Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif yaitu data yang diukur dalam bentuk skala numerik (Kuncoro, 2003:124) dan merupakan data sekunder yaitu data yang diperoleh secara tidak langsung, yang berupa catatan maupun laporan historis yang telah tersimpan dalam arsip, baik yang dipublukasikan maupun yang tidak dipublikasikan. Data yang digunakan dalam penelitian ini adalah data yang berupa laporan keuangan perusahaan selama periode 2010 sampai dengan 2012. Data penelitian didapatkan dari situs Bursa
Efek Indonesia
C. Populasi dan Sampel Penelitian
Populasi adalah kelompok elemen yang lengkap, yang biasanya berupa orang, objek, transaksi, atau kejadian dimana kita tertarik untuk mempelajarinya atau menjadi objek penelitian (Kuncoro, 2003: 103). Adapun populasi penelitian ini adalah perusahaan-perusahaan yang berada pada bidang Dagang yang terdaftar di Bursa Efek Indonesia (BEI). Pengambilan sampel dalam penelitian ini menggunakan teknik non
Probability Sampling yaitu dengan cara Purposive Sampling yaitu teknik penentuan sampel dengan suatu kriteria tertentu. Perusahaan yang menjadi sampel dalam penelitian ini dipilih berdasarkan kriteria-kriteria tertentu, sebagai berikut:
1. Perusahaan Dagang yang telah terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2010, 2011, 2012.
2. Tidak delisting pada tahun tersebut.
3. Melaporkan Laporan Keuangan yang telah diaudit dan memiliki laba pada periode 2010-2012.
Tabel 3-1
Daftar Populasi Perusahaan
NO KODE NAMA EMITEN SAMPLE
1 2 3
1. MDRN Modern Internasional Tbk. V V X
2. MICE Multi Indocitra Tbk. V V V 1
3. SDPC Millenium Pharmacon Tbk. V V V 2
4. TIRA Tira Austenite Tbk. V V X
5. GEMA Gema Grahasarana Tbk. V V V 3 6. SONA Sona Topas Tourism Inds. Tbk. V V V 4
7. INTD Inter Delta Tbk. V V V 5
8. INTA Intraco Penta Tbk. V V V 6
9. AIMS
Akbar Indo Makmur Internasional Tbk.
10 DSSA Dian Swartika Sentosa Tbk. V X X 11 HERO Hero Supermarket Tbk. V V V 7 12 CLPI Colorpak Indonesia Tbk. V V X 13 MAPI Mitra Adi Perkasa Tbk. V V V 8
14 FISH FKS Multi Agro Tbk. V V V 9
15 ALFA Alfa Retailindo Tbk. V X X
16 EPMT Enseval Putra Megatrading Tbk. V V X 17 OKAS Ancora Indonesia Resources Tbk. V V X 18 TRIL Triwira Insan Lestari Tbk. V V X 19 WAPO Wahana Phonix Mandiri Tbk. V V X 20 WICO Wicaksana Overseas Tbk. V X X 21 RALS Ramayana Lestari Sentosa Tbk. V V V 10 22 MTSM Metro Supermarket Realty Tbk. V V X 23 TGKA Toko Gunung Agung Tbk. V V X
24 TRIO Trikomsel Oke Tbk. V V X
25 ACES Ace Hardware Indonesia Tbk. V V X 26 AMRT Sumber Alfaria Trijaya Tbk. V V X
27 ADHI Adhi Karya Tbk. V V V 11
28 MPPA Matahari Putra Prima Tbk. V V X
30 TURI Tunas Ridean Tbk. V V X
31 CTRS Ciputra Urya Tbk. V V X
32 ERTX Eratex Djaja Tbk. V V X
D. Teknik Pengumpulan Data
Penelitian ini menggunakan data kuantitatif dimana data tersebut berupa angka-angka yang diperlukan untuk pengajian penelitian yang nantinya akan diolah untuk mengetahui hubungan antara variabel serta untuk menguji hipotesis yang ada.
Data yang digunakan dalam penelitian ini menggunakan data sekunder, yaitu data laporan keuangan perusahaan dagang yang terdaftar di BEI. Teknik pengumpulan data dilakukan dengan cara dokumentasi atau mengumpulkan data historical yaitu dengan mendownload data dari situs resmi Bursa Efek Indonesia yaitu pada situs www.idx.co.id, berupa ringkasan kinerja emiten tahun 2010-2012. berformat file data elektronik yang dapat dibaca dengan perangkat lunak Foxit Reader Version 1.3 Beta.
E. Defenisi Operasional dan Pengukuran Variabel
Defenisi operasional penelitian ini dapat dijelaskan sebagai berikut :
1. Variabel Independen/ Variabel Bebas
Variabel bebas adalah variable yang tidak dapat dipengaruhi oleh variable lain. Variabel independen penelitian ini adalah sebagai berikut : (X1) Perputaran Piutang
Perputaran piutang adalah rasio yang membandingkan antara penjualan kredit dengan piutang rata-rata yang dimiliki perusahaan.
