ANALISA DAN PEMBAHASAN
B. Analisis Hasil Penelitian 1.Statistik Deskriptif 1.Statistik Deskriptif
2. Pengujian Asumsi Klasik
Salah Salah satu satu syarat yang menjadi dasar penggunaan model regresi berganda dengan metode estimasi Ordinary Least Square (OLS) adalah dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien (Best Linear Unbiased Estimator). Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik. Menurut Ghozali (2005:123), asumsi klasik yang harus dipenuhi adalah :
• Berdistibusi normal.
• Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
• Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling berkorelasi.
• Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
a. Uji Normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Ghozali (2005 : 115), memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov- Smirnov yang dapat dilihat dari :
1. Nilai sig. atau signifikan atau probabilitas < 0,05, maka distribusi data adalah tidak normal.
2. Nilai sig. atau signifikan atau probabilitas > 0,05, maka distribusi data adalah normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini :
Tabel 4.3
Hasil Uji Normalitas (1) One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 36
Normal Parametersa Mean .0000000
Std. Deviation 93.17041280 Most Extreme Differences Absolute .130 Positive .130 Negative -.092 Kolmogorov-Smirnov Z .780
Asymp. Sig. (2-tailed) .577
a. Test distribution is Normal.
Sumber : Output SPSS, diolah Peneliti, 2013
Dari tabel 4.4 diatas, dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal karena nilai Asymp.Sig (2-tailed) Kolmogorov-Smirnov 0,577 lebih besar dari 0,05. Berikut ini ditampilkan hasil uji normalitas dengan menggunakan grafik Histogram dan plot.
Gambar 4.1
Uji Normalitas data (2)
Sumber : Output SPSS, diolah Peneliti, 2013
Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng (skewness) kiri maupun menceng ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan grafik plot yang ditampilkan pada Gambar 4.1.
Gambar 4.2
Uji Normalitas data (2)
Sumber : Output SPSS, diolah Peneliti, 2013
Menurut Ghozali (2005 : 112), pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik, yaitu jika data (titik) menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Gambar 4.2 menunjukkan bahwa data (titik) menyebar di sekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari : 1) nilai tolerance dan lawannya,
2) Variance Inflatin Factor (VIF).
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerance < 0,10 atau sama dengan VIF > 10 (Ghozali, 2005 : 91). Hasil dari uji multikolinieritas dapat dilihat pada tabel berikut ini :
Tabel 4.4
Hasil Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 110.835 23.542 4.708 .000
Perputaran piutang .123 .253 .084 .486 .630 .979 1.022
Perputaran
persediaan .503 .559 .156 .900 .375 .979 1.022
Sumber : Output SPSS, diolah Peneliti, 2013
Berdasarkan tabel 4.4 dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hal ini bisa dilihat dengan membandingkan dengan nilai tolerance dan VIF. Masing-masing variabel bebas yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,10 yaitu 0,979. Jika dilihat dari VIF-nya, bahwa masing-masing variabel bebas lebih kecil dari 10 yaitu sebesar 1.022. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas dalam variabel bebasnya.
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada perode t-1 (sebelumnya). Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Untuk mendeteksi terjadinya autokorelasi, angka ini kemudian diklarifikasi menurut kriteria yang ditentukan sesuai dengan tabel berikut:
Tabel 4.5
Pengukuran Autokorelasi
DURBIN – WATSON KESIMPULAN
< 1.10 Ada autokorelasi 1.11 – 1.54 Tanpa Kesimpulan 1.55 – 2.46 Tidak ada autokorelasi 2.47 – 2.90 Tanpa Kesimpulan
Tabel 4.6
Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .166a .028 -.031 95.95223 1.582
a. Predictors: (Constant), Perputaran Persediaan, Perputaran Piutang
b. Dependent Variable: Rentabilitas Ekonomis
Sumber: Output SPSS, diolah peneliti,2013
Tabel 4.5 menunjukkan hasil autokorelasi variabel penelitian. Berdasarkan hasil pengujian diperoleh bahwa tidak ada autokorelasi dalam model regresi ini. Hal ini dapat dilihat dari nilai Durbin-Watson (D -W) statistik yang didapatkan dari perhitungan pada tabel diatas sebesar 1,582 yaitu besaran dalam kisaran 1.55 sampai dengan 2.46, diklarifikasikan menurut kriteria pengukuran autokorelasi pada tabel diatas.
d. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas, dan jika berbeda disebut heterokedastisitas. Model regresi yang baik yaitu homokedastisitas. Pengujian dilakukaan dengan Scatter-Plot dengan menggunakan SRESID dan ZPRED pada software SPSS.
Dasar pengambilan keputusannya :
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas.
2) Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi gejala heterokedastisitas atau tidak dengan cara mengamati penyebaran titik-titik pada grafik.
Gambar 4.3
Sumber : Output SPSS , diolah Peneliti, 2013
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. Hal tersebut menunjukkan bahwa tidak terjadi heterokedastisitas, sehingga model ini layak dipakai untuk memprediksi rentabilitas perusahaan dagang yang terdaftar di Bursa Efek Indonesia berdasarkan masukan variabel independen yaitu perputaran piutang dan perputaran persediaan.
3. Regresi Linier
Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimstor (BLUE) dan layak untuk dilakukan analisis statistik selanjutnya, yaitu melakukan pengujian hipotesis. Hasil pengolahan data dengan analisis regresi dapat dilihat pada tabel dibawah ini. Tabel 4.7 Analisis Regresi Coefficientsa Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) 110.835 23.542 Perputaran piutang 0.123 .253 0.084 Perputaran persediaan 0.503 .559 .156
a. Dependent Variable: Rentabilitas Ekonomis
Berdasarkan tabel koefisien regresi diatas, pada kolom unstandardized coefficients bagian B diperoleh model persamaan regresi linear berganda sebagai berikut:
Y = 110.835 + 0,123 (X1) + 0,503 (X2) + e Dimana:
Y = Return On Investment (ROI) X1 = Perputaran piutang X2 = Perputaran persediaan e = Tingkat kesalahan pengganggu
Pada unstandardized coefficients, diperoleh nilai a, b1, b2, sebagai berikut :
• nilai B Constant (a) = 110,835 = konstanta
Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai variabel bebas yaitu perputaran piutang dan perputaran persediaan, maka perubahan nilai rentabilitas ekonomis yang dilihat dari nilai Y tetap sebesar 110,835.
• nilai b1 = 0,123 = perputaran piutang
Koefisien regresi ini menunjukkan bahwa setiap kenaikan perputaran piutang sebesar 1 satuan, maka perubahan rentabilitas ekonomis yang dilihat dari nilai Y akan bertambah sebesar 0,123 dengan asumsi variabel lain dianggap tetap.
• nilai b2 = 0,503 = perputaran persediaan
Koefisien regresi ini menunjukkan bahwa setiap kenaikan perputaran persediaan sebesar 1 satuan, maka perubahan rentabilitas ekonomis yang dilihat dari nilai Y akan bertambah sebesar 0,503 dengan asumsi variabel lain dianggap tetap.
4. Pengujian Hipotesis
Dalam penelitian ini hipotesis diuji dengan menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program statistik, maka diperoleh hasil yang dapat dilihat pada tabel 4.8
Tabel 4.8
Hasil Uji Koefisien Determinasi Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .166a .028 -.031 95.95223 1.582
a. Predictors: (Constant), Perputaran Persediaan, Perputaran Piutang
b. Dependent Variable: Rentabilitas Ekonomis
Sumber : Output SPSS , diolah Peneliti, 2013
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1. Koefisian determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah 0 sampai dengan 1. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variabel-variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun
variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Pada model summary diatas di atas, angka R sebesar 0,166 menunjukkan bahwa korelasi atau hubungan antara rentabilitas ekonomi (Y) dengan perputaran piutang (X1) dengan perputaran persediaan (X2) mempunyai hubungan yang rendah karena < 0,5 (50%) yaitu 16,6%.
Angka R Square atau koefisien determinasi adalah 0,028 atau 2,8%. Angka ini mengindikasikan bahwa variasi dari kedua variabel independennya hanya mampu menjelaskan variasi variabel dependen sebesar 2,8% dan sisanya 97,2% (100% - 2,8%) dijelaskan oleh faktor-faktor lain.
Pengujian hipotesis secara statistik dilakukan dengan menggunakan uji t dan uji F.
a. Uji t (t-test)
Uji t digunakan untuk menguji signifikansi konstanta dari setiap variabel independen terhadap variabel dependen secara parsial. Dalam uji t digunakan hipotesis seperti yang terlihat berikut ini.
Ho : b1,b2,b3 = 0, artinya perputaran piutang dan persediaan tidak berpengaruh signifikan terhadap rentabilitas ekonomi secara parsial pada perusahaan dagang yang terdaftar di Bursa Efek Indonesia.
Ha : b1,b2,b3 ≠ 0, artinya perputaran piutang dan persediaan berpengaruh signifikan terhadap rentabilitas ekonomi secara parsial pada perusahaan dagang yang terdaftar di Bursa Efek Indonesia. Kriteria :
Ho diterima dan Ha ditolak jika t hitung < t tabel untuk α = 5%
Ha diterima dan Ho ditolak jika t hitung > t tabel untuk α = 5%
Tabel 4.9 Uji Statistik t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 110.835 23.542 4.708 .000 Perputaran piutang 0.123 .253 0.084 .486 .630 Perputaran persediaan 0.503 .559 .156 .900 .375
a. Dependent Variable: Rentabilitas Ekonomi
Sumber : Output SPSS , diolah Peneliti, 2013
Tabel 4.9 menunjukkan hasil pengujian statistik t sehingga dapat menjelaskan pengaruh variabel independen secara parsial.
1) Pengaruh piutang terhadap rentabilitas ekonomi
a. Nilai signifikansi sebesar 0,630 menunjukkan bahwa nilai Sig. untuk uji t individual (parsial) lebih besar dari 0,05. Hal ini sesuai dengan hasil pengujian statistik yang membandingkan antara t hitung dengan t tabel yaitu perputaran piutang secara
parsial tidak berpengaruh signifikan terhadap rentabilitas ekonomi pada tingkat kepercayaan 95%.
b. Variabel perputaran piutang memiliki t hitung 0,486 dengan nilai signifikansi 0,630 (lebih besar dari 0,05). Dengan menggunakan tabel t, diperoleh t tabel sebesar 2,034. Hal ini menunjukkan bahwa t hitung sebesar 0,486 lebih kecil dari t tabel sebesar 2,034 sehingga Ho diterima dan Ha ditolak artinya, perputaran piutang tidak berpengaruh signifikan terhadap rentabilitas ekonomi secara parsial pada perusahaan dagang di Bursa Efek Indonesia .
2) Pengaruh perputaran persediaan terhadap rentabilitas ekonomi
a. Nilai signifikansi = 0,375 menunjukkan bahwa nilai Sig. untuk uji t individual (parsial) lebih besar dari 0,05. Hal ini sesuai dengan hasil pengujian statistik yang membandingkan antara t hitung dengan t tabel yaitu perputaran persediaan tidak mempunyai pengaruh terhadap tingkat rentabilitas ekonomi secara parsial pada tingkat kepercayaan 95%. b. Variabel perputaran persediaan memiliki t hitung 0,900 dengan
nilai signifikansi 0,375 (lebih besar dari 0,05). Dengan menggunakan tabel t, diperoleh t tabel sebesar 2,034. Hal ini menunjukkan bahwa t hitung sebesar 0,900 lebih kecil dari t tabel sebesar 2,034 sehingga Ho diterima dan Ha ditolak dimana artinya, perputaran piutang tidak mempunyai pengaruh terhadap rentabilitas ekonomi secara parsial pada perusahaan dagang yang terdaftar di Bursa Efek Indonesia.
b. Uji F ( ANOVA )
Uji ini dilakukan untuk mengetahui apakah variabel bebas secara bersama-sama (simultan) mempunyai pengaruh terhadap variabel tidak bebas. Pembuktian dilakukan dengan cara membandingkan nilai kritis, F(tabel) dengan F(hitung) yang terdapat pada tabel analisis df variance.
Dalam uji F digunakan hipotesis yang disebutkan dibawah ini :
Ho : b1,b2,b3 = 0, artinya perputaran piutang dan persediaan tidak berpengaruh signifikan terhadap rentabilitas ekonomi secara simultan pada perusahaan dagang yang terdaftar di Bursa Efek Indonesia.
Ha : b1,b2,b3 ≠ 0, artinya perputaran piutang dan persediaan berpengaruh signifikan terhadap rentabilitas ekonomi secara simultan pada perusahaan dagang yang terdaftar di Bursa Efek Indonesia.
Kriteria:
Ho diterima dan Ha ditolak jika F hitung < F tabel untuk α = 5% Ha diterima dan Ho ditolak jika F hitung > F tabel untuk α = 5%
Tabel 4.10 Uji Statistik F
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 8628.152 2 4314.076 .469 .630a
Residual 303825.404 33 9206.830
Total 312453.556 35
a. Predictors: (Constant), Perputaran persediaan,Perputaran piutang
b. Dependent Variable: Rentabilitas Ekonomi
Hasil uji F yang ditampilkan dalam tabel 4.10 menunjukkan bahwa nilai F hitung adalah 0,469 dengan tingkat signifikansi 0,630 yang lebih besar dari 0,05. Dengan menggunakan tabel F diperoleh nilai F tabel sebesar 3,284. Hal tersebut menunjukkan bahwa F hitung sebesar 0,469 lebih kecil dari F tabel sebesar 3,284 , sehingga Ha diterima dan Ho ditolak, artinya variabel bebas yaitu perputaran piutang dan persediaan secara simultan tidak berpengaruh secara signifikan terhadap rentabilitas ekonomis pada perusahaan dagang yang terdaftar di Bursa Efek Indonesia.
C. Pembahasan Hasil Penelitian
Berdasarkan hasil pengujian variabel bebas perputaran piutang dan perputaran persdiaan terahadap variabel terikat rentabilitas yang telah diuraikan secara statistik dengan menggunakan program SPSS, maka hipotesis dapat dijelaskan sebagai berikut :
1. Dalam pengujian hipotesis yang dilakukan diektahui bahwa perpuataran piutang (X1) memiliki thitung sebesar 0,486 < ttabel sebesar 2,034 artinya adalah Ha ditolak dan H0 diterima. Hasil ini sejalan dengan penelitian Ridha Utami (2010), dimana variabel perputaran piutang tidak memiliki pengaruh signifikan terhadap rentabilitas ekonomis.
2. Dalam pengujian hipotesis yang dilakukan diektahui bahwa perpuataran persediaan (X2) memiliki thitung sebesar 0,900 < ttabel sebesar 2,034 artinya adalah Ha ditolak dan H0 diterima. Hasil ini sejalan dengan penelitian Dian (2007) dimana variabel perputaran persediaan tidak memiliki pengaruh secara signifikan terhadap rentabilitas ekonomis tetapi hasil ini tidak
sejalan dengan penelitian Asti Lamriama (2009) dan Ridha Utami (2010), dimana variabel perputaran persediaan memiliki pengaruh signifikan terhadap rentabilitas ekonomis.
3. Dari hasil pengujian hipotesis secara simultan dalam penelitian ini dapat dilihat Fhitung sebesar 0,469 < dari Ftabel sebesar 3,284 sehingga dapat diketahui bahwa secara simultan perputaran piutang dan perputaran persediaan tidak berpengaruh secara signifikan terhadap rentabilitas ekonomis. Hasil ini tidak sejalan dengan penelitian Ridha Utami (2010) perputaran piutang dan perputaran persediaan dimana secara simultan berpengaruh signifikan terhadaprentabilitas ekonomis.
BAB V
KESIMPULAN DAN SARAN