BAB IV HASIL PENELITIAN DAN PEMBAHASAN
3. Uji Asumsi Klasik
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak, dengan membuat hipotesis sebagai berikut:
Ho : data residual terdistribusi normal Ha : data residual terdistribusi tidak normal
Descriptive Statistics 54 -36.48 125.55 8.4352 22.89070 54 -8.38 78.02 1.1476 12.49257 54 .34 113.71 4.8470 15.60092 54 PMK RS LK Valid N (listwise)
-2 0 2 4 6 8
Regression Standardized Residual
0 10 20 30 40 50 Fre qu en cy Mean = 4.68E-17 Std. Dev. = 0.991 N = 54 Dependent Variable: LK Histogram
Santoso (2003:34) memberikan pedoman pengambilan keputusan untuk data-data yang mendekati atau telah terdistribusi secara normal.
1. Apabila nilai signifikansi atau nilai probabilitas > 0.05, maka distribusi data normal.
2. Apabila nilai signifikansi atau nilai probabilitas < 0.05, maka distribusi data tidak normal.
Pengujian normalitas dalam penelitian ini menggunakan dua cara yaitu analisis grafik yang terdiri dari histogram, normal probability plot dan scatterplot.
Hasil uji grafik dalam penelitian ini menunjukkan distribusi residual yang tidak normal, hal ini ditunjukkan grafik histogram yang menceng ke kiri. Normal
probability plot juga menunjukkan hal yang sama dimana titik-titik dalam plot
terlihat menyebar jauh dari garis diagonal baik di atas maupun di bawah garis diagonal.
Histogram
Dependent Variabel: Likuiditas
Gambar 4.1
Uji Normalitas dengan Histogram (1) Sumber: Hasil Olah Statistik, 2011
Grafik histogram diatas menunjukkan bahwa data belum terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data tidak mengikuti garis diagonal yang seharusnya atau data menceng ke kiri. Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan grafik plot sebagai berikut:
Normal P-P Plot of Regression
Standardized Residual
Dependent Variabel: Likuiditas
Gambar 4.2
Uji Normalitas dengan Plot (1) Sumber: Hasil Olah Statistik, 2011
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob 0.0 0.2 0.4 0.6 0.8 1.0 Ex p e c te d C u m Pr o b Dependent Variable: LK
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) menjauhi garis diagonal. Hal ini sejalan dengan hasil pengujian dengan histogram bahwa data belum terdistribusi normal.
Scatterplot
Dependent Variable: Likuiditas
Gambar 4.3
Uji Normalitas dengan Scatterplot (1) Sumber: Hasil Olah Statistik, 2011
-6 -4 -2 0 2
Regression Standardized Predicted Value
0 2 4 6 R e g re s s io n S tu d e n ti z e d R e s id u a l Dependent Variable: LK Scatterplot
Uji normalitas dengan Scatterplot diatas menunjukkan bahwa data belum terdistribusi dengan normal. Ini ditunjukkan dengan data (titik) yang mengumpul di satu bagian atau tidak menyebar, yang menandaan bahwa data belum terdistribusi dengan normal. Hal ini sejalan dengan menggunakan histogram dan grafik normal plot bahwa data belum terdistribusi normal.
Uji Kolmogorov-Smirnov (K-S), hasil dari uji tersebut dapat dilihat pada tabel 4.2.
Tabel 4.2 Uji Normalitas Data
One Sample Kolmogorov-Smirnov Test
Sumber : Hasil Olah Statistik, 2011
Dari tabel 4.2 di atas dapat dilihat bahwa variabel PMK, RS (Perputaran Modal Kerja, Return Spread ) dan LK (Likuiditas) masing-masing memiliki nilai Kolmogorov-Smirnov sebesar 2.255, 1.637 dan 2.839 dan signifikan pada 0.000 dan 0.001, hal ini berarti Ha diterima yang berarti data residual terdistribusi tidak normal.
One-Sample Kolmogorov-Smirnov Test
54 54 54 8.4352 1.1476 4.8470 22.89070 12.49257 15.60092 .307 .223 .386 .307 .217 .369 -.199 -.223 -.386 2.255 1.637 2.839 .000 .009 .000 N Mean Std. Deviation
Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
PMK RS LK
Test distribution is Normal. a.
