Lampiran 1 Pemilihan Sampel Penelitian
NO Kode
Perusahaan Populasi
Kriteria Sampel
Sampel
1 2 3 4
1 ADES 1 1/ 1/ 1/ − −
2 ADMG 2 1/ 1/ − − −
3 AISA 3 1/ 1/ 1/ − −
4 AKKU 4 1/ 1/ − − −
5 AKPI 5 1/ 1/ 1/ − −
6 ALDO 6 1/ 1/ 1/ − −
7 ALKA 7 1/ 1/ − − −
8 ALMI 8 1/ 1/ 1/ − −
9 ALTO 9 − 1/ − − −
10 AMFG 10 1/ 1/ 1/ − −
11 APLI 11 1/ 1/ 1/ 1/ 1
12 ARGO 12 1/ 1/ − − −
13 ARNA 13 1/ 1/ 1/ 1/ 2
14 ASII 14 1/ 1/ 1/ − −
15 AUTO 15 1/ 1/ 1/ 1/ 3
16 BIMA 16 1/ 1/ 1/ − −
17 BRAM 17 1/ 1/ − 1/ −
18 BRNA 18 1/ 1/ − − −
19 BRPT 19 1/ 1/ − − −
20 BTON 20 1/ 1/ 1/ − −
21 BUDI 21 1/ 1/ 1/ − −
22 CEKA 22 1/ 1/ 1/ − −
23 CNTB 23 − 1/ − − −
24 CNTX 24 1/ 1/ − − −
25 CPIN 25 1/ 1/ 1/ 1/ 4 26 CTBN 26 1/ 1/ 1/ 1/ 5
27 DAVO 27 − − − − −
28 DLTA 28 1/ 1/ 1/ − −
29 DPNS 29 1/ 1/ − 1/ −
30 DVLA 30 1/ 1/ 1/ 1/ 6
31 EKAD 31 1/ 1/ 1/ − −
32 ERTX 32 1/ 1/ 1/ − −
33 ESTI 33 1/ 1/ − − −
34 ETWA 34 1/ 1/ 1/ − −
35 FASW 35 1/ 1/ − − −
36 FPNI 36 1/ 1/ − − −
38 GDY R 38 Ai Ai − − −
39 GGRM 39 Ai Ai Ai Ai 7
40 GJTL 40 Ai Ai Ai − −
41 HDTX 41 Ai Ai − − −
42 HMSP 42 Ai Ai − Ai −
43 ICBP 43 Ai Ai Ai Ai 8
44 IGAR 44 Ai Ai Ai Ai 9
45 IKAI 45 Ai Ai − − −
46 IKBI 46 Ai Ai − Ai −
47 IMAS 47 Ai Ai Ai − −
48 INAF 48 Ai Ai − − −
49 INAI 49 Ai Ai Ai − −
50 INCI 50 Ai Ai − Ai −
51 INDF 51 Ai Ai Ai − −
52 INDR 52 Ai Ai Ai − −
53 INDS 53 Ai Ai Ai Ai 10
54 INKP 54 Ai Ai Ai − −
55 INRU 55 Ai Ai − − −
56 INTP 56 Ai Ai Ai Ai 11
57 IPOL 57 Ai Ai Ai − −
58 ISSP 58 − − − − −
59 ITMA 59 Ai Ai − − −
60 JECC 60 Ai Ai Ai − −
61 JKSW 61 Ai Ai − − −
62 JPFA 62 Ai Ai Ai − −
63 JPRS 63 Ai Ai Ai Ai 12
64 KAEF 64 Ai Ai Ai Ai 13
65 KARW 65 Ai Ai − − −
66 KBLI 66 Ai Ai Ai Ai 14
67 KBLM 67 Ai Ai Ai − −
68 KBRI 68 Ai Ai − Ai −
69 KDSI 69 Ai Ai Ai − −
70 KIAS 70 Ai Ai − Ai −
71 KICI 71 Ai Ai Ai Ai 15
72 KLBF 72 Ai Ai Ai − −
73 KRAH 73 − − − − −
74 KRAS 74 Ai Ai Ai − −
75 LION 75 Ai Ai Ai − −
79 MAIN 79 Ai Ai Ai − −
80 MASA 80 Ai Ai − − −
81 MBTO 81 Ai Ai Ai Ai 18
82 MERK 82 Ai Ai Ai Ai 19
83 MLBI 83 Ai Ai Ai − −
84 MLIA 84 Ai Ai − − −
85 MRAT 85 Ai Ai − Ai −
86 MY OR 86 Ai Ai Ai − −
87 MY RX 87 Ai Ai − Ai −
88 MY TX 88 Ai Ai − − −
89 NIKL 89 Ai Ai Ai − −
90 NIPS 90 Ai Ai Ai − −
91 PAFI 91 Ai − Ai − −
92 PBRX 92 Ai Ai Ai − −
93 PICO 93 Ai Ai Ai − −
94 POLY 94 Ai Ai − − −