Rumus sistematis dari Perputaran piutang dapat ditulis sebagai berikut :
Perputaran piutang =
Piutang rata-rata Penjualan kredit
(X2) Perputaran Persediaan
Perputaran persediaan adalah rasio yang membandingkan antara jumlah harga pokok penjualan dengan rata-rata persediaan yang dimiliki oleh perusahaan.
Rumus sistematis dari Perputaran persediaan dapat ditulis sebagai berikut :
Perputaran persediaan =
Rata-rata persediaan
Harga pokok penjulan
2. Variabel Dependen/ Variabel Terikat
Variabel terikat adalah variable yang dapat dipengaruhi oleh variabel lain.
(Y) Rentabilitas Ekonomis
Rentabilitas ekonomis adalah rasio persentase perbandingan antara jumlah laba operasi (= EBIT) dengan modal sendiri dan modal asing yang digunakan (= Total Aktiva).
Secara sistematis Rentabilitas ekonomis dapat ditulis sebagai berikut :
Rentabilitas Ekonomis = Laba Operasi Modal Sendiri + Modal Asing
Tabel 3.3
Defenisi Operasional Variabel
Jenis Variabel Nama Variabel Defenisi Variabel Indikator Skala Pengu kuran Independen Perputaran Piutang rasio yang membandingkan antara penjualan kredit dengan piutang rata-rata yang
dimiliki perusahaan Perputaran Piutang = Piutang Rata-rata Penjualan kredit Rasio Independen Perputaran Persediaan rasio yang membandingkan antara
jumlah harga pokok penjualan dengan
rata-rata persediaan yang dimiliki oleh
perusahaan
Perputaran Persediaan
=
Rata-rata Persediaan Harga pokok penjualan
Dependen Rentabilitas Ekonomis
rasio persentase perbandingan antara Jumlah Laba Operasi dengan Modal Sendiri dan modal Asing yang digunakan (= Total Aset). Rentabilitas Ekonomis = Laba Operasi ModalSendiri+ModalAsing x 100% Rasio
F. Metode Analisis Data
Untuk memperoleh nilai yang tidak bias dan efesien dari model persamaan linear, maka haruslah memenuhi asumsi-asumsi klasik yang mendasari model linear, melalui uji asumsi klasik, setelah data memenuhi asumsi klasik, maka data layak dianalisis lebih lanjut untuk pengujian hipotesis dengan analisis pengujian linear.
1. Uji Asumsi Klasik
Untuk menghasilkan suatu model yang baik, maka analisis regresi harus memenuhi kriteria BLUE ( Best Linier Unbiased Estimator) atau sebagai penaksir yang baik, tidak bias, dan efisien dengan metode kuadran terkecil biasa atau Ordinary Least Square (OLS) terhadap tiga atau lebih variabel yang diamati maka perlu dilakukan pengujian asumsi klasik. Pengujian asumsi klasik tersebut meliputi :
a. Uji Normalitas data
Tujuan uji normalitas menurut Ghozali (2005 : 111) adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Ada beberapa cara yang dapat digunakan untuk melihat normalitas data dalam penelitian ini yaitu :
1. Uji Kolmogorov-Smirnov, dalam uji pedoman yang digunakan dalam pengambilan keputusan yaitu :
a. Jika nilai signifikan < 0.05 maka distribusi data tidak normal b. Jika nilai signifikan > 0.05 maka distribusi data normal Hipotesis yang digunakan :
- Ho : Data residual berdistribusi normal - Ha : Data residual tidak berdistribusi normal
2. Histogram, yaitu pengujian dengan menggunakan ketentuan bahwa data normal berbentuk lonceng (Bell shaped). Data yang baik adalah data yang memiliki pola distribusi normal. Jika data miring ke kanan dan miring ke kiri berarti memberitahukan bahwa data tidak berdistribusi secara normal.
3. Grafik Normality Probablity Plot, ketentuan yang digunakan adalah : - Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal maka model regesi memenuhi asumsi normalitas
- Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas
Uji normalitas dilakukan untuk mengetahui apakah variabel dependen, variabel independen atau keduanya berdistribusi normal, mendekati normal atau tidak (Umar, 2008 : 181). Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini tidak dipenuhi, maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji normalitas dapat dilakukan dengan pendekatan histogram, pendekatan grafik dan uji Kolmogorv-Smirnov. Model regresi yang baik adalah regresi yang berdistribusi normal atau mendekati normal. Dalam pendekatan histogram, variabel berdistribusi normal jika grafik histogram memperlihatkan distribusi data tidak menceng ke kiri atau menceng ke kanan. Dalam pendekatan grafik, variabel berdistribusi normal jika scatterplot menunjukkan titik-titik yang mengikuti data berada di sepanjang garis diagonal. Dalam uji Kolmogorv-Smirnov, variabel berdistribusi normal jika table menunjukkan nilai Asymp. Sig di atas nilai signifikan (0.05). Ada beberapa cara yang dapat dilakukan bila data ternyata tidak menyebar secara normal, antara lain:
1. Melakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma (Log10) atau logaritma natural (Ln)
2. Menambah jumlah data
3. Menghilangkan data yang dianggap sebagai penyebab tidak normalnya data
b. Uji Multikolinieritas
Uji multikolinieritas merupankan suatu keadaan tidak terdapat atau menjadi korelasi linier antara dua atau lebih variable independen. Dengan adanya multikolinieritas maka standar error untuk masing-masing variabel independen tidak dapat di deteksi untuk melihat ada tidaknya gejala multikolenieritas ada model regresi linier berganda yang diajukan, dapat digunakan dengan cara melihat pada Variance Inflatioan Factor (VIF) = 1/(1-r2). Apabila multikolinieritas kurang dari 10 maka tidak terjadi multikolinieritas.
c. Uji Autokorelasi
Pada data time series sering ditemukan adanya masalh autokorelasi. Menurut Ghozali (2005:95) uji autokorelasi menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Metode yang sering digunakan untuk menguji ada tidaknya autokorelasi adalah dengan statistik d dari Durbin-Watson.
Apabila nilai Durbin-Watson terletak antara batas atas Upper Bound dan batas bawah atau Lower Bound maka koefisien autokorelasi dapat disimpulkan. Bila nilai Durbin-Witson lebih rendah dari batas bawah atau Lower Bound maka ada auto korelasi positif. Bila nilai Durbin-Watson lebih besar dari batas atas atau Upper Bound maka tidak ada autokorelasi atau korelasi negatif.
Tabel 3.4
Uji Statistik Durbin –Watson
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
> 2.90 Ada autokorelasi
d. Uji Heterokedastisitas
Menurut Ghozali (2005:111) uji heterokedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu pengamatan dengan pengamatan yang lain. Suatu model regresi yang baik adalah homokedastisitas atau tidak terjadi heterokedastisitas.
Dasar analisis yang dapat digunakan untuk menentukan heterokedastisitas, antara lain:
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, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
2. Analisis Regresi
Penelitian ini menggunakan analisis regresi berganda. Analisis ini digunakan untuk mengukur kekuatan dua variabel atau lebih dan juga menunjukkan arah hubungan antara variabel dependen dengan variabel independen. Adapun rumus dari regresi linier berganda (multiple liner regression) adalah sebagai berikut :
Y =
α
+ β1X1 + β2X2 + e Keterangan :Y = Rentabilizas Ekonomis
α
= Konstanta/intercept β1 & β2 = Koefisien RegresiX1 = Perputaran Piutang
X2 = Perputaran Persediaan
e = Eror (Penggangu)
3. Uji Hipotesis
Pengujian hipotesis pertama diajukan pada penelitian ini yaitu rasio keuangan yang terdiri dari Perputaran Piutang dan Perputaran Persediaan berpengaruh secara simultan dan parsial terhadap Rentabilitas Ekonomis. Pengujian pertama dilakukan dengan pengujian statistik yang terdiri dari :
a. Uji t statistik
Uji t digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat secara parsial atau mandiri. Langkah-langkah dalam uji t adalah :
1. Menentukan tingkat signifikansi
Untuk menentukan tingkat t statistik tabel dapat menggunakan signifikansi 5% dengan derajat kebebasan df = (n-k) dan (k-1). n = jumlah observasi, sedangkan k = jumlah observasi termasuk intersept.
2. Untuk menentukan hipotesis diterima atau ditolak :
Bila nilai signifikansi t < dari 0,05 maka hipotesis diterima. Bila nilai signifikansi t > dari 0,05 maka hipotesis ditolak. b.Uji F statistik
Uji F digunakan untuk menguji pengaruh variabel bebas terhadap variabel terikat secara simultan atau serempak. Tujuannya adalah untuk mengetahui apakah variabel bebas secara bersama-sama mempunyai pengaruh terhadap variabel terikat. Langkah-langkah dalam uji F :
1. Menentukan tingkat signifikansi
Untuk menentukan tingkat F statistik tabel dapat menggunakan tingkat signifikansi 5% dengan derajat kebebasan df = (k-1) dan (n-k). n = jumlah observasi, k = jumlah variabel termasuk interept.
2. Untuk menentukan hipotesis diterima atau ditolak : Bila nilai signifikansi F < 0,05 maka hipotesis diterima. Bila nilai signifikansi F > 0,05 maka hipotesis ditolak. Hipotesa 1
Ho : Tidak ada pengaruh perputaran piutang terhadap rentabilitas ekonomis Ha : Ada pengaruh perputaran piutang terhadap rentabilitas ekonomis.
Hipotesa 2
Ho :Tidak ada pengaruh perputaran persediaan terhadap rentabilitas ekonomis. Ha : Ada pengaruh perputaran persediaan terhadap rentabilitas ekonomis.
Hipotese 3
Ho : Tidak ada pengaruh perputaran piutang dan perputaran persediaan terhadap rentabilitas.
Ha : Ada pengaruh perputaran piutang dan perputaran persediaan terhadap rentabilitas ekonomis.
Analisis statistik dalam penelitian ini dilakukan dengan menggunakan alat bantu berupa program komputer SPSS ( Statistical Package for Social Sciense) versi 15.0 for windows.
4. Uji Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Besarnya koefiesien ini adalah 0 sampoai dengan 1 Nilai R2 yang kecil berarti kemampuan variabel-varabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2005).
BAB IV