BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3 Hasil Penelitian
Sesuai dengan tujuan dilakukannya penelitian, yaitu untuk mengetahui dan menganalisis pengaruh modal kerja, leverage, umur perusahaan, dan family control terhadap profitabilitas perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia, maka pada analisis statistik deskriptif ini akan dideskripsikan data yang mendukung variabel penelitian. Variabel dependen dalam penelitian ini menggunakan Return on Investment, sedangkan variabel independen dalam penelitian adalah working capital turnover untuk mengukur efisiensi modal kerja,
debt to asset ratio untuk mengukur leverage perusahaan, umur perusahaan, serta
family control. Berikut ini disajikan data statistik secara umum dari seluruh data yang digunakan :
Tabel 4.2
Statistik Deskriptif Data Penelitian
N Minimum Maximum Mean Std. Deviation
Profitabilitas 103 ,02 40,18 7,2197 8,24542
Perputaran Modal Kerja 103 -126,82 941,27 24,5729 119,49364
Leverage 103 3,28 286,36 48,1265 35,71850
Umur Perusahaan 103 18 98 40,65 15,260
Valid N (listwise) 103 Sumber: Output SPSS, diolah Peneliti, 2016
Tabel 4.3
Frekuensi Family Control
Frequency Percent Valid Percent Cumulative Percent
Valid
Tidak ada 60 58,3 58,3 58,3
Ada 43 41,7 41,7 100,0
Total 103 100,0 100,0
Berdasarkan Tabel 4.2, secara umum nilai minimum dari profitabilitas adalah 0,02 yang dicapai oleh PT Hanson International Tbk, sedangkan nilai maksimum dari profitabilitas yaitu 40,18 yang dicapai oleh PT Unilever Indonesia Tbk. Tiga urutan perusahaan yang memiliki profitabilitas tinggi yaitu PT Unilever Indonesia Tbk, disusul oleh PT Taisho Pharmaceutical Indonesia Tbk, kemudian urutan tertinggi ketiga adalah PT Multi Bintang Indonesia Tbk. Sedangkan urutan profitabilitas terendah berturut-turut adalah PT Hanson International, PT Alumindo Light Metal Industry Tbk, dan PT Multistrada Arah Sarana Tbk.
Rata-rata profitabilitas yang diperoleh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia per 2014 sebesar 7,2197 dengan standar deviasinya sebesar 8,24542. Dari 103 perusahaan yang dijadikan subjek penelitian, maka diperoleh 67 perusahaan yang memiliki rasio profitabilitas di bawah profitabilitas rata-rata per 2014. Standar deviasi yang lebih besar dari mean menunjukkan sebaran atau kesimpangan variabel data yang besar antara nilai rasio profitabilitas terendah dengan nilai rasio profitabilitas tertinggi.
Untuk variabel perputaran modal kerja, berdasarkan Tabel 4.2 diperoleh nilai minimum sebesar -126,82 oleh PT Fajar Surya Wisesa Tbk, sedangkan nilai maksimum sebesar 941,27 diperoleh PT Eratex Djaya Tbk. Tiga urutan perusahaan yang memiliki rasio perputaran modal kerja tinggi yaitu PT Eratex Djaya Tbk, PT Toba Pulp Lestari Tbk, dan PT Prima Alloy Steel Universal Tbk. Sedangkan tiga urutan perusahaan yang memiliki rasio perputaran modal kerja terendah yaitu PT Fajar Surya Wisesa Tbk, PT Goodyear Indonesia Tbk, dan PT Primarindo Asia Infrastructure Tbk.
Secara keseluruhan, rata-rata perputaran modal kerja selama tahun 2014 adalah sebesar 24,5729 dengan standar deviasi sebesar 119,49364. Dari 103 perusahaan yang dijadikan subjek penelitian, maka diperoleh 88 perusahaan yang memiliki rasio perputaran modal kerja di bawah rata-rata perputaran modal kerja selama tahun 2014. Sedangkan standar deviasi yang lebih besar dari mean menunjukkan sebaran atau kesimpangan variabel data yang besar antara nilai rasio perputaran modal kerja terendah dengan nilai rasio perputaran modal kerja tertinggi.
Untuk variabel leverage, nilai minimum dan maksimum dari 103 perusahaan masing-masing sebesar 3,28 dan 286,36, dimana nilai minimum tersebut diperoleh dari PT Sekawan Intipratama Tbk dan nilai maksimum diperoleh dari PT Primarindo Asia Infrastructure Tbk. Tiga perusahaan yang memiliki nilai leverage tinggi berturut-turut yaitu PT Primarindo Asia Infrastructure Tbk, PT Unitex Tbk, dan PT Sumalindo Lestari Jaya Tbk. Sedangkan tiga urutan perusahaan dengan nilai leverage terendah adalah PT Industri Jamu dan Farmasi Sido Muncul Tbk, dan PT Semen Baturaja Persero Tbk. Dilihat dari nilai leverage PT Primarindo Asia Infrastructure Tbk, menandakan bahwa perusahaan tersebut memiliki tingkat ketergantungan yang besar atas pendanaan yang berasal dari pihak eksternal dibandingkan perusahaan-perusahaan manufaktur lain sepanjang tahun 2014.
Rata-rata leverage 103 perusahaan tersebut selama tahun 2014 adalah 48,1265. Dari 103 perusahaan, terdapat 56 perusahaan yang memiliki rasio
2014. Standar deviasi berdasarkan tabel sebesar 35,71850, dan memiliki nilai yang lebih rendah dari mean, yang artinya sebaran atau kesimpangan variabel data yang kecil antara nilai leverage terendah dengan nilai leverage tertinggi.
Untuk variabel yang diukur dengan umur perusahaan, berdasarkan Tabel 4.2 diketahui bahwa nilai minimum dari data sebesar 18 dan nilai maksimum dari data sebesar 98. Nilai minimum tersebut menunjukkan bahwa umur termuda dari 103 perusahaan manufaktur adalah 18 tahun, dimana umur termuda tersebut dimiliki oleh 2 perusahaan yaitu PT Wijaya Karya Beton Tbk dan PT Dwi Aneka Jaya Kemasindo Tbk. Begitu juga sebaliknya, nilai maksimum menunjukkan bahwa dari 103 perusahaan, terdapat satu perusahaan yang memiliki umur paling tua sebanyak 98 tahun, yaitu PT Goodyear Indonesia Tbk. Secara keseluruhan, rata-rata umur perusahaan manufaktur pada tahun 2014 yaitu sebesar 40,65 dengan standar deviasi sebesar 15,260. Standar deviasi yang lebih rendah dari mean menunjukkan sebaran atau kesimpangan variabel data yang kecil antara umur perusahaan terendah dengan umur perusahaan tertinggi.
Untuk variabel yang diukur dengan family control, dapat dilihat pada Tabel 4.3 yang menunjukkan bahwa dari 103 perusahaan manufaktur yang dijadikan subjek penelitian terdapat 60 perusahaan atau sebesar 58,3% yang tidak memiliki family control dalam perusahaan dengan tingkat persentase kevalidan sebesar 58,3%. Sisanya sebesar 41,7% menjelaskan bahwa terdapat 43 perusahan yang memiliki family control dalam perusahaannya dengan tingkat kevalidan sebesar 41,7%. Untuk nama-nama perusahaan yang memiliki ataupun tidak memiliki family control dalam perusahaan dapat dilihat pada tabel lampiran 2.
4.3.2 Uji Asumsi Klasik 4.3.2.1 Uji Normalitas
Uji normalitas adalah uji yang digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Uji normalitas penelitian ini dilakukan dengan analisis grafik yaitu dengan grafik Histogram dan
Normal P-P Plot of Regression Standarizied Residual. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Selain itu uji normalitas juga dilakukan secara statistik dengan menggunakan uji Kolmogorov-Smirnov.
Beberapa tindakan yang dilakukan peneliti untuk mendapatkan residual data yang berdistribusi normal adalah sebagai berikut:
1. Melakukan Uji Outlier
Residual data yang diperoleh pada awalnya tidak memenuhi uji normalitas. Oleh karenanya, kemudian peneliti melakukan uji outlier dan mengeluarkan data outlier dari penelitian. Setelah diperoleh data yang tidak mengandung data outlier, tindakan selanjutnya yang dilakukan peneliti adalah melakukan uji normalitas kembali. Hasil uji normalitas sebelum dan sesuadah
Tabel 4.4
Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov Test (Sebelum Uji Outlier)
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 103
Normal Parametersa,b Mean 0E-7
Std. Deviation 7,49634719 Most Extreme Differences Absolute ,151 Positive ,151 Negative -,132 Kolmogorov-Smirnov Z 1,534
Asymp. Sig. (2-tailed) ,018
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah Peneliti, 2016
Dari hasil pengolahan data pada Tabel 4.4 menunjukkan bahwa nilai Kolmogorov-Smirnov sebesar 1,534 dengan nilai Asymp.Sig. (2-tailed) adalah sebesar 0,018 dan lebih kecil dari 0,05. Dengan demikian dapat disimpulkan bahwa data residual tidak berdistribusi normal.
Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data
outlier yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Berikut ini adalah hasil pengujian normalitas menggunakan Kolmogorov-Smirnov test setelah dilakukan uji outlier.
Tabel 4.5
Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov Test (Sesudah Uji Outlier)
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 90
Normal Parametersa,b Mean 0E-7
Std. Deviation 6,29297127 Most Extreme Differences Absolute ,159 Positive ,159 Negative -,089 Kolmogorov-Smirnov Z 1,506
Asymp. Sig. (2-tailed) ,021
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah Peneliti, 2016
Dari hasil pengolahan data pada Tabel 4.5 menunjukkan bahwa setelah dilakukan uji normalitas diperoleh data penelitian sebanyak 90, dengan nilai Asymp.Sig. (2-tailed) yang lebih kecil dari 0,05. Dengan demikian berdasarkan pengujian normalitas setelah dilakukan uji outlier dapat disimpulkan bahwa data residual masih belum berdistribusi normal.
2. Melakukan Transformasi data
Berdasarkan hasil uji normalitas yang sudah dijelaskan sebelumnya dan data juga masih belum berdistribusi normal, maka tindakan yang dilakukan peneliti selanjutnya adalah melakukan transformasi data ke dalam bentuk logaritma natural (Ln). Transformasi data ke dalam bentuk logaritma natural (Ln) menyebabkan data yang bernilai negatif tidak dapat ditransformasi sehingga menghasilkan missing values. Sehingga setiap data yang terdapat missing values
akan dikeluarkan dan diperoleh jumlah subjek penelitian yang valid menjadi 92 perusahaan.
Berikut ini adalah hasil pengujian dengan grafik histogram dan grafik
Normal P-P Plot serta Kolmogorov-Smirnov Test setelah dilakukan transformasi:
Sumber: Output SPSS, diolah Peneliti, 2016
Gambar 4.1
Hasil Uji Normalitas Menggunakan Histogram (Setelah Tranformasi)
Gambar 4.1 menunjukkan bahwa variabel terikat (dependent) yaitu Profitabilitas mempunyai distribusi normal. Dapat dilihat bahwa kurva menyerupai bentuk lonceng yang hampir sempurna dengan kemiringan yang cenderung imbang baik dari sisi kiri maupun dari sisi kanan, serta distribusi data tersebut tidak menceng ke kiri ataupun ke kanan. Hal ini menunjukkan bahwa data telah terdistribusi secara normal.
Sumber: Output SPSS, diolah Peneliti, 2016 Gambar 4.2
Hasil Uji Normalitas Menggunakan Grafik Normal P-P Plot (Setelah Transformasi)
Pengujian normalitas data menggunakan Normal P-P Plot juga menunjukkan bahwa data tersebut telah berdistribusi dengan normal karena pada Gambar 4.2 tersebut terlihat titik-titik yang tersebar di sepanjang garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data berdistribusi normal.
Tabel 4.6
Hasil Uji Normalitas Menggunakan Kolmogorov-Smirnov Test (Setelah Transformasi)
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 92
Normal Parametersa,b Mean 0E-7
Std. Deviation ,81913587 Most Extreme Differences Absolute ,070 Positive ,035 Negative -,070 Kolmogorov-Smirnov Z ,673
Asymp. Sig. (2-tailed) ,756
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS, diolah Peneliti, 2016
Dari hasil pengolahan data pada tabel 4.6 diperoleh besarnya nilai
Kolmogorov-Smirnov adalah 0,673 dengan nilai Asymp. Sig. (2-tailed) sebesar 0,756 dan nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05. Maka dapat disimpulkan bahwa data residual telah berdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilanjutkan untuk melaksanakan pengujian asumsi klasik lainnya.
4.3.2.2 Uji Multikolinearitas
Uji multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Akibat dari terjadinya korelasi antar variabel bebas ini adalah koefisien – koefisien regresi menjadi tidak dapat ditaksir dan nilai standar error bagi setiap koefisien menjadi tidak terhingga. Terjadinya multikolinearitas dapat dilihat dari nilai tolerance dan VIF (Variance Inflation Factor). Hasil uji multikolinearitas disajikan dalam tabel berikut ini.
Tabel 4.7
Hasil Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error
Beta Tolerance VIF
1 (Constant) 1,403 1,196 1,173 ,244 Ln_WCT -,116 ,067 -,183 -1,722 ,089 ,869 1,151 Ln_DAR -,333 ,149 -,237 -2,234 ,028 ,877 1,140 Ln_Umur ,486 ,294 ,165 1,652 ,102 ,984 1,016 Family Control -,114 ,176 -,064 -,648 ,519 ,995 1,005 a. Dependent Variable: Ln_ROI
Sumber: Output SPSS, diolah Peneliti, 2016
Tabel 4.7 menunjukkan tidak adanya gejala multikolinearitas, dimana hasil uji multikolinearitas menunjukkan bahwa nilai tolerance dari semua variabel bebas lebih besar dari 0,1 (tolerance > 0,1) dan nilai VIF (Variance Inlation Factor) semua variabel bebas kurang dari 10 ( VIF < 10).
4.3.2.3 Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu pada data yang tersusun, baik berupa data cross sectional dan/atau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh akan menjadi tidak akurat, sedangkan model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Penelitian ini pada mulanya menggunakan Durbin-Watson Test untuk mendeteksi gejala autokorelasi . Hasil pengujiannya dapat dilihat pada Tabel 4.8.
Tabel 4.8
Hasil Uji Durbin Watson
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 ,380a ,144 ,105 ,83775 1,710
a. Predictors: (Constant), Famiy Control, Ln_WCT, Ln_Umur, Ln_DAR b. Dependent Variable: Ln_ROI
Sumber: Output SPSS, diolah Peneliti, 2016
Tabel 4.8 menunjukkan bahwa hasil Durbin-Watson (DW) adalah sebesar 1,710 dengan nilai dl=1,566 dan du=1,751. Nilai DW berada pada daerah tanpa keputusan yaitu diantara nilai dl dan du yang artinya terjadi autokorelasi pada model regresi. Oleh karena itu, pada penelitian ini uji Durbin-Watson tidak dapat digunakan dan akan digunakan uji autokorelasi yang lain.
Menurut Ghozali (2005:96) terdapat beberapa cara untuk mendeteksi masalah autokorelasi, yaitu: DW Test, LM Test, uji Statistik Q: Box Pierce dan Ljung Box, serta Runs Test. Penelitian ini akhirnya menggunakan uji Runs Test
untuk menguji ada tidaknya autokolerasi, dengan kriteria pengambilan keputusan
Runs Test sebagai berikut :
a. Jika Asymp. Sig pada output runs test lebih besar dari 0,05 maka data tidak mengalami autokorelasi.
b. Jika Asymp. Sig pada output runs test lebih kecil dari 0,05 maka data mengalami autokorelasi.
Berikut ini adalah hasil uji Runs Test yang menunjukkan bahwa data tidak mengalami autokorelasi.
Tabel 4.9 Hasil Uji Run Test
Runs Test
Unstandardized Residual
Test Valuea ,10127
Cases < Test Value 46
Cases >= Test Value 46
Total Cases 92
Number of Runs 42
Z -1,048
Asymp. Sig. (2-tailed) ,294
a. Median
Sumber: Output SPSS, diolah Peneliti, 2016
Berdasarkan Tabel 4.9, dapat dilihat bahwa nilai Asymp.Sig. (2-tailed) sebesar 0,294 dan lebih besar dari 0,05 yang menunjukkan bahwa tidak terjadi gangguan autokorelasi pada data penelitian.
4.3.2.4 Uji Heterokedastisitas
Menurut Ghozali (2005 : 105) “Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain.”
Dengan kata lain, heterokedastisitas terjadi jika residual tidak memiliki varian yang konstan. Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heterokedasitas dapat dilakukan dengan pengujian melalui Scatterplot yang menggunakan SRESID dan ZPRED dan juga uji Glejser menggunakan software
SPSS.
Berikut ini adalah hasil pengujian dengan grafik Scatterplot dan uji
Sumber: Output SPSS, diolah Peneliti, 2016
Gambar 4.3
Hasil Uji Heterokedastisitas Menggunakan Scatterplot
Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dengan demikian dapat disimpulkan bahwa model regresi tidak mengalami gangguan heterokedastisitas.
Untuk memperjelas ada tidaknya gangguan heterokedastisitas, maka peneliti juga melakukan uji heterokedastisitas menggunakan uji Glejser dengan kriteria keputusan :
a) Jika nilai signifikansi > 0,05 maka data tidak mengalami gangguan heterokedastisitas.
b) Jika nilai signifikansi < 0,05 maka data mengalami gangguan heterokedastisitas.
Tabel 4.10
Hasil Uji Heterokedastisitas Menggunakan Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) ,883 ,724 1,219 ,226 Ln_WCT ,002 ,041 ,004 ,038 ,970 Ln_DAR -,057 ,090 -,071 -,628 ,532 Ln_Umur ,000 ,178 ,000 ,002 ,998 Family Control -,083 ,107 -,083 -,778 ,439
a. Dependent Variable: ABS_RES
Sumber: Output SPSS, diolah Peneliti, 2016
Berdasarkan Tabel 4.10, dapat dilihat bahwa signifikansi setiap variabel bebas lebih besar dari 0,05. Dengan demikian, dapat disimpulkan bahwa berdasarkan uji Glejser model regresi juga tidak mengalami gangguan heterokedastisitas.
4.3.3 Analisis Regresi Linier Berganda
Setelah memenuhi uji normalitas dan uji asumsi klasik, maka dapat diperoleh hasil uji regresi linear berganda sebagai berikut:
Tabel 4.11 Hasil Analisis Regresi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1,403 1,196 1,173 ,244 Ln_WCT -,116 ,067 -,183 -1,722 ,089 Ln_DAR -,333 ,149 -,237 -2,234 ,028 Ln_Umur ,486 ,294 ,165 1,652 ,102 Family Control -,114 ,176 -,064 -,648 ,519
a. Dependent Variable: Ln_ROI
Sumber: Output SPSS, diolah Peneliti, 2016
Berdasarkan Tabel 4.11 dapat diperoleh persamaan regresi linier berganda sebagai berikut :
Y = – 0,183WCT – 0,237DAR + 0,165Umur – 0,064FC + ɛ
Dimana :
Y = Profitabilitas (Return on Investment)
WCT = Efisiensi modal kerja (Working Capital Turnover) DAR = Leverage (Debt to Assets Ratio)
Umur = Umur Perusahaan FC = Family Control
Adapun makna dari model regresi linier berganda tersebut adalah :
1. Koefisien variabel independen sebesar -0,183 bermakna bahwa hubungan antara variabel perputaran modal kerja dengan variabel profitabilitas adalah tidak searah, dimana ketika Ln_working capital turnover bertambah 1 (satu) satuan maka Ln_return on investment akan berkurang sebesar 0,183.
2. Koefisien variabel independen sebesar -0,237 bermakna bahwa hubungan antara variabel leverage dengan variabel profitabilitas adalah tidak searah, dimana ketika Ln_debt to assets ratio bertambah 1 (satu) satuan maka Ln_return on investment akan berkurang sebesar 0,237.
3. Koefisien variabel independen sebesar 0,165 bermakna bahwa hubungan antara variabel umur perusahaan dengan variabel profitabilitas adalah searah, dimana ketika Ln_umur perusahaan bertambah 1 (satu) satuan maka Ln_return on investment akan bertambah sebesar 0,165.
4. Koefisien variabel independen sebesar -0,64 bermakna bahwa hubungan antara variabel family control dengan variabel profitabilitas adalah tidak searah, dimana ketika family control bertambah 1 (satu) satuan maka Ln_return on investment akan bekurang sebesar 0,64.
4.3.4 Pengujian Hipotesis 1) Uji Simultan (Uji F)
Uji F dilakukan untuk mengetahui bagaimana pengaruh variabel independen terhadap variabel dependen secara simultan.
Tabel 4.12 Hasil Uji Statistik F
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 10,307 4 2,577 3,671 ,008b
Residual 61,060 87 ,702
Total 71,367 91
a. Dependent Variable: Ln_ROI
b. Predictors: (Constant), Family Control, Ln_WCT, Ln_Umur, Ln_DAR Sumber: Output SPSS, diolah Peneliti, 2016
Pada Tabel 4.12 diketahui nilai Fhitung sebesar 3,671 sedangkan nilai Ftabel 2,48 maka Fhitung > Ftabel, sehingga menghasilkan penolakan atas H0 dan penerimaan atas Ha. Nilai signifikansi sebesar 0,008 lebih kecil dari tingkat
signifikansi (α) 0,05, artinya signifikan. Dengan demikian dapat disimpulkan
bahwa variabel efisiensi modal kerja (WCT), leverage (DAR), umur perusahaan dan family control secara simultan berpengaruh signifikan terhadap profitabilitas perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
2) Uji Parsial (Uji t)
Pengujian ini dilakukan untuk mengetahui apakah variabel bebas secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat.
Tabel 4.13 Hasil Uji Statistik t
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 1,403 1,196 1,173 ,244 Ln_WCT -,116 ,067 -,183 -1,722 ,089 Ln_DAR -,333 ,149 -,237 -2,234 ,028 Ln_Umur ,486 ,294 ,165 1,652 ,102 Family Control -,114 ,176 -,064 -,648 ,519
a. Dependent Variable: Ln_ROI
Sumber: Output SPSS, diolah Peneliti, 2016
Analisis Tabel 4.13 untuk mengetahui pengaruh variabel independen secara parsial terhadap variabel dependen adalah sebagai berikut:
1. Variabel WCT memiliki thitung sebesar -1,722 sedangkan ttabel sebesar 1,988, maka thitung < ttabel dan menunjukkan bahwa terdapat penerimaan atas H0 dan penolakan atas Ha. Sedangkan nilai signifikansi sebesar 0,089 lebih besar dari 0,05 bermakna bahwa dalam uji t pengaruh variabel bebas tidak signifikan. Dengan demikian, dapat disimpulkan bahwa secara parsial efisiensi modal kerja (WCT) tidak berpengaruh signifikan terhadap profitabilitas perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
2. Variabel DAR memiliki thitung sebesar -2,234 sedangkan ttabel sebesar 1,988, maka thitung > ttabel dan menunjukkan bahwa terdapat penerimaan atas Ha dan penolakan atas H0. Sedangkan nilai signifikansi sebesar 0,028 lebih kecil dari 0,05 bermakna bahwa dalam uji t variabel bebas berpengaruh signifikan. Dengan demikian, dapat disimpulkan bahwa secara parsial debt to asset rasio
(DAR) berpengaruh signifikan terhadap profitabilitas perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
3. Variabel umur memiliki thitung sebesar 1,652 sedangkan ttabel sebesar 1,988, maka thitung < ttabel dan menunjukkan bahwa terdapat penerimaan atas H0 dan penolakan atas Ha. Sedangkan nilai signifikansi sebesar 0,102 lebih besar dari 0,05 bermakna bahwa dalam uji t pengaruh variabel bebas tidak signifikan. Dengan demikian, dapat disimpulkan bahwa secara parsial umur perusahaan tidak berpengaruh signifikan terhadap profitabilitas perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
4. Variabel family control memiliki thitung sebesar -0,648 sedangkan ttabel sebesar 1,988, maka thitung < ttabel dan menunjukkan bahwa terdapat penerimaan atas H0 dan penolakan atas Ha. Sedangkan nilai signifikansi sebesar 0,519 lebih besar dari 0,05 bermakna bahwa dalam uji t pengaruh variabel bebas tidak signifikan. Dengan demikian, dapat disimpulkan bahwa secara parsial family control tidak berpengaruh signifikan terhadap profitabilitas perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
Berdasarkan keterangan di atas, dapat diketahui bahwa hanya variabel
leverage yang diukur menggunakan debt to assets ratio yang berpengaruh terhadap profitabilitas perusahaan manufaktur dengan nilai standarized coefficient
sebesar -0,237. Sedangkan ketiga variabel bebas lain yang digunakan dalam penelitian tidak berpengaruh signifikan terhadap profitabilitas.