Calculated from data. b.
Karena residual dalam penelitian ini tidak terdistribusi dengan normal perlu dilakukan tindakan penormalan data. Data yang tidak terdistribusi secara normal dapat ditransfomasi agar menjadi normal (Ghozali, 2003:32).
Tindakan perbaikan yang dilakukan dalam penelitian ini menggunakan transformasi seluruh variabel penelitian dalam bentuk fungsi logaritma 10 (LG10) dalam bentuk grafik histogramnya disebut subtansial positive skewness. Kemudian data diuji kembali berdasarkan asumsi normalitas.
Setelah dilakukan transformasi distribusi residual menjadi relatif normal, hal ini ditunjukkan dari grafik histogram yang tidak terlalu menceng, selain itu
normal probability plot menunjukkan pola titik-titik yang menyebar mendekati
dan searah garis diagonal, hal ini mengindikasikan data sudah relatif lebih normal.
Histogram
Dependent Variable: LGLikuiditas
Gambar 4.4
Uji Normalitas dengan Histogram (2) Sumber: Hasil Olah Statistik, 2011
-2 -1 0 1 2 3 4
Regression Standardized Residual
0 5 10 15 20 Fr eq ue nc y Mean = -3.73E-16 Std. Dev. = 0.989 N = 45
Dependent Variable: LOG10LK Histogram
Normal P-P Plot of Regression
Standardized Residual
Dependent Variable: LGLikuiditas
Gambar 4.5
Uji Normalitas dengan Plot (2)
Sumber: Hasil Olah Statistik, 2011
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob
0.0 0.2 0.4 0.6 0.8 1.0 Ex p e c te d C u m Pr o b
Dependent Variable: LOG10LK
Untuk memastikan lebih akuratnya prediksi asumsi normalitas selanjutnya dilakukan uji Kolmogorov-Smirnov. Uji ini mensyaratkan nilai signifikansi dari residual lebih besar 0.05 agar suatu distribusi residual dianggap normal. Tabel 4.3 menunjukkan hasil uji Kolmogorov-Smirnov:
Tabel 4.3
Uji Normalitas Data (2)
Sumber: Hasil Olah Data Statistik, 2011
Dari keterangan diatas dapat disimpulkan bahwa data bersifat normal dengan kriteria:
• N = 45 berarti jumlah sampel yang diamati ada 45 sampel data.
• Nilai Kolmogorov-Smirnov = 1.212,0.475; 1.459 dengan probabilitas atau p>0.05 pada uji normalitas Kolmogorov-Smirnov. Oleh karena nilai p untuk setiap variabel yang diuji > 0.05 maka diketahui bahwa data variabel adalah normal atau memenuhi syarat uji normalitas. • Jadi dapat disimpulkan bahwa secara keseluruhan distribusi residual
sudah normal.
One-Sample Kolmogorov-Smirnov Test
45 22 54 .8356 .5868 .3065 .44700 .59281 .41753 .181 .101 .199 .181 .101 .199 -.106 -.091 -.116 1.212 .475 1.459 .106 .978 .284 N Mean Std. Deviation
Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
LOG10PMK LOG10RS LOG10LK
Test distribution is Normal. a.
Calculated from data. b.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada tidaknya heteroskedastisitas menurut (Ghozali, 2005:105) dapat dilihat dari grafik scatterplot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka telah terjadi heteroskedastisitas. Sebaliknya jika tidak ada pola yang jelas serta titik-titik yang menyebar maka tidak terjadi heteroskedastisitas.
Hasil dari uji heteroskedastisitas dapat ditunjukkan dalam grafik
scatterplot antara ZPRED dan SRESID sebagai berikut:
Gambar 4.6 Uji Heteroskedastisitas Sumber: Hasil Olah Data Statistik, 2011
-3 -2 -1 0 1 2
Regression Standardized Predicted Value -1 0 1 2 3 Re gr es si on S tu de nt ize d Re si du al
Dependent Variable: LOG10LK Scatterplot
Suatu regresi dikatakan terdeteksi heteroskedastisitas apabila diagram pencar residual membentuk pola tertentu. Tampak pada output diatas, diagram pancar residual tidak membentuk pola tertentu serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. Kesimpulannya, regresi terbebas dari kasus heteroskedastisitas dan memenuhi persyaratan asumsi klasik tentang heteroskedastisitas.
c. Uji Autokorelasi
Ghozali (2005:95) menyatakan bahwa:
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu obsrvasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “gangguan” pada seseorang individu/ kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya.
Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini: Tabel 4.4
Uji Autokorelasi
Sumber: Hasil Olah Data Statistik, 2011
Model Summaryb .710a .503 .437 .38787 2.295 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson Predictors: (Constant), LOG10RS, LOG10PMK
a.
Dependent Variable: LOG10LK b.
Berdasarkan tabel 4.4 diatas, diketahui nilai Durbin-Watson (DW) sebesar 2.295 Jika D-W dibandingkan pada P = 0.05, N = 45, K = 1 didapatkan sebagai berikut: dl = 1.528 dan du = 1.634. Oleh karena itu nilai D-W lebih besar dari nilai du dan lebih kecil dari 4-du atau apabila dirumuskan: du < D-W < 4-du. Maka dapat disimpulkan bahwa tidak terdapat autokorelasi dan model regresi memenuhi syarat asumsi klasik tentang autokorelasi.
Nilai R Square dari output diatas adalah sebesar 0.503. Ini berarti bahwa variabel independen yang terdiri dari Perputaran Modal Kerja, Return spread mampu menjelaskan variasi variabel dependen sebesar 50%. Selebihnya dijelaskan oleh variabel lain yang tidak dimasukkan dalam model regresi dalam penelitian ini.
d. Uji Multikolinearitas
Menurut Erlina dan Mulyani (2007:107) uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Pengujian multikolinearitas dalam penelitian ini dilakukan dengan metode VIF. Menurut Gujarati (2003), jika suatu variabel bebas memiliki nilai VIF < 10 maka dapat disimpulkan bahwa variabel tersebut menunjukkan tidak terjadi multikolinearitas dengan variabel bebas lainnya. Berikut adalah hasil uji multikolinearitas :
Tabel 4.5
Hasil uji Multikolinearitas
Sumber: Hasil Olah Data Statistik, 2011
Hasil penghitungan nilai variance inflation factor menunjukkan ada variabel independen yang memiliki nilai VIF lebih dari 10 yang berarti tidak ada korelasi antara variabel independen. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antara variabel independen dalam model regresi.
4. Analisis Regresi
Dari hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator (BLUE) dan layak dilakukan analisis regresi.
a. Persamaan regresi
Dalam pengelolaan data dengan menggunakan regresi linear dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen den variabel dependen, melalui pengaruh perputaran modal kerja (X1), return spread (X2) terhadap likuiditas (Y). Hasil regresi dapat dilihat pada tabel 4.6 berikut :
Coefficientsa 5.241 2.316 2.263 .028 -.044 .095 -.065 -.466 .643 .998 1.002 -.017 .175 -.013 -.095 .925 .998 1.002 (Constant) PMK RS Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: LK a.
Tabel 4.6 Analisa hasil Regresi
Sumber: Hasil Olah Data Statistik, 2011
Model regresi berdasarkan hasil analisa di atas adalah sebagai berikut : Y = a + b1X1 + b2X2 + e
Dengan :
a (konstanta) = 5.241 b1 (koefisien regresi) =-0,044 b2 (koefisien regresi) = -0,017
maka dapat dilakukan persamaan dalam bentuk logaritma natural : likuiditas = 5.241 + -0,044 perputaran modal + -0,017 return spread + e Interpretasi dari persamaan berikut adalah sebagai berikut :
a = 5.124
nilai konstanta ini menunjukkan bahwa apabila tidak ada variabel perputaran modal kerja, return spread (X=0), maka likuiditas adalah 5,124 Coefficientsa 5.241 2.316 2.263 .028 -.044 .095 -.065 -.466 .643 .998 1.002 -.017 .175 -.013 -.095 .925 .998 1.002 (Constant) PMK RS Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: LK a.
b1= -0,044
koefisien regresi b1 ini menunjukkan bahwa setiap variabel perputaran modal kerja meningkat sebesar satu satuan, maka likuiditas akan meningkat sebesar -04.4%
b2= -0,017
koefisien regresi b2 ini menunjukkan bahwa setiap variabel return spread meningkat sebesar satu satuan, maka likuiditas akan meningkat sebesar -01.7%
b. Analisa koefisien korelasi dan koefisien determinasi
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 diatas 0.5 dan mendekati 1.