95 PRAS 95 Ai Ai Ai − −
96 PSDN 96 Ai Ai Ai − −
97 PTSN 97 Ai Ai − − −
98 PY FA 98 Ai Ai Ai Ai 20
99 RICY 99 Ai Ai Ai − −
100 RMBA 100 Ai Ai − − −
101 ROTI 101 Ai Ai Ai − −
102 SAIP 102 Ai − Ai − −
103 SCCO 103 Ai Ai Ai − −
104 SCPI 104 Ai Ai − − −
105 SIAP 105 Ai Ai − Ai −
106 SIDO 106 − − − Ai −
107 SIMA 107 Ai Ai − − −
108 SIPD 108 Ai Ai Ai − −
109 SKLT 109 Ai Ai Ai − −
110 SMBR 110 − − − − −
111 SMCB 111 Ai Ai Ai Ai 21
112 SMGR 112 Ai Ai Ai Ai 22
113 SMSM 113 Ai Ai Ai Ai 23
114 SOBI 114 Ai Ai − Ai −
115 SPMA 115 Ai Ai − − −
116 SQBI 116 Ai Ai Ai Ai 24
117 SRIL 117 − − − − −
118 SRSN 118 Ai Ai Ai Ai 25
120 STTP 120 Ai Ai Ai Ai 26
121 SULI 121 Ai Ai − − −
122 TBMS 122 Ai Ai − − −
123 TCID 123 Ai Ai Ai − −
124 TIRT 124 Ai Ai − − −
125 TKIM 125 Ai Ai Ai − −
126 TOTO 126 Ai Ai Ai Ai 27
127 TPIA 127 Ai Ai − Ai −
128 TRIS 128 − − − − −
129 TRST 129 Ai Ai Ai Ai 28
130 TSPC 130 Ai Ai Ai Ai 29
131 ULTJ 131 Ai Ai Ai − −
132 UNIC 132 Ai Ai Ai Ai 30
133 UNIT 133 Ai Ai Ai Ai 31
134 UNTX 134 Ai Ai − − −
135 UNVR 135 Ai Ai Ai − −
136 VOKS 136 Ai Ai Ai − −
137 WIIM 137 Ai Ai Ai Ai 32
138 Y PAS 138 Ai Ai Ai − −
Lampiran 2 Jadwal Penelitian
Tahapan Penelitian
Okt' 15
Okt' 15
Nov' 15
Des' 15
Jan' 16 Pengajuan Judul
Lampiran 3
BOXPLOT Sebelum dan Sesudah Penghapusan
Lampiran 4 Curve Fit
LnDAR-LnROA
Model Summa Model R R Square Adjusted R
Square
Std. Error of the
Estimate
1 ,146a ,021 ,005 ,88725
a. Predictors: (Constant), LnDAR
LnLDER-LnROA
Model Summary Model R R Square Adjusted R
Square
Std. Error of the
Estimate
1 ,249a ,062 ,047 ,86859
a. Predictors: (Constant), LnLDER
LnTIER-LnROA
Model Summa
Model R R Square Adjusted R Square
Std. Error of the
Estimate
1 ,707a ,500 ,492 ,63411
a. Predictors: (Constant), LnTIER
LnDAR-LnROE
Model Summa
Model R R Square Adjusted R Square
Std. Error of the
Estimate
1 ,248a ,061 ,046 ,95534
a. Predictors: (Constant), LnDAR
LnLDER- LnROE
Model Summa Model R R Square Adjusted R
Square
Std. Error of the
LnTIER- LnROE
Model Summary Model R R Square Adjusted R
Square
Std. Error of the
Estimate
1 ,708a ,501 ,492 ,69685
a. Predictors: (Constant), LnTIER
LnDAR-LnNPM
Model Summary Model R R Square Adjusted R
Square
Std. Error of the
Estimate
1 ,103a ,011 -,006 ,85783
a. Predictors: (Constant), LnDAR
LnLDER- LnNPM
Model Summary Model R R Square Adjusted R
Square
Std. Error of the
Estimate
1 ,219a ,048 ,032 ,84141
a. Predictors: (Constant), LnLDER
LnTIER- LnNPM
Model Summa Model R R Square Adjusted R
Square
Std. Error of the
Estimate
1 ,642a ,412 ,403 ,66105
Lampiran 5 Manova
[DataSet1]
The default error term in MANOVA has been changed from WITHIN CELLS to WITHIN+RESIDUAL. Note that these are the same for all full factorial designs.
* * * * * * * * A n a l y s i s o f V a r i a n c e * * * * * * * * *
63 cases accepted.
0 cases rejected because of out-of-range factor values. 0 cases rejected because of missing data.
1 non-empty cell.
1 design will be processed.
Adjusted WITHIN CELLS Correlations with Std. Devs. on Diagonal
LnROA LnROE LnNPM
LnROA ,60917
LnROE ,97796 ,62681
LnNPM ,85350 ,84662 ,64930
Statistics for ADJUSTED WITHIN CELLS correlations
Log(Determinant) = -4,44864
Bartlett test of sphericity = 254,31364 with 3 D. F.
Significance = ,000
F(max) criterion = 1,13609 with (3;59) D. F.
Adjusted WITHIN CELLS Variances and Covariances
LnROA LnROE LnNPM
LnROA ,37109
LnROE ,37342 ,39288
LnNPM ,33759 ,34456 ,42159
Adjusted WITHIN CELLS Sum-of-Squares and Cross-Products
LnROA LnROE LnNPM LnROA 21,89418
LnROE 22,03153 23,18021
*** * * * A n a l y s i s o f V a r i a n c e --Design 1 * * * * * EFFECT .. WITHIN CELLS Regression
Adjusted Hypothesis Sum-of-Squares and Cross-Products
LnROA LnROE LnNPM
LnROA 27,17372
LnROE 31,05869 36,13562
LnNPM 23,57389 26,80643 20,49338
Multivariate Tests of Significance (S = 3, M = -1/2, N = 27 1/2)
Test Name Value Approx. F Hypoth. DF Error DF Sig. of F
Pillais ,95742 9,21835 9,00 177,00 ,000
Hotellings 2,42599 15,00523 9,00 167,00 ,000
Wilks ,23564 12,51538 9,00 138,87 ,000
Roys ,66918
Eigenvalues and Canonical Correlations
Root No. Eigenvalue Pct. Cum.Pct. Canon Cor. Sq. Cor 12,02279 83,37971 83,37971 ,81803 ,66918
2,40139 16,54520 99,92491 ,53518 ,28642
3,00182 ,07509 100,00000 ,04264 ,00182
Dimension Reduction Analysis
Roots Wilks L F Hypoth. DF Error DF Sig. of F
1 TO 3 ,235612,51538 9,00 138,87 ,000 2 TO 3 ,712285,36149 4,00 116,00 ,001
3 TO 3 ,99818,10748 1,00 59,00 ,744
EFFECT .. WITHIN CELLS Regression (Cont.) Univariate F-tests with (3;59) D. F.
Variable Sq.Mul.R Adj.R-sq. Hypoth.MS Error MS F Sig. of F LnROA ,55380 ,53111 9,05791 ,3710924,40906 ,000 LnROE ,60921 ,58934 12,04521 ,3928830,65836 ,000 LnNPM ,45172 ,42385 6,83113 ,4215916,20334 ,000
Raw canonical coefficients for DEPENDENT variables Function No.
Variable 1 2 3
LnROA 2,21531 5,51343 -3,33619
LnROE -3,12920 -4,78464 ,65077
Standardized canonical coefficients for DEPENDENT variables Function No.
Variable 1 2 3
LnROA ,97077 4,90484 -2,96793
LnROE -,86072 -4,67992 ,63653
LnNPM ,22274 ,27042 2,55623
Correlations between DEPENDENT and canonical variables Function No.
Variable 1 2 3
LnROA ,83589 ,54869 ,01479
LnROE -,91892 ,39255 ,03854
LnNPM ,74170 ,53932 ,39878
Variance in dependent variables explained by canonical variables
CAN.VAR. Pct Var DEP Cum Pct DEP Pct Var COV Cum Pct COV
1 69,77506 69,77506 46,69204 46,69204
2 24,86737 94,64243 7,12253 53,81457
3 5,35757 100,00000 ,00974 53,82431
Raw canonical
COVARIATE
LnDAR LnLDER LnTIER
coefficients for COVARIATES
Function No.
1 2 3
-,83178 -2,54638 -2,92670 -,43463 -,20767 1,26715 -,77265 ,62970 -,20866
Standardized canonical coefficients for COVARIATES CAN. VAR.
COVARIATE 1 2 3
LnDAR -,38911 -,69202 -,79538
LnLDER -,36051 -,17225 1,05106
LnTIER -,75945 ,61894 -,20509
Correlations between COVARIATES and canonical Variables CAN. VAR.
Covariate 1 2 3
LnDAR -,64712 -,77562 -,31477
LnLDER -,56402 -,46622 ,68156
Variance in covariates explained by canonical variables
CAN. VAR. Pct Var DEP Cum Pct DEP Pct Var COV Cum Pct COV
1 26,95292 26,95292 40,27756 40,27756
2 11,47346 38,42638 40,05811 80,33567
3 ,03576 38,46214 19,66433 100,00000
Regression analysis for WITHIN CELLS error term --- Individual Univariate ,9500 confidence intervals Dependent variable .. LnROA
COVARIATE B Beta Std.Err. t -Value Sig.of t Lower -95% CL- Upper LnDAR ,2041163699 ,0623553374 ,31992 ,63803 ,526 -,43603 ,84427
LnLDER ,2108479553 ,1965921351 ,10488 2,01044 ,049 ,00099 ,42071 LnTIER ,6343950430 ,7009280723 ,07878 8,05225 ,000 ,47675 ,79204
Dependent variable .. LnROE
COVARIATE B Beta Std.Err. t-Value Sig.of t lower -95% CL- Upper LnDAR ,5247766471 ,1458088052 ,32918 1,59421 ,116 -,133911 ,18346 LnLDER ,2789265693 ,2365375444 ,10791 2,58474 ,012 ,06299
,49486 LnTIER ,6971579040 ,7005808819 ,08107 8,59992 ,000 ,53495
,85937
Dependent variable .. LnNPM
COVARIATE B Beta Std.Err. t-Value Sig.of t Lower -95% CL- Upper LnDAR ,0718328891 ,0228216802 ,34099 ,21066 ,834 -,61049 ,75415 LnLDER ,1927329590 ,1868879146 ,11179 1,72414 ,090 -,03095 ,41641 LnTIER ,5534482016 ,6359443845 ,08397 6,59066 ,000 ,38542 ,7214
* * * * * A n a l y s i s o f V a r i a n c e --Design 1 * * * * * EFFECT .. CONSTANT
Adjusted Hypothesis Sum-of-Squares and Cross-Products
LnROA LnROE LnNPM
LnROA 33,44498
LnROE 26,00673 20,22277
LnNPM 34,54113 26,85909 35,67320
Multivariate Tests of Significance (S = 1, M = 1/2, N = 27 1/2)
Test Name Value Exact F Hypoth. DF Error DF Sig. of F
Pillais ,7745465,27120 3,00 57,00 ,000
Hotellings 3,43533 65,27120 3,00 57,00 ,000
Wilks ,2254665,27120 3,00 57,00 ,000
Eigenvalues and Canonical Correlations
Root No. Eigenvalue Pct. Cum. Pct. Canon Cor.
1 3,43533 100,00000 100,00000 ,88008
EFFECT .. CONSTANT (Cont.)
Univariate F-tests with (1;59) D. F.
Variable Hypoth.SS Error SS Hypoth. MS Error MS F Sig.of F LnROA 33,44498 21,89418 33,44498 ,37109 90,12686 ,000 LnROE 20,22277 23,18021 20,22277 ,39288 51,47250 ,000 LnNPM 35,67320 24,87367 35,67320 ,42159 84,61636 ,000
EFFECT .. CONSTANT (Cont.)
Raw discriminant function coefficients Function No.
Variable 1
LnROA 6,13114 LnROE -5,61517 LnNPM ,67484
Standardized discriminant function coefficients Function No.
Variable 1
LnROA 3,73490 LnROE -3,51962 LnNPM ,43817
Estimates of effects for canonical variables Canonical Variable
Parameter 1
1 -8,54841
Correlations between DEPENDENT and canonical variables Canonical Variable
Variable 1
DAFTAR PUSTAKA
Akhtar, S., Javed, B., Maryam, A. dan Sadia, H, 2012. “Relationship between Financial Leverage and Financial Performance: Evidence from Fuel & Energy Sector of Pakistan”, European Journal of Business andManagement, Vol 4, No.11.
Brigham dan Houston, 2006. Dasar – Dasar Manajemen Keuangan, Buku 2, Edisi 10, Salemba Empat, Jakarta.
_____________________ , 2010. Dasar – Dasar Manajemen Keuangan, Buku 1, Edisi 11, Salemba Empat, Jakarta.
Darsono dan Ashari, 2005. Pedoman Praktis Memahami Laporan Keuangan, Penerbit Andi, Yogyakarta.
Indonesia Stock Exchange.2011.laporan keuangan tahunan/detail/softcopy laporan keuangan.www.idx.co.id. 3 Oktober 2014
Indonesia Stock Exchange.2012.laporan keuangan tahunan/detail/softcopy laporan keuangan.www.idx.co.id. 3 Oktober 2014
Indonesia Stock Exchange.2013.laporan keuangan tahunan/detail/softcopy laporan keuangan.www.idx.co.id. 3 Oktober 2014
Keown, Arthur. J. et.al, 2000. Basic Financial Management, Alih Bahasa Chaerul D dan Dwi Sulistyorini, Dasar-Dasar Manajemen Keuangan, Buku 2, Salemba Empat, Jakarta.
Lubis, Ade Fatma dan Adi Syah Putra, 2014. Manajemen Keuangan Sebagai Alat untuk Pengambilan Keputusan, USU Press, Medan.
Mahmoudi, Somayyeh, 2014, “The Effect of Leverage on Cement Industry Profitability”, Jurnal Akuntansi, Vol. 40, hal 673-676.
Pratheepkanth, Puwanenthiren, 2011. “Capital structure and financial performance evidence from selected business companies in Colombo stock exchange Sri Lanka”, Vol. – II, Issue –2.
Priyatno, Duwi, 2009. SPSS untuk Analisis Korelasi, Regresi dan Multivariat,
Putra, Agus Rizky Permana, 2011. ”Pengaruh Struktur Modal dan Modal Kerja Terhadap Profitabilitas (ROE) pada PT. Kalbe Farma Tbk. yang terdaftar di Bursa Efek Indonesia”, Skripsi, Jurusan Akuntansi Fakultas Ekonomi, Universitas Komputer Indonesia, Bandung.
Rehman, Syed Shah Fasih Ur, 2013, “Relationship between Financial Leverage and Financial Performance: Empirical Evidence of Listed Sugar Companies of Pakistan”, Vol.13, Issue-8
Santoso, Singgih, 2014. Statistik Multivariat, PT.Elex Media Komputindo, Jakarta.
Sartono, Agus. 2010. Manajemen Keuangan Teori dan Aplikasi. Edisi Empat. Yogyakarta.
Sawir, Agnes. 2004. Kebijakan Pendanaan dan Restruktrisasi Perusaaan, PT Gramedia Pustaka Utama, Jakarta.
Siregar, Suzanna Lamria, 2005. “Korelasi Kanonikal: Komputasi dengan Menggunakan SPSS dan Interpretasi Hasil Analisis”, Fakultas Ekonomi, Universitas Gunadarma, Jakarta.
Sugiyono, 2007. Metode Penelitian Bisnis, CV Alfabeta, Bandung.
Warsono, 2003. Manajemen Keuangan Perusahaan, Jilid 1, Bayumedia, Malang.
Widyaningrum, Listyarini, 2009. ”Hubungan Antara Leverage Keuangan dengan Tingkat Aktivitas Investasi Perusahaan Manufaktur di Bursa Efek Indonesia”, Skripsi, Jurusan Akuntansi Fakultas Ekonomi, Universitas Sumatera Utara, Medan.
Yahya, Syarief Dienan, 2011. “Analisis Pengaruh Leverage Keuangan Terhadap Profitabilitas Perusahaan Telekomunikasi yang Terdaftar di BEI”, Skripsi,
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Penelitian ini merupakan penelitian eksplanatif asosiatif yang variabelnya
bersifat kausalitas. Penelitian ini bertujuan untuk mengetahui hubungan antara
leverage keuangan dengan profitabilitas perusahaan. Oleh karena itu, penelitian ini termasuk dalam jenis penelitian asosiatif, dimana hubungan antar variabel tersebut
dirumuskan dalam hipotesis penelitian, yang akan diuji kebenarannya (Sugiyono,
2007:7). Dengan demikian penelitian ini bertujuan untuk menguji hipotesis.
(Hypothesis Testing). Adapun variabel yang akan diteliti adalah DAR, LDER, TIER sebagai variabel independen (X1, X2, X3) mempunyai hubungan dengan
ROA, ROE, dan NPM sebagai variabel dependen (Y1, Y2, Y3)
3.2 Tempat dan Waktu Penelitian
Guna memperoleh data yang diperlukan dalam penulisan skripsi yang
berjudul “Hubungan antara Leverage Keuangan dengan Profitabilitas Perusahaan”, maka peneliti mengadakan penelitian pada Perusahaan Manufaktur
yang terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2011-2013 melalui
website resmi www.idx.co.id. Waktu penelitian direncanakan selama 4 (empat)
Variabel yang digunakan oleh peneliti adalah sebagai berikut:
1. Variabel independen (bebas)
Sugiyono (2007:59) memberikan pengertian bahwa variabel
bebas merupakan variabel yang mempengaruhi atau yang menjadi
sebab perubahannya atau timbulnya variabel dependen (terikat) variabel
lain. Variabel independen dalam penelitian ini adalah leverage keuangan. Leverage keuangan merupakan penggunaan dana yang disertai dengan beban tetap (pendanaan dengan utang). Leverage keuangan diukur melalui rasio solvabilitas