Constant) EcDI 0.589 1.697 EnDI 0.317 3.15 SoDI 0.362 2.766
Dependent Variable : ROA
Sumber : Output data yang diolah penulis dengan SPSS 20
Dari tabel 4.4 diatas diketahui masing-masing nilai VIF sebagai berikut: a. Nilai VIF untuk variabel EcDI adalah 1,697 < 10 dan nilai tolerance
variabel EcDI adalah 0,589 > 0,10 maka variabel EcDI dapat dinyatakan tidak terjadi gejala multikolinearitas.
b. Nilai VIF untuk variabel EnDI adalah 3,150 < 10 dan nilai tolerance variabel EnDI adalah 0,317 > 0,10 maka variabel EnDI dapat dinyatakan tidak terjadi gejala multikolinearitas.
c. Nilai VIF untuk variabel SoDI adalah 2.766 < 10 dan nilai tolerance variabel SoDI adalah 0,362 > 0,10 maka variabel SoDI dapat dinyatakan tidak terjadi gejala multikolinearitas.
4.2.2.3 Uji Heteroskedastisitas
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, 2011)
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola