HASIL PENELITIAN A.Data Penelitian
B. Hasil Penelitian
1. Uji Kelayakan Model
Sebelum melakukan analisis sttaistik, penulis terlebih dahulu mengevaluasi model, sehingga model tersebut dapat dikatakan layak untuk pengujian hipotesis.
a. Uji Multikolinearitas
Menurut Ghozali (2005:91) “multikolinearitas dapat dilihat dari (1) nilai tolerance dan (2) variance inflation factor (VIF).” Kedua ukuran ini menunjukkan setiap variable independen manakah yang dijelaskan oleh variable independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance < 0,10 dan nilai VIF > 10. Setiap peneliti harus menentukan tingkat kolinearitas yang dapat ditolerir misalnya nilai tolerance 0,1 sama dengan tingkat kolinearitas 0,95.
Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 2.697E8 1.005E8 2.683 .013
CR -2.456E7 2.111E7 -.185 -1.164 .256 .579 1.728 DER 4.781E8 1.981E8 .426 2.413 .024 .469 2.134 ATO -1.344E8 2.673E7 -.712 -5.029 .000 .730 1.370 NPM -3.635E7 2.027E7 -.252 -1.794 .086 .738 1.355 ROI 3.294E8 1.276E8 .789 2.582 .017 .156 6.392 ROE -1.527E8 1.478E8 -.347 -1.033 .312 .129 7.733 a. Dependent Variable: KMK
Tabel 4.2.
Berdasarkan data pada lampiran 2 Correlations, hasil besaran korelasi antar variable independen tampak bahwa hanya variable ROE yang mempunyai korelasi cukup tinggi dengan variable ROI dengan tingkat korelasi sebesar -0, 896 atau sekitar 89,6% (<95%) maka dapat dikatakan tidak terjadi multikolinearitas yang serius. Berdasarkan pada table 4.2., hasil perhitungan nilai tolerance juga menunjukkan tidak ada variable independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antara variable independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan bahwa tidak ada satupun variable independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variable independen dalam model regresi.
b. Uji Heterokedastisitas
Menurut Ghozali (2005:105) “deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED.”
Dasar analisis untuk mengetahui gejala heterokedastisitas :
1. Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heterokedasisitas.
Gambar 4.1.
Dari grafik scatterplots pada gambar 4.1. terlihat bahwa titik-titik menyebar secara acak dan tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai.
c. Uji Normalitas
Menurut Ghozali (2005:110) ada dua cara untuk mendeteksi apakah residual berdistrius normal atau tidak yaitu dengan anakisis grafik dan uji statistic.
1. Analisis Grafik
Pada prinsipnya, normalitas dapat didetksi dengan melihat penyebaran titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Dasar analisis untuk menguji normalitas :
• Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regreis memenuhi asumsi normalitas.
• Jika data menyebar jauh dari diagonal dan/tidak mengikuti arah garis diagonal atau grafik histogram tidak
menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas.
Gambar 4.2.
Gambar 4.3.
Dari hasil output SPSS pada gambar 4.2., dapat dilihat bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal. Dari histogram yang ada pada gambar 4.3. juga dapat dilihat bahwa bentuk kurva memiliki kemiringan yang seimbang di sisi kiri dan kanan. Dari output SPSS Normal P-Plot dan histogram dapat dikatakan bahwa model regresi memenuhi asumsi normalitas.
2. Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati. Menurut Ghozali (2005:113) “uji statistic sederhana dapat dilihat melalui nilai kurtosis dan skewnes dari residual. Pada tingkat signifikansi 0.05 nilai Ztabel = 1.96 . Jika nilai Zhitung > Ztabel, maka distribusi tidak normal.”
Nilai Zskewness dapat dihitung dengan rumus : Zskewness =
N Skewness
6
Nilai Zkurtosis dapat dihitung dengan rumus : Zkurtosis = N Kurtosis 24 Descriptive Statistics N Skewness Kurtosis Statistic Statistic Std. Error Statistic Std. Error Unstandardized Residual 30 .800 .427 .716 .833 Valid N (listwise) 30
Dari table 4.3. Descrptive Statistics dapat dilihat bahwa nilai Skewness adalah 0.800 dan nilai kurtosis adalah 0.716. Maka :
Zskewness hitung = 30 6 800 . 0
= 1.78 (lebih kecil dari 1.96)
Zkurtosis hitung = 30 24 716 . 0
= 0.80 ( lebih kecil dari 1.96)
Berdasarkan perhitungan di atas dapat dikatakan bahwa model regresi memenuhi asumsi normalitas.
Selain itu, normalitas juga dapat diuji dengan menggunakan uji statistic non parametric Kolmogorov-Smirnov (K-S). Menurut Alhusin (2003:262) “jika probabilitas > 0,05 berarti data memiliki distribusi normal”.
Berdasarkan hasil output pada table 4.4., dapat dilihat bahwa nilai Kolmogorov-Smirnov adalah 0.882 dan signifikansi adalah 0.418. Jadi probabilitas (Sig.) 0.418 > 0.05. Dengan demikian dapat disimpulkan bahwa data ini memiliki distribusi normal, sesuai dengan uji-uji sebelumnya.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa Mean .0000000 Std. Deviation 7.97196024E7 Most Extreme Differences Absolute .161 Positive .161 Negative -.083 Kolmogorov-Smirnov Z .882
Asymp. Sig. (2-tailed) .418 sa. Test distribution is Normal.
Tabel 4.4. 2. Pengujian Hipotesis
Menurut Ghozali (2005:81) “hasil analisis regresi adalah berupa koefisien untuk masing-masing variable independen. Koefisien ini diperoleh dengan cara memprediksi nilai variable dengan suatu persamaan.”
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .815a .664 .576 8.952E7 a. Predictors: (Constant), ROE, CR, NPM, ATO, DER, ROI
b. Dependent Variable: KMK
Tabel 4.5.
Dari tampilan output SPSS pada table 4.5. Model Summary besarnya adjusted R2 adalah 0.576, hal ini berarti 57.6% variasi Kredit Modal Kerja dapat dijelaskan oleh variasi dari keenam variable independen yaitu Current Ratio, Debt to Equity Ratio, Asset Turn Over, Net Profit Margin, Return on Investment, Return on Equity. Sedangkan sisanya (100%-57.6% = 42.4%) dijelaskan oleh sebab-sebab lain di luar model. Standard Error of Estimate (SEE) sebesar 8.952. Semakin kecil SEE akan membuat model regresi semakin tepat dalam memprediksi variable dependen.
Dari data pada table 4.2., maka persamaan regresi linier yang diperoleh adalah :
KMK = 2.697 – 2.456CR + 4.781DER – 1.344ATO – 3.635NPM + 3.294ROI – 1.527ROE
Keterangan :
1. Konstanta sebesar 2.697 menunjukkan bahwa jika variable independen dianggap konstan, maka jumlah kredit modal kerja adalah 2.697
2. Koefisien regresi CR sebesar 2.456 menunjukkan bahwa setiap adanya peningkatan sebesar satu satuan untuk current ratio akan mengurangi kredit modal kerja sebesar 2.456
3. Koefisien regresi DER 4.781 menunjukkan bahwa setiap adanya peningkatan sebesar satu satuan untuk debt to equity ratio akan meningkatkan kredit modal kerja sebesar 4.781
4. Koefisien regresi NPM sebesar 3.635 menunjukkan bahwa setiap adanya peningkatan sebesar satu satuan untuk net profit margin akan mengurangi kredit modal kerja sebesar 3.635
5. Koefisien regresi ATO sebesar 1.344 menunjukkan bahwa setiap adanya peningkatan sebesar satu satuan untuk asset turn over akan mengurangi kredit modal kerja sebesar 1.344
6. Koefisien regresi ROI sebesar 3.294 menunjukkan bahwa setiap adanya peningkatan sebesar satu satuan untuk return on investment akan mengurangi kredit modal kerja sebesar 3.294
7. Koefisien regresi ROE sebesar 1.527 menunjukkan bahwa setiap adanya peningkatan sebesar satu satuan untuk return on equity akan meningkatkan kredit modal kerja sebesar 1.527
Model di atas mengisyaratkan jawaban akan hipotesis, namun untuk lebih jelasnya penulis melakukan uji pengaruh simultan dari variable independen terhadap variable dependen dan uji pengaruh parsial dari masing-masing independen terhadap variable dependen sebagai berikut :
a. UJi Signifikansi Simultan (Uji Statistic F)
Uji statistic F pada dasarnya menunjukkan apakah semua variable independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variable dependen/terikat.
Hipotesis yang diajukan dalam penelitian ini adalah :
H0 = CR, DER, ATO, NPM, ROI, ROE tidak berpengaruh terhadap pemberian kredit modal kerja
Ha = CR, DER, ATO, NPM, ROI, ROE berpengaruh terhadap pemberian kredit modal kerja
Ketentuan apakah Ho diolak atau diterima yaitu melalui : Perbandingan F hitung dengan F table (α, k-1, n-k)
• Jika statistik F hitung > statistik F table, maka Ho ditolak • Jika statistik F hitung < statistik F table, maka Ho diterima Nilai probabilitas (tingkat signifikansi)
• Jika probabilitas < 0.05 maka Ho ditolak • Jika probabilitas > 0.05 maka Ho diterima
ANOVAb
Model Sum of Squares Df Mean Square F Sig. 1 Regression 3.637E17 6 6.062E16 7.566 .000a
Residual 1.843E17 23 8.013E15 Total 5.480E17 29
a. Predictors: (Constant), ROE, CR, NPM, ATO, DER, ROI b. Dependent Variable: KMK
Table 4.6.
Dari uji ANOVA atau F test didapat nilai F hitung sebesar 7.566 dengan probabilitas 0.000. Bila k = 7 variabel, dan n = 30, maka k-1 = 6 dan n-k = 23 dengan tingkat signifikansi 5% diperoleh f table 2.53.
Hasil uji :
• t hitung (7.566) > t table (2.048)
• tingkat signifikansi adalah 0.000 < 0.05
• Ho ditolak ( CR, DER, ATO, NPM, ROI, ROE secara bersama-sama berpengaruh terhadap pemberian kredit modal kerja)
Karena probabilitas < 0.05 dan F hitung (7.566) > F table (2.53) maka model regresi dapat digunakan untuk memprediksi Kredit Modal Kerja atau dapat dikatakan bahwa H0 ditolak yang artinya CR, DER, ATO, NPM, ROI dan ROE secara bersama-sama berpengaruh terhadap pemberian kredit modal kerja.
b. Uji signifikansi partial (uji t)
Uji statistic t pada dasarnya menunjukkan seberapa jauh pengaruh varabel penjelas/independen secara individual dalam menerangkan variasi variable dependen/terikat.
Hipotesis yang diajukan adalah :
H0 = koefisein regresi tidak berpengaruh terhadap pemberian kredit modal kerja
Ha = koefisien regresi berpengaruh terhadap pemberian kredit modal kerja Ada 2 cara dalam menentukan apakah Ho ditolak atau diterima, yaitu : Perbandingan t hitung dengan t table (
2
α , n-2)
• Jika statistic t hitung > statistic t table, maka Ho ditolak • Jika statistic t hitung < statistic t table, maka Ho diterima Nilai probabilitas (tingkat signifikansi)
• Jika probabilitas < 0.05 maka Ho ditolak • Jika probabilitas > 0.05 maka Ho diterima 1. Pengaruh likuiditas terhadap pemberian kredit
Berdasarkan teori likuiditas, rasio ini berguna untuk mengetahui berapa kemampuan suatu manajemen bisnis perbankan dalam melunasi utang-utang jangka pendek yang dilakukan perusahaan itu dengan aktiva jangka pendek yang dimilikinya. Pada penelitian ini, peneliti menggunakan Current Ratio (CR) sebagai wakil dari rasio likuiditas.
Untuk mengetahui pengaruh CR terhadap pemberian kredit maka dikemukakan hipotesis sebagai berikut :
Ho = CR tidak berpengaruh terhadap pemberian kredit modal kerja Ha = CR berpengaruh terhadap pemberian kredit modal kerja
Berdasarkan table Coefficients variable CR mempunyai nilai t hitung = 1.164, sedangkan t table adalah t(0.025;28) = 2.048.
Hasil uji :
• t hitung (1.164) < t table (2.048)
• tingkat signifikansi CR adalah 0.256 > 0.05
• Ho diterima ( current ratio tidak berpengaruh terhadap pemberian kredit modal kerja)
2. Pengaruh leverage terhadap pemberian kredit modal kerja
Berdasarkan teori, rasio leverage mengukur kemampuan perusahaan dalam memenuhi semua utang jangka pendek atau pun jangka panjangnya. Dalam penelitian ini, untuk mewakili rasio leverage peneliti menggunakan Debt to Equity Ratio (DER).
Untuk mengetahui pengaruh DER terhadap pemberian kredit maka dikemukakan hipotesis sebagai berikut :
H0 = DER tidak berpengaruh terhadap pemberian kredit modal kerja Ha = DER berpengaruh terhadap pemberian kredit modal kerja
Berdasarkan table Coefficients, variable DER memiliki t hitung 2.413 sedangkan t table adalah t(0.025;28) = 2.048.
Hasil uji :
• t hitung (2.413) > t table (2.048)
• tingkat signifikansi DER adalah 0.024 < 0.05
• Ho ditolak (debt toequity ratio berpengaruh terhadap pemberian kredit modal kerja)
3. Pengaruh rasio aktivitas terhadap pemberian kredit modal kerja
Berdasarkan teori, rasio aktivitas merupakan rasio yang menunjukkan kemampuan dan efektivitas manajemen dalam mengelola sumber-sumber yang dimilikinya. Dalam penelitian ini, peneliti menggunakan Asset Turn Over (ATO) sebagai wakil dari rasio aktivitas.
Untuk mengetahui pengaruh ATO terhadap pemberian kredit maka dikemukakan hipotesis sebagai berikut :
H0 = ATO tidak berpengaruh terhadap pemberian kredit modal kerja Ha = ATO berpengaruh terhadap pemberian kredit modal kerja
Berdasarkan table Coefficients variable ATO memiliki t hitung 5.029 sedangkan t table adalah t(0.025;28) = 2.048.
Hasil uji :
• t hitung (5.029) > t table (2.048)
• Ho ditolak (asset turn over berpengaruh terhadap pemberian kredit modal kerja)
4. Pengaruh rasio rentabilitas terhadap pemberian kredit modal kerja
Berdasarkan teori, rasio rentabilitas menunjukkan kemampuan perusahaan mencetak laba untuk para pemegang saham. Dalam penelitian ini, peneliti menggunakan NPM, ROI, dan ROE sebagai wakil dari rasio rentabilitas.
a. Untuk mengetahui pengaruh NPM terhadap pemberian kredit maka dikemukakan hipotesis sebagai berikut :
H0 = NPM tidak berpengaruh terhadap pemberian kredit Ha = NPM berpengaruh terhadap pemberian kredit
Berdasarkan table Coefficients variable NPM memiliki t hitung 1.794 sedangkan t table adalah t(0.025;28) = 2.048.
Hasil uji :
• t hitung (1.794) < t table (2.048)
• tingkat signifikansi NPM adalah 0.86 > 0.05
• Ho diterima (net profit margin tidak berpengaruh terhadap pemberian kredit modal kerja)
b. Untuk mengetahui pengaruh ROI terhadap pemberian kredit maka dikemukakan hipotesis sebagai berikut :
H0 = ROI tidak berpengaruh terhadap pemberian kredit Ha = ROI berpengaruh terhadap pemberian kredit
Berdasarkan table Coefficients variable ROI memiliki t hitung 2.582 sedangkan t table adalah t(0.025;28) = 2.048.
Hasil uji :
• t hitung (2.582) > t table (2.048)
• tingkat signifikansi NPM adalah 0.017 < 0.05
• Ho ditolak (return on investments berpengaruh terhadap pemberian kredit modal kerja)
c. Untuk mengetahui pengaruh ROE terhadap pemberian kredit maka dikemukakan hipotesis sebagai berikut :
H0 = ROE tidak berpengaruh terhadap pemberian kredit modal kerja Ha = ROE berpengaruh terhadap pemberian kredit modal kerja
Berdasarkan table Coefficients variable ROE memiliki t hitung 1.033 sedangkan t table adalah t(0.025;28) = 2.048.
Hasil uji :
• t hitung (1.033) < t table (2.048)
• tingkat signifikansi NPM adalah 0.312 > 0.05
• Ho diterima (return on equity berpengaruh terhadap pemberian kredit modal kerja