Tabel 4.7
Hasil analisa koefisien korelasi dan koefisien determinasi
Sumber: Hasil Olah Data Statistik, 2011
Tabel diatas menunjukkan bahwa nilai koefisien korelasi (R) sebesar 0,710 yang berarti bahwa korelasi atau hubungan antara variabel
Model Summaryb .710a .503 .437 .38787 2.295 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson Predictors: (Constant), LOG10RS, LOG10PMK
a.
Dependent Variable: LOG10LK b.
likuiditas dengan variabel independennya adalah kuat dengan didasarkan pada nilai R yang berada di atas nilai 0,5.
Angka koefisien determinasi (adjusted R square) adalah 0,437. Hal ini berarti 43.7% variasi likuiditas dijelaskan variasi dari variabel independen sedangkan sisanya 56,3% lagi dijelaskan oleh varibel lainnya.
c. Uji Hipotesis 1. Uji t
Hipotesis yang dinyatakan dalam penelitian ini adalah “ada pengaruh tingkat perputaran modal kerja, return spread terhadap tingkat likuiditas pada perusahaan makanan dan minuman yang tercatat di Bursa Efek Indonesia”. Untuk mengetahui apakah variabel independen dalam model regresi mempunyai pengaruh yang nyata (signifikan) terhadap variabel dependen tingkat likuiditas, maka dilakukan pengujian dengan menggunakan uji t.
H1 : perputaran modal kerja dan return spread berpengaruh pada tingkat likuiditas pada perusahaan makanan dan minuman yang terdaftar di BEI.
Uji t dilakukan untuk menbandingkan signifikansi thitung dengan ketentuan : Jika thitung < ttabel dan nilai α > 0.05, maka H1 ditolak
Tabel 4.8
Hasil uji t
Sumber: Hasil Olah Data Statistik, 2011
Dari uji t yang telah dilakukan, diperoleh nilai signifikan untuk variabel independen perputaran modal kerja adalah 0,002 dan nilai ini lebih kecil dari 0,05 yang berarti H1 diterima atau pengaruh perputaran modal kerja berpengaruh singnifikan terhadap likuiditas.
Nilai thitung sebesar 3.827, sementara ttabel adalah 2.021 nilai thitung (3.827) ini lebih besar dari nilai ttabel 2.021 dengan demikian, dapat disimpulkan bahwa H1 diterima atau perputaran modal kerja berpengaruh signifikan terhadap likuiditas. Variabel return spread adalah 0,959 dan nilai ini lebih besar dari 0.05 yang berarti bahwa H1 ditolak. Selain itu dari uji t diatas diperoleh thitung untuk return spread adalah 0,053. Ini tidak berpengaruh signifikan terhadap likuiditas.
Coefficientsa 1.017 .173 5.893 .000 -.668 .175 -.711 -3.827 .002 .958 1.044 .010 .194 .010 .053 .959 .958 1.044 (Constant) LOG10PMK LOG10RS Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF Collinearity Statistics
Dependent Variable: LOG10LK a.
2. Uji F
Tabel 4.9
Hasil Uji F
Data diatas merupakan data uji F yang sudah di transformasi dengan LOG 10 karena data uji F yang tidak di LOG 10 tidak memenuhi kriteria uji f. Dari uji Anova atau F-test diperoleh nilai f hitung sebesar 7.603 dengan tingkat signifikan 0.005. berdasarkan hasil tersebut didapat kesimpulan bahwa variabel perputaran modal kerja dan return spread secara simultan berpengaruh signifikan terhadap variabel likuiditas karena tingkat signifikasi sebesar 0.005 (<0.05). hasil ini diperkuat dengan membandingkan antara nilai f hitung 7.603 yang jauh lebih besar dari F tabel 4.02
B. Pembahasan Hasil Penelitian
Berdasarkan hasil uji F sebelumnya, dapat disimpulkan bahwa variabel independen modal kerja, return spread berpengaruh signifikan terhadap variabel dependen likuiditas, yang ditunjukkan oleh nilai signifikan F (0.005) <0.05. angka koefisien determinasi (adjusted R square) adalah 0.437. hal ini berarti 43.7% variabel dari likuiditas dijelaskan variabel independen sedangkan sisanya 56.3% lagi dijelaskan oleh faktor lainnya.
ANOVAb 2.287 2 1.144 7.603 .005a 2.257 15 .150 4.544 17 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), LOG10RS, LOG10PMK a.
Dependent Variable: LOG10LK b.
Dari pengujian variabel secara parsial didapati bahwa variabel independen, yaitu perputaran modal kerja berpengaruh signifikan positif terhadap variabel dependen yaitu likkuiditas. Nilai signifikan ini didukung oleh nilai thitung sebesar 3.827,> ttabel adalah 2.021. Hasil penelitian ini sejalan dengan pendapat yang dikemukakan oleh I G. K. A. Ulupui, Universitas Udayana (2006)
Sementara variabel Return Spread berpengaruh tatapi tidak signifikan. Hal ini sesuai dengan nilai signifikan t untuk variabel perputaran modal kerja yang lebih kecil dari 0.05
BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
Penelitian ini menguji apakah perputaran modal kerja memiliki pengaruh terhadap likuiditas pada perusahaan makanan dan minuman yang tercatat di Bursa Efek Indonesia. Penelitian ini menggunakan sampel 18 emiten yang listing selama periode 2007-2009.
Berdasarkan hasil penelitian pada bab sebelumnya, kesimpulan yang dapat diambil dari penelitian ini adalah sebagai berikut:
1. Secara simultan variabel independen perputaran modal kerja, return spread dengan variabel dependen tingkat likuiditas pada perusahaan makanan dan minuman yang tercatat di Bursa Efek Indonesia kuat. Hal ini berarti modal kerja, return spread sebagai variabel independen mampu untuk dapat menjelaskan tingkat likuiditas di suatu perusahaan secara signifikan.
2. Secara parsial perputaran modal kerja berpengaruh positif terhadap likuiditas. Artinya apabila tingkat perputaran modal kerja meningkat maka likuiditas juga akan meningkat dan demikian pula sebaliknya. Sedangkan variabel return spread tidak berpengaruh secara signifikan terhadap likuiditas.
3. Tingkat perputaran modal kerja berpengaruh secara signifikan namun hubungannya negatif terhadap tingkat likuiditas suatu perusahaan. Artinya bahwa semakin bertambah nilai penjualan dan semakin berkurang modal
kerja yang menjadi alat ukur dalam menghitung perputaran modal kerja, maka semakin rendah pula tingkat likuiditas suatu perusahaan, yang berarti semakin kecil kemampuan perusahaan untuk memenuhi kewajiban lancar atau kewajiban jangka pendek yang dimilikinya. Demikian juga sebaliknya apabila semakin berkurang nilai penjualan dan semakin bertambah modal kerja yang menjadi alat ukur dalam menghitung perputaran modal kerja, maka semakin tinggi pula tingkat likuiditas suatu perusahaan.
B. Saran
Banyak terdapat keterbatasan dalam penelitian ini, karena penelitian ini hanya menyangkut perusahaan makanan dan minuman selama periode 3 tahun, untuk menilai situasi di Indonesia. Dengan menambah populasi perusahaan dan periodenya barangkali akan didapat data yang lebih akurat. Demikian juga dengan jumlah variabel independen yang terbatas. Apabila jumlah variabel independennya ditambah serta berbagai indikator lainnya, mungkin saja dapat lebih mempengaruhi tingkat likuiditas yang ada.
Likuiditas merupakan variabel peting dalam mendukung kelancaran operasi dan kelangsungan hidup perusahaan. Oleh karena itu pihak manajeman harus senantiasa mampu melakukan pengendalian terhadap likuiditas secara optimal, artinya mampu mengaturr likuiditas perusahaan sedemikian rupa agar kas yang dipegang mampu mengatasi kewajiban-kewajibannya. Disisi lain jumlah kas yang dipegang akan mengurngi kemampuan perusahaan untuk melakukan investasi dan mengurangi kesempatan dalam memperoleh laba.
DAFTAR PUSTAKA
Anggraini, 2008. Analisis Sumber dan Penggunaan Modal Kerja Serta
Pengaruhnya terhadap Tingkat Likuiditas dan Profitabilitas pada PT. Musi Hutan Persada, Muara Enim, Skripsi Jurusan Manajemen
Fakultas Ekonomi, Politeknik Negeri Sriwijaya.
Djarwanto, 2001. Pokok-Pokok Analisa Laporan Keuangan, BPFE-Yogyakarta, Yogyakarta.
Erlina, Sri Mulyani, 2007. Metodologi Penelitian Bisnis : Untuk Akuntansi dan
Manajemen, Cetakan Pertama, USU Press, Medan.
Ghozali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS, Edisi ke-3, Badan Penerbit Universitas Diponegoro, Semarang.
Hanafi, Mamduh M, dan Abdul Halim. 2003. Analisis Laporan Keuangan. UPP AMP YKPN, Yogyakarta.
Harahap Sofyan Syafri, 2004. Analisis Kritis Atas Laporan Keuangan, PT. Raja Garfindo Persada, Jakarta.
Hibatullah, Hikmah, 2008. Analisa Modal kerja dan Siklus Operasi terhadap
Likuiditas Perusahaan. Studi Kasus pada PT Indocement Tunggal Prakarsa, Tbk, PT Semen Gresik (Persero), Tbk dan PT Holcim Indonesia,
Skripsi Jurusan Akuntansi, UPI.
I.G.K.A, Ulupui, 2006. Pengaruh Perputaran Modal Kerja Terhadap Tingkat
Likuiditas Perusahaan (Studi Survei pada Perusahan Telekomunikasi),
Skripsi Jurusan Akuntansi, Universitas Udayana.
Ikatan Akuntan Indonesia, 2007. Standar Akuntansi Keuangan, Salemba Empat, Jakarta.
Jurusan Akuntansi Fakultas Ekonomi Universitas Sumatera Utara, 2004. Buku
Petunjuk Teknis Penulisan Proposal Penelitian dan Penulisan Skripsi Jurusan Akuntansi, Fakultas Ekonomi USU, Medan.
Jogiyanto, 2004. Metodologi Penelitian Bisnis, Edisi Pertama, Cetakan Pertama, BPFE-Yogyakarta, Yogyakarta.
Kuncoro, Mudrajad, 2004. Metode Riset Untuk Bisnis & Ekonomi, Erlangga, Jakarta.
Kim.C.S.David C.Mauer, and Ann E.Sherman. “The Determinant of Coporete liquidity: Theory and Evidance”. Journal of financial and quantitative Analysis. Volume 33, number 3, septermber, pp 335-339.
Kustiadi, listi Aldiyanti, 2006. Faktor-faktor penentu likuiditas perusahaan manufaktur di Bursa Efek Jakarta (BEJ) tahun 200-2004.
Riyanto, Bambang, 2001. Dasar-dasar Pembelanjaan Perusahaan, BPFE- Yogyakarta, Yogyakarta.
Sawir, Agnes, 2005. Analisis Kinerja Keuangan dan Perencanaan Keuangan
Perusahaan, PT Gramedia Pustaka Umum, Jakarta.
Sugiyono, 2004, Metode Penelitian Bisnis, Cetakan keenam, Bandung, Penerbit CV Alvabeta, Bandung.
Suharyadi & Purwanto, 2007. Statistika untuk Ekonomi dan Keuangan Modern, Salemba Empat, Jakarta.
Umar, Husein, 2001. Riset Akuntansi: Metode Riset Sebagai Cara Penelitian
Ilmiah, Gramedia Pustaka Utama, Jakarta.
White, Gerald I.,et al. 2002. The Analysis and Use of Financial Statement, Third Edition. John Wiley & Sons, Inc, USA.
Lampiran i Daftar Sampel Perusahaan Makanan dan Minuman dan komponennya yang tercatat di Bursa Efek Indonesia 2007-2009.
No. Kode Nama Emiten
1 INDF PT. Indofood Sukses Makmur Tbk 2 SMAR PT. Smart Tbk
3 DAVO PT. Davomas Abadi Tbk 4 TBLA PT. Tunas Baru Lampung Tbk 5 MYOR PT. Mayora Indah Tbk
6 ULTJ PT. Ultra Jaya Milk Ybk 7 SIPD PT. Sierad Produce Tbk
8 AQUA PT. Aqua Golden Mississipi Tbk 9 FAST PT. Fast Food Indonesia Tbk 10 MLBI PT. Multi Bintang Indonesia Tbk 11 CEKA PT. Cahaya Kalbar Tbk
12 DLTA PT. Delta Djakarta Tbk 13 STTP PT. Siantar Top Tbk
14 AISA PT. Tiga Pilar Sejahtera Food Tbk 15 PSDN PT. Prasidha Aneka Niaga Tbk 16 SKLT PT. Sekar Laut Tbk
17 ADES PT. Ades Water Indonesia Tbk 18 PTSP PT. Putra Sejahtera Pionnerindo Tbk
Lampiran ii Tabulasi Hasil Rasio Likuiditas Sampel Penelitian
No. Nama Emiten LIKUIDITAS
2007 2008 2009
1. PT. Indofood Sukses Makmur Tbk 0.92 0.88 1.16
2. PT. Smart Tbk 1.72 1.72 1.54
3. PT. Davomas Abadi Tbk 9.27 27.50 113.71
4. PT. Tunas Baru Lampung Tbk 1.81 1.10 1.12
5. PT. Mayora Indah Tbk 1.88 2.19 2.29
6. PT. Ultra Jaya Milk Ybk 2.37 1.81 1.82
7. PT. Sierad Produce Tbk 2.41 2.28 2.02
8. PT. Aqua Golden Mississipi Tbk 7.09 7.82 6.34
9. PT. Fast Food Indonesia Tbk 1.28 1.32 1.54
10. PT. Multi Bintang Indonesia Tbk 0.59 0.94 0.66
11. PT. Cahaya Kalbar Tbk 1.36 7.35 4.89
12. PT. Delta Djakarta Tbk 4.17 3.79 4.70
13. PT. Siantar Top Tbk 1.77 1.23 1.69
14. PT. Tiga Pilar Sejahtera Food Tbk 0.91 0.87 1.17 15. PT. Prasidha Aneka Niaga Tbk 2.22 2.78 1.56
16. PT. Sekar Laut Tbk 1.53 1.71 1.89
17. PT. Ades Water Indonesia Tbk 0.34 0.51 2.48 18. PT. Putra Sejahtera Pionnerindo Tbk 1.46 1.09 1.17
Lampiran iii Tabulasi Hasil Working Capital Turnover Sampel Penelitian
No. Nama Emiten
WORKING CAPITAL TURNOVER
2007 2008 2009
1. PT. Indofood Sukses Makmur Tbk -25.80 -20.01 20.68
2. PT. Smart Tbk 5.12 8.15 8.89
3. PT. Davomas Abadi Tbk 2.34 2.79 0.56
4. PT. Tunas Baru Lampung Tbk 4.19 37.68 26.37
5. PT. Mayora Indah Tbk 5.79 4.27 4.84
6. PT. Ultra Jaya Milk Ybk 3.52 3.79 4.39
7. PT. Sierad Produce Tbk 4.29 5.51 7.46
8. PT. Aqua Golden Mississipi Tbk 4.02 4.04 4.15 9. PT. Fast Food Indonesia Tbk 29.97 125.55 14.22 10. PT. Multi Bintang Indonesia Tbk -6.18 -36.48 -5.55
11. PT. Cahaya Kalbar Tbk 6.74 5.58 4.01
12. PT. Delta Djakarta Tbk 1.33 1.68 1.53
13. PT. Siantar Top Tbk 6.75 12.45 8.28
14. PT. Tiga Pilar Sejahtera Food Tbk -17.24 -10.59 8.33 15. PT. Prasidha Aneka Niaga Tbk 6.69 7.10 7.97
16. PT. Sekar Laut Tbk 8.33 7.52 6.67
17. PT. Ades Water Indonesia Tbk -2.08 -2.31 3.05 18. PT. Putra Sejahtera Pionnerindo Tbk 16.59 78.83 39.73
Lampiran iv Tabulasi Hasil Return Spread Sampel Penelitian