BAB III GAMBARAN UMUM OBJEK PENELITIAN
C. Analisis Statistik
Tabel 4.6
Output Uji nilai F SPSS For Windows Versi 15.0 Sebelum Data Ditransformasi
Uji F dilakukan untuk mengetahui pengaruh variabel bebas Long Term
Debt To Total Assets Ratio, Debt Ratio, Debt To Equity Ratio dan Time
Interest Earned Ratio terhadap variabel terikat Return On Equity (ROE)
Coefficientsa -6.525 .000 -.777 .441 .150 .882 1.129 .264 1.063 .293 (Constant) ln_debt_ratio ln_long_term_debt_ to_total_assets_ratio ln_der ln_tie Model 1 t Sig.
Dependent Variable: ln_res_1_kuadrat a. ANOVAb .151 4 .038 1.486 .222a 1.195 47 .025 1.347 51 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), TIE, LONG_TERM_DEBT_TO_TOTAL_ASSETS_RATIO, DER, DEBT_RATIO
a.
Dependent Variable: ROE b.
secara serentak . Dari hasil pengujian diperoleh nilai signifikansi 0,222. Nilai tersebut lebih besar dari α = 0,05 dan membuktikan bahwa secara serempak bahwa variabel bebas tidak berpengaruh terhadap varibel terikat atau H0 diterima dan H1 ditolak. (0,222 > 0,05).
2. Uji t statistik
Tabel 4.7
Output Uji nilai t SPSS For Windows Versi 15.0 Sebelum Data Ditransformasi
Uji t merupakan pengujian untuk melihat pengaruh variabel bebas
Debt Ratio, Long Term Debt To Total Assets Ratio, Debt To Equity Ratio dan
Time Interest Earned Ratio terhadap variabel terikat Return On Equity (ROE)
secara individual. Dari hasil pengujian diperoleh hasil sebagai berikut:
a. Debt Ratio tidak berpengaruh tidak berpengaruh terhadap Return On
Equity (ROE). Hal ini dapat dilihat dari nilai siginifikansi diatas level
pengujian 0,05 (0,055> 0,05).
b. Long Term Debt To Total Assets Ratio berpengaruh terhadap Return On
Equity (ROE) dengan nilai signifikansi lebih kecil dari α (alpha) atau level pengujian (0,046 > 0,05). Coefficientsa .133 .055 2.426 .019 -.313 .159 -.642 -1.967 .055 .406 .198 .642 2.054 .046 .002 .005 .055 .353 .726 .002 .001 .166 1.191 .240 (Constant) DEBT_RATIO LONG_TERM_DEBT_ TO_TOTAL_ASSETS DER TIE Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: ROE a.
c. Debt To Equity Ratio tidak berpengaruh terhadap Return On Equity
(ROE). Hal ini dapat dilihat dari hasil pengujian nilai signifikansi berada
di atas level pengujian (0,726>0,05).
d. Time Interest Earned Ratio tidak berpengaruh terhadap Return On Equity
(ROE). Hal ini dapat dilihat dari hasil pengujian nilai signifikansi berada
di atas level pengujian (0,240>0,05).
3. Koefisien Determinasi (R2)
Tabel 4.8
Output Koefisien Determinasi SPSS For Windows Versi 15.0 Sebelum Data Ditransformasi
Tabel 4.8 menunjukkan bahwa nilai Adjusted R Squared bernilai
0,37. Nilai yang terlalu kecil ini sangat mungkin menandakan adanya outlier
(nilai ekstrim) dari data yang digunakan. Menurut Nachrowi (2002:171) gangguan yang diakibatkan oleh outlier tersebut antara lain adalah bahwa
koefisien determinasi persamaan regresi yang masih mempunyai outlier lebih
rendah dibanding persamaan regresi yang tidak ada outlier. Tindak lanjut dari
masalah outlier ini akan dibahas saat data ditransformasi.
Model Summaryb .335a .112 .037 .1594787 1.498 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
Predictors: (Constant), TIE, LONG_TERM_DEBT_TO_TOTAL_ASSETS_RATIO, DER, DEBT_RATIO
a.
Dependent Variable: ROE b.
D. Asumsi Klasik Statistik Setelah Data DiTransformasi 1. Tahapan Transformasi
a. Multikolinearitas
Hasil pengujian sebelumnya memberikan gambaran bahwa data yang digunakan secara jelas belum melewati masalah multikolinearitas. Salah satu cara mengatasi multikolieritas menurut Nachrowi (2002:125) adalah dengan tidak mengikutsertakan variabel yang berkorelasi.
Peneliti memutuskan untuk mengatasi masalah tersebut dengan tidak menggunakan variabel yang memiliki kolinieritas tersebut yaitu variabel Debt Ratio dan Long Term Debt To Total Assets Ratio. Jadi yang
digunakan hanya variabel bebas DER (Debt To Equity Ratio) dan TIE
(Time Interest Earned Ratio).
b. Transformasi Data
Langkah yang diambil selanjutnya adalah dengan mentransformasi data ke bentuk Ln (Logaritma Natural). Alasannya adalah bahwa dengan
mentrasnformasi data ke bentuk Ln akan membuat plot distribusi normal
semakin baik bila dibandingkan data biasa. Hal ini disebabkan karena pada data biasa jarak atau rentang data pada variabel sangat lebar (Trihendradi;2006:29). Alasan lainnya adalah mengingat bahwa koefisen determinasi nilainya yang sangat kecil menandakan bahwa nilai ekstrem ada dalam data. Sehingga dengan memperkecil jarak antar nilai data akan memperkecil jumlah data outlier yang akan dihilangkan.
c. Outliers
Menurut Nachrowi (2002:135) Outlier merupakan nilai yang
terpisah dari kumpulan observasi, yang dapat bernilai sangat besar atau sangat kecil. Mengingat pendugaan koefisien regresi dan berbagai perhitungan lain yang menyangkut regresi, seperti koefisien determinasi atau uji hipotesis, sangat banyak memanfaatkan nilai rata-rata, maka nilai ekstrim akan mempunyai pengaruh terhadap ketepatan model.
Nilai yang dianggap outliers adalah nilai Y prediksi dengan
residual standar yang nilainya lebih dari 2 (dua) . Setelah data-data yang masuk dalam kategori Outliers dikeluarkan maka data yang tersisa adalah
32 dari 52 data yang diamati. Penyeleksian data memberikan hasil bahwa residual standar tidak ada lagi yang bernilai lebih dari 2 (dua).
2. Uji Normalitas
Gambar 4.4.
Output Histogram SPSS For Windows Ver. 15.0 Setelah Data Ditransformasi
2 1
0 -1
-2
Regression Standardized Residual 8 6 4 2 0 Frequency Mean = -9.3E-16 Std. Dev. = 0.967 N = 32 Dependent Variable: ln_roe
Gambar 4.4 menunjukkan bahwa data memiliki sebaran yang normal. Hal tersebut terlihat bahwa data tersebar di dalam kurva distribusi normal.
Gambar 4.5 Output P-P Plot SPSS For Windows Ver. 15.0 Setelah Data Ditransformasi
Gambar P-P Plot 4.5 juga memperlihatkan bahwa data cenderung
tersebar disekitar dan searah dengan garis regresi. Hal tersebut menjelaskan bahwa data yang sudah ditransformasi adalah normal.
Tabel 4. 9
Output Uji Normalitas Data Kolmogorov-Smirnov SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
1.0 0.8 0.6 0.4 0.2 0.0
Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0
Expected Cum Prob
ASII ASII AUTO GJTL SMSM SMSM SMSM GJTL AUTO SMSM AUTO BRAM AUTO ASII LPIN ASII BRAM GJTL LPIN LPIN NIPS LPIN NIPS GDYR GDYR BRAM GDYR GJTL NIPSNIPS BRAM GDYR
Dependent Variable: ln_roe Normal P-P Plot of Regression Standardized Residual
One-Sample Kolmogorov-Smirnov Test
32 .0000000 .59465794 .105 .078 -.105 .595 .870 N Mean Std. Deviation Normal Parameters a,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal.
a.
Calculated from data.
Tabel perhitungan uji non-parametrik kolmogorov Smirnov
memberikan nilai Asymp.Sig residual sebesar 0,870. Artinya data adalah
normal karena nilai tersebut tidak signifikan terhadap α = 0,05 (0,087>0,05).
3. Multikolinearitas
Tabel 4.10
Output Uji Multikolinearitas SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
Tabel di atas menjelaskan bahwa variabel yang saat ini digunakan tidak ada yang berkorelasi lagi. Hal ini ditunjukkan dengan nilai variabel-variabel bebas yang memiliki nilai VIF < 2. Sehingga untuk masalah
multikolinearitas sudah tidak ada lagi.
4. Autokorelasi
Tabel 4.11
Output Durbin Watson SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
Tabel di atas menunjukkan nilai Durbin Watson sebesar 1,363. Nilai
tersebut masuk dalam kategori tidak dapat disimpulkan. Hal ini sesuai dengan dengan pernyataan Trihendradi (2006:14) bahwa nilai 1,21 < DW < 1,65 atau 2,35 < DW < 2,79. Kesimpulannya tidak dapat disimpulkan (inconclusive).
Coefficientsa .870 1.149 .870 1.149 ln_der ln_tie Model 1 Tolerance VIF Collinearity Statistics
Dependent Variable: ln_roe a. Model Summaryb .579a .336 .290 .61482 1.363 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
Predictors: (Constant), ln_tie, ln_der a.
Dependent Variable: ln_roe b.
5. Heterokedastisitas
Gambar 4.6
Output Heterokedastisitas SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
Gambar 4.6 menjelaskan bahwa data yang digunakan cenderung mendekati keadaan homokedastisitas. Karena data tidak terlihat menumpuk di satu daerah ataupun tersebar rata di sekitar angka 0. Dengan kata lain secara subjektif dapat dikatakan data bebas dari masalah heterokedastisitas.
Tabel 4.12
Output Heterokedastisitas (Uji Park) SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
3 2 1 0 -1 -2
Regression Standardized Predicted Value 2 1 0 -1 -2 -3
Regression Studentized Deleted
(Press) Residual SMSM SMSMSMSM SMSM NIPS NIPS NIPS NIPS LPIN LPIN LPIN LPIN GJTL GJTL GJTL GJTL GDYR GDYR GDYR GDYR BRAM BRAM BRAM BRAM AUTO AUTO AUTO AUTO ASII ASII ASII ASII Dependent Variable: ln_roe
Scatterplot Coefficientsa -3.782 .001 -1.017 .318 .960 .345 (Constant) ln_ln_der ln_ln_tie Model 1 t Sig.
Dependent Variable: ln_res2_kuadrat a.
Tabel 4.12 menunjukkan hasil pengujian dengan metode Park juga
lebih meyakinkan bahwa data bebas dari masalah heterokedastisitas. Hal tersebut ditunjukkan dengan nilai β (intercept) variabel-variabel bebas yang tidak signifikan pada alpha 5%. Nilai sig. variabel-variabel bebas lebih besar
dari 0,05.
E. Analisis Stastistik
Pengujian-pengujian yang telah dilakukan di atas memberikan hasil bahwa data yang digunakan sudah terbebas dari masalah asumsi klasik. Langkah selanjutnya adalah interpretasi data dari hasil uji F, uji t dan koefisien determinasi.
