HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian
4.1.3. Analisis Regresi dengan Variabel Kontrol Model II
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
4.1.3.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.4.
Gambar 4.4
Grafik Histogram (Data Asli)
Berdasarkan gambar 4.4 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat
normal probability plot dapat dilihat dalam gambar 4.5 berikut:
Gambar 4.5
Normal Probability Plot (Data Asli)
Sumber: Hasil Pengolahan Data SPSS (Maret 2015)
Berdasarkan grafik profitabilitas pada gambar 4.5 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal (garis normal). Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov.
Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 (Ghozali,2007:12).
Tabel 4.8
Uji Kolmogorov-Smirnov
Sumber: Hasil Pengolahan Data SPSS (Maret 2015)
Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov (Data Asli) diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.065 dan nilai Kolmogorov-Smirnov Z sebesar 1.309.
4.1.3.2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor (VIF) dan
Tolerance. Unstandardized Residual N 87 Normal Parametersa,b Mean 0E-7 Std. Deviation .69768164 Most Extreme Differences Absolute .140 Positive .140 Negative -.079 Kolmogorov-Smirnov Z 1.309
Tabel 4.9
Hasil Uji Multikolinearitas Variabel
Collinearity
Statistics Keputusan
Tolerance VIF
LNTS .934 1.071 Tidak terjadi Multikolinearitas CR .468 2.135 Tidak terjadi Multikolinearitas ITA .924 1.082 Tidak terjadi Multikolinearitas DAR .479 2.086 Tidak terjadi Multikolinearitas
Sumber: Hasil Pengolahan Data SPSS (Maret 2015)
Berdasarkan aturan Variance Inflation Factor (VIF) dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau
Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.10 diatas diketahui masing-masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.
4.1.3.3. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Erlina, 2011:106). Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis (Ghozali, 2005:139).
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot
ditunjukkan pada gambar 4.6 berikut:
Gambar 4.6 Grafik Scatterplot
Sumber: Hasil Pengolahan Data SPSS (Maret 2015)
Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan.
4.1.3.4. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya (Ghozali, 2005). Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson (DW test). Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga (4-du), berarti asumsi tidak terjadi autokorelasi terpenuhi. Menurut Nawari (2010:225) adapun kriteria dalam penentuan autokorelasi adalah sebagai berikut :
1) Jika Dw < Dl atau Dw > 4-Dl maka terdapat autokorelasi.
2) Jika Dl < Dw < Du atau 4-Du < Dw < 4-Dl maka status autokorelasi tidak dapat dijelaskan (inconclusive).
3) Jika Du < Dw < 4-Du maka tidak terjadi autokorelasi (Non Autokorelasi).
Tabel 4.10 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa dengan n = 87, K = 1, maka akan diperoleh nilai dl = 1.6258 dan du = 1.6728 dan 4-du = (4 – 1.6728 ) = 2.3272.
Tabel 4.10 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .655a .429 .401 .71450 2.270
a. Predictors: (Constant), DAR, ITA, LNTS, CR b. Dependent Variable: ROA
Berdasarkan hasil pengujian Durbin-Watson dengan menggunakan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.6258< 2.270< 2.3272 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.
4.1.3.5 Model Regresi Berganda
Hasil regresi linear berganda pengaruh ukuran perusahaan yang diukur dengan Total Sales terhadap profitabilitas perusahaan pada perusahaan Manufaktur Barang Konsumsi yang terdaftar di Bursa Efek Indonesia periode 2011-2013 yang ditunjukkan pada tabel 4.11 berikut:
Tabel 4.11 Hasil Analisis Regresi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4.721 1.165 4.052 .000 LNTS .260 .046 .485 5.612 .000 CR -.770 .182 -.516 -4.235 .000 ITA -.082 .115 -.061 -.708 .481 DAR -1.501 .258 -.701 -5.817 .000
c. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS (Maret 2015)
Berdasarkan hasil analisis regresi linear berganda yang digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel dependen. Persamaan regresi dapat dilihat dari tabel hasil uji coefficients. Pada tabel coefficients yang dibaca adalah nilai dalam kolom B pada baris pertama menunjukkan konstanta (a) dan baris selanjutnya menunjukkan konstanta variabel independen. Berdasarkan tabel 4.11 diatas maka model regresi yang digunakan adalah sebagai berikut:
ROA = 4.721 +0.260LNTS – 0.770CR – 0.082ITA – 1.501DAR + e
Dari persamaan regresi tersebut diatas maka dapat dianalisis sebagai berikut:
a. Konstanta sebesar 4.721 menyatakan bahwa jika nilai Ukuran Perusahaan dan Variabel Kontrol (CR, ITA, dan DAR)adalah nol maka Return on Asset adalah 4.721
b. Koefisien regresi Ukuran Perusahaan (Ln Total Sales) sebesar 0.260 menyatakan bahwa apabila variabel Ukuran Perusahaan (Ln Total Sales) ditingkatkan sebesar 1 satuan, maka Return on Asset akan meningkat sebesar 0.260 satuan.
c. Koefisien variabel kontrol Current Ratio sebesar -0.770, yang menjelaskan bahwa variabel Current Ratio merupakan variabel kontrol yang memiliki pengaruh negatif antara ukuran perusahaan yang diukur menggunakan Ln
Total Sales dengan Profitabilitas (ROA).
d. Koefisien variabel kontrol Inventory to Total Asset sebesar -0.082, menjelaskan bahwa variabel Inventory to Total Asset tidak merupakan variabel kontrol dikarenakan nilai signifikansi sebesar 0.920 > 0.05.
e. Koefisien variabel kontrol Debt to Asset Ratio sebesar -1.501, yang menjelaskan bahwa variabel Debt to Asset Ratio merupakan variabel kontrol yang memiliki pengaruh negatif antara ukuran perusahaan yang diukur menggunakan Ln Total Sales dengan Profitabilitas (ROA).
4.1.3.6 Uji Koefisien Determinasi (R2)
Uji koefisien determinasi(R2) ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel dependen (Ghozali, 2005). Koefisien determinasi (R2)dinyatakan dalam persentase. Nilai yang mendeakati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Besarnya nilai koefisien determinasi (R2) dapat dilihat pada tabel 4.12 berikut:
Tabel 4.12 Model Summaryb Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .655a .429 .401 .71450 2.270
a. Predictors: (Constant), DAR, ITA, LNTS, CR b. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS (Maret 2015)
Berdasarkan tabel diatas menunjukkan koefisien korelasi R dan koefisien determinasi (R Square). Nilai R menunjukkan tingkat hubungan antar variabel-variabel independen dengan variabel-variabel dependen. Dari hasil olah data diperoleh nilai koefisien korelasi sebesar 0.655 atau sebesar 65.5% artinya hubungan antara variabel Ukuran Perusahaan yang diukur menggunakan Ln Total Sales terhadap
Return on Asset adalah erat.
Berdasarkan tabel diatas ditunjukkan nilai Adjusted R Square. Dari hasil perhitungan nilai Adjusted R Square sebesar 0.401 atau sebesar 40.1% artinya 40.1% variabel Return on Asset dipengaruhi oleh Ukuran Perusahaan (Ln Total Sales) dengan variabel kontrol berupada Current Ratio, Debt to Asset Ratio, dan Inventory to Total Asset Ratio.
4.1.3.7 Uji Signifikansi Parameter Individual (Uji t)
Uji t dilakukan untuk menguji pengaruh pada masing-masing variabel independen Ukuran Perusahaan (Ln Total Sales) terhadap Return on Asset dengan variabel kontrol Current Ratio, Debt to Asset Ratio, dan Inventory to Total Asset Ratio. Untuk menguji pengaruh parsial tersebut dapat dilakukan dengan cara berdasarkan nilai signifikansi. Jika nilai signifikansi lebih kecil dari 0.05 atau 5% maka hipotesis yang diajukan diterima atau dikatakan signifikan namun apabila nilai signifikansi lebih besar dari 0.05 atau 5% maka hipotesis ditolak atau dikatakan tidak signifikan. Hasil uji t dapat dilihat pada tabel 4.13 berikut:
Tabel 4.13 Hasil Uji t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4.721 1.165 4.052 .000 LNTS .260 .046 .485 5.612 .000 CR -.770 .182 -.516 -4.235 .000 ITA -.082 .115 -.061 -.708 .481 DAR -1.501 .258 -.701 -5.817 .000
d. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS (Maret 2015)
Berdasarkan tabel 4.13, maka hasil regresi berganda dapat menganalisis pengaruh dari variabel Ukuran Perusahaan (Ln Total Sales)terhadap Return on Asset dengan variabel kontrol Current Ratio, Inventory to Asset Ratio, dan Debt to Asset Ratio yaitu:
Harga t hitung yang ada selanjutnya dibandingkan dengan harga t tabel. Untuk kesalahan 5 % uji dua pihak dan dk = n – 4 = 83, maka diperoleh t tabel =
Ho (Hipotesis Nol) : µ = 0 (tidak ada pengaruh) Ha (Hipotesis Alternatif) : µ≠ 0 (ada pengaruh)
Berdasarkan Tabel 4.13 dapat disimpulkan bahwa variabel Ln Total Asset memiliki nilai t hitung sebesar 5.612 dengan signifikansi 0.000 < 0.05 sehingga ukuran perusahaan yang diukur dengan Ln Total Sales memiliki pengaruh positif dan signifikan terhadap Profitabilitas (ROA).
4.2. Pembahasan
Hasil penelitian menggunakan uji analisis regresi dengan variabel kontrol model I (Ln Total Asset) menunjukkan bahwa Ln Total Asset memiliki pengaruh positif dan signifikan terhadap Profitabilitas Perusahaan, di mana hasil analisis regresi menunjukkan nilai thitung sebesar 4.426 > ttabel 1.66342 dan signifikansi 0.000 < 0.05, sedangkan ketiga variabel kontrol yakni Current Ratio, Inventory to Total Asset Ratio, dan Debt to Asset Ratio memiliki pengaruh yang berbeda-beda.
Current ratio dan Debt to Asset Ratio memiliki pengaruh negatif dan signifikan terhadap profitabilitas perusahaan (ROA), atau dengan kata lain, Current ratio
dan Debt to Asset Ratio merupakan variabel kontrol dalam model regresi ini. Sedangkan inventory to asset ratio tidak mampu menjadi variabel kontrol karena nilai signifikansinya 0.920 > 0.05. Hasil penelitian ini sesuai dengan hasil penelitian yang dilakukan oleh John dan Adebayo (2013) yang meneliti mengenai “Effect of Firm Size on Profitability: Evidence from Nigerian Manufacturing Sector” yang menyatakan bahwa “The results of the study revealed that, both in terms of total assets and in terms of total sales, firm size has a positive effect on the profitability of Nigerian manufacturing companies. Meanwhile, on the control
variables, a negative relationship with inventory was obtained”, atau dengan arti bahwa total assets dan total sales mampu mempengaruhi positif dan signifikan terhadap profitabilitas perusahaan.
Hasil penelitian menggunakan uji analisis regresi dengan variabel kontrol model II (Ln Total Sales) menunjukkan bahwa Ln Total Sales memiliki pengaruh positif dan signifikan terhadap Profitabilitas Perusahaan, di mana hasil analisis regresi menunjukkan nilai thitung sebesar 5.612 > ttabel 1.66342 dan signifikansi 0.000 < 0.05, sedangkan ketiga variabel kontrol yakni Current Ratio, Inventory to Asset Ratio, dan Debt to Asset Ratio memiliki pengaruh yang berbeda-beda.
Current ratio dan Debt to Asset Ratio memiliki pengaruh negatif dan signifikan terhadap profitabilitas perusahaan (ROA), atau dengan kata lain, Current ratio
dan Debt to Asset Ratio merupakan variabel kontrol dalam model regresi ini. Sedangkan inventory to asset ratio tidak mampu menjadi variabel kontrol karena nilai signifikansinya 0.481 > 0.05. hasil penelitian ini sesuai dengan hasil penelitian yang dilakukan oleh John dan Adebayo (2013) yang meneliti mengenai “Effect of Firm Size on Profitability: Evidence from Nigerian Manufacturing Sector” yang menyatakan bahwa “The results of the study revealed that, both in terms of total assets and in terms of total sales, firm size has a positive effect on the profitability of Nigerian manufacturing companies. Meanwhile, on the control variables, a negative relationship with inventory was obtained”, atau dengan arti bahwa total asset dan total sales mampu mempengaruhi positif dan signifikan terhadap profitabilitas perusahaan.
BAB V
KESIMPULAN DAN SARAN