1. Uji F-Statistik
Tabel 4.13
Output Uji nilai F SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
Tabel 4.13 memperlihatkan bahwa untuk nilai signifikansi F sebesar 0,003. Nilai ini lebih kecil dari level pengujian 5%. Sehingga dapat dikatakan bahwa variabel bebas secara serempak berpengaruh terhadap variabel bebas. Kesimpulannya H0 ditolak dan H1 diterima atau variabel-variabel yang digunakan dalam penelitian setelah data ditransformasi (DER & TIE) memiliki
pengaruh secara serempak terhadap variabel terikat. ANOVAb 5.535 2 2.768 7.321 .003a 10.962 29 .378 16.497 31 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), ln_tie, ln_der
a.
Dependent Variable: ln_roe
2. Uji t-Statistik
Tabel 4.14
Output Uji nilai t SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
Tabel 4.14 memperlihatkan bahwa untuk nilai signifikansi t masing – masing untuk variabel bebas sebesar 0,002 untuk Debt Ratio (DER) dan 0,006
untuk Time Interest Earned Ratio (TIE) . Nilai ini lebih kecil dari level
pengujian 5%. Sehingga dapat dikatakan bahwa variabel bebas secara parsial berpengaruh terhadap variabel bebas.
3. Koefisien Determinasi (R2)
Tabel 4.15
Output Koefisien Determinasi SPSS For Windows Versi 15.0 Setelah Data Ditransformasi
Tabel 4.15 memperlihatkan nilai Adjusted R Square setelah data
ditransformasi sebesar 0,29. Nilai ini lebih besar dibandingkan nilai sebelum data ditransformasi yaitu sebesar 0,037. Nilai ini semakin baik setelah nilai yang ekstrem (outliers) dihilangkan dari data pengamatan. Nilai Adjusted R Square
Coefficientsa -2.632 .192 -13.697 .000 .633 .190 .541 3.332 .002 .280 .095 .480 2.956 .006 (Constant) ln_der ln_tie Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: ln_roe a. Model Summaryb .579a .336 .290 .61482 1.363 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
Predictors: (Constant), ln_tie, ln_der a.
Dependent Variable: ln_roe b.
sebesar 0,29 diartikan bahwa model mampu menjelaskan pengaruh variabel-variabel bebas Debt To Equtiy Ratio dan Time Interest Earned Ratio terhadap
Return On Equity sebesar 29%. Selebihnya yaitu 71% diterangkan oleh
faktor-faktor lain yang tidak diikutsertakan dalam penelitian.
F. Pengembangan Model
Data yang digunakan sebelumnya telah melalui transformasi dengan model log-log. Sehingga untuk interpretasinya juga akan berbeda. Menurut
Nachrowi (2002:67) model ini disebut juga model elastisitas konstan. Sebab nilai koefisien tersebut sesungguhnya merupakan ukuran elastisitas Y terhadap X, atau dengan kata lain koefisien merupakan tingkat perubahan pada variabel Y (dalam persen) bila terjadi perubahan pada variabel X (dalam Persen).
Model log-log ini juga tidak bisa disamakan dalam interpretasi dengan
model lin-lin. Karena jika menggunakan model lin-lin nilai perubahan yang
didapatkan adalah mutlak sedangkan perubahan pada model log-log ini
perubahannya adalah relatif dan ukuran yang dipakai yang paling tepat adalah persentase.
Hasil pengujian memberikan rangkuman untuk interpretasi model dengan rumusan yaitu:
ROE = -2,632 + 0,633DER + 0,280TIE + e
Nilai di atas masih dalam bentuk logaritma, maka nilai tersebut akan dikembalikan ke nilai aslinya. Sehingga persamaan akan menjadi:
Koefisien kostanta 0,0719 menjelaskan bila semua variabel bebas bernilai 0 atau dengan kata lain bila perusahaan hanya menggunakan kekuatan
modal sendiri dan tidak menggunakan utang maka ROE akan sebesar Rp
0,0719.
Koefisien DER yang bernilai positif dan bernilai 1,883 menunjukkan
bahwa jika terjadi peningkatan penggunaan utang terhadap modal sendiri (DER) sebesar Rp 1 akan memberikan kontribusi peningkatan ROE sebesar
Rp 1,883. Tanda positif menggambarkan hubungan yang searah dengan ROE.
Hal ini didukung penelitian terdahulu yang dilakukan oleh Swastika (2003) dan Iman (2006) bahwa penggunaan utang mempunyai pengaruh dalam meningkatkan Return On Equity (ROE) perusahaan.
Teori Modigliani dan Miller (MM) dengan asumsi adanya pajak yang menyatakan bahwa penggunaan utang menyebabkan kenaikan tingkat laba yang tersedia bagi pemegang saham (Sartono:2001:246). Hal ini terjadi karena penghematan pajak yang dibebankan pada perusahaan. Namun dalam praktiknya tidak ada perusahaan yang menggunakan utang 100%. Beberapa kritik terhadap pendekatan Modigliani Miller (MM) adalah jika semua asumsi yang digunakan dalam teorinya dipenuhi, maka cenderung untuk disimpulkan bahwa dalam kondisi ada pajak perusahaan akan menjadi semakin baik apabila menggunakan utang yang semakin besar. Dalam praktiknya tentu hal semacam ini tidak akan terjadi (Sartono:2001:246). Salah satu yang tidak diperhitungkan oleh pendekatan Modigliani Miller (MM) ini adalah kemungkinan financial distress (tekanan terhadap keuangan perusahaan).
financial distress yang mungkin dihadapi perusahaan. Perusahaan yang
semakin besar menggunakan utang memiliki kemungkinan yang besar untuk tidak dapat membayar kembali utangnya.
Hasil yang diperoleh dari penelitian ini dengan didukung oleh teori yang digunakan serta penelitian yang terdahulu yang ada menegaskan bahwa variabel utang yaitu Debt To Equity Ratio (DER) bisa digunakan untuk
menjelaskan Return On Equity (ROE). Koefisien Time Interest Earned Ratio
(TIE) yang juga bernilai positif sebesar 1,323 menjelaskan bahwa adanya
hubungan yang searah dengan ROE. Hal ini menjelaskan bahwa setiap
kenaikan Rp1 dari laba operasional terhadap beban bunga (TIE) memberikan
kontribusi terhadap ROE sebesar Rp 1,323. Rasio ini menghitung seberapa
besar laba sebelum bunga dan pajak yang tersedia untuk menutup beban tetap bunga (Hanafi:2004:40). Semakin besar atau semakin tinggi nilai dari rasio ini atau semakin besar laba operasional yang tersedia terhadap beban bunga maka semakin besar kemampuan perusahaan untuk menutupi biaya tetap berupa bunga dari utang yang digunakan. Dari hasil penelitian yang diperoleh maka variabel utang yaitu Time Interest Earned Ratio (TIE) dapat digunakan untuk
A. Kesimpulan
1. Rasio leverage yang digunakan setelah data ditransformasi terdiri dari Rasio Utang Terhadap Modal (Debt to Equity Ratio) dan Time Interest Earned Ratio berpengaruh secara serempak terhadap Return On Equity (ROE) pada perusahaan otomotif yang terdaftar di Bursa Efek Jakarta. Kesimpulannya H0 ditolak dan H1 diterima.
2. Rasio leverage yang digunakan setelah data ditransformasi terdiri dari Rasio Utang Terhadap Modal (Debt to Equity Ratio) dan Time Interest Earned Ratio berpengaruh secara individual terhadap Return On Equity (ROE) pada perusahaan otomotif yang terdaftar di Bursa Efek Jakarta. Debt to Equity
Ratio merupakan variabel yang paling berpengaruh dalam menjelaskan
Return On Equity (ROE).
3. Nilai adjusted R square (R kuadarat disesuaikan) yang diperoleh sebesar 0,290. Angka ini menjelaskan bahwa 29% Return On Equity (ROE) dapat dijelaskan oleh variabel bebas Rasio Utang Terhadap Modal (Debt to Equity
Ratio) dan Time Interest Earned Ratio. Selebihnya 71% diterangkan oleh
faktor-faktor lain yang tidak diikutsertakan dalam penelitian. Nilai tersebut juga menjelaskan bahwa model masih kurang layak untuk digunakan untuk memprediksi nilai Return On Equity (ROE).
4. Persamaan Regresi Linier Berganda yang terbentuk dalam menjelaskan pengaruh variabel bebas (Rasio Leverage) terhadap variabel terikat Return On
Equity (ROE) adalah :
Y = 0,0719 + 1,883DER + 1,323TIE + e
B. Saran-saran
1. Kebijakan leverage sebaiknya direncanakan dan digunakan secara efektif dan efisien sehingga dapat menghasilkan nilai yang optimal dari penggunaannya. 2. Penelitian lanjutan disarankan untuk menggunakan data sampel dari populasi
yang memiliki anggota populasi dengan jumlah yang lebih besar. Sehingga bila diperlukan untuk melakukan transformasi data dan ataupun menghilangkan nilai outlier, populasi masih terwakili dengan jumlah sampel yang besar.
3. Penelitian lanjutan dapat menambah variabel bebas lain yang secara teori mampu untuk menjelaskan perubahan Return On Equity (ROE).
Brigham, Eugene F. & Joel F. Houston. 2001. Manajemen Keuangan, terjemahan Dodo Suharto dkk., Edisi kedelapan. Buku 1. Erlangga, Jakarta.
Djarwanto, 2004, Pokok-Pokok Analisis laporan Keuangan, Edisi 1, cetakan kedelapan, Yogyakarta: BPFE- Yogyakarta.
Hanafi, Mamduh M. Manajemen Keuangan, Edisi 2004/2005, cetakan pertama, BPFE-Yogyakarta. Yogyakarta.
Harahap, Sofyan, S. 2004. Analisa Kritis Atas Laporan Keuangan, Edisi 1, Cetakan Keempat, PT. Raja Grafindo Persada, Jakarta.
Martono & Agus Harjito. 2001. Manajemen Keuangan. Edisi 1, Ekonisia, Yogyakarta.
Muhammad, Iman. 2006. Analisis Struktur Modal Terhadap Profitabilitas Pada Industri Obat-obatan Yang Terdaftar Di Bursa Efek Jakarta. STMIK & AMIK LOGIKA. Perpusatakaan Online STMIK & AMIK LOGIKA. Nachrowi, Nachrowi Djalal. 2002. Penggunaan Teknik Ekonometri. Edisi
Revisi. PT. Raja Grafindo Persada, Jakarta.
Nachrowi, Nachrowi Djalal. 2002. Pendekatan Populer dan Praktis
Ekonometrika. Edisi Revisi. Lembaga Penerbit Fakultas Ekonomi
Universitas Indonesia, Jakarta.
Nugroho, Bhuono Agung. 2005. Strategi Jitu Memilih Metode Statistik Penelitian Dengan SPSS, Andi, Yogyakarta.
Sartono, R. Agus. 2001. Manajemen Keuangan : Teori dan Aplikasi, Edisi 4, BPFE-Yogyakarta, Yogyakarta.
Sofyan, Iban. 2005. Manajemen Resiko, Edisi Pertama, Cetakan Pertama, Graha Ilmu, Yogyakarta.
Swastika, Dwi Lusi Tyasing. 2003. Analisis Pengaruh Financial Structure Terhadap Return On Equity (ROE). ID : 10-02-02, ISSN : 0854-4190 , PUB: Vol 10 No. 2, October, 2003. UTI STIE Malangkucecwara.
Syahyunan, 2004. Manajemen Keuangan I : Perencanaan, Analisis dan
Pengendalian Keuangan. USU Press. Medan
Yogyakarta.
Umar, Husein. 2000. Research Methods in Finance and Banking, PT Gramedia Pusataka Utama, Jakarta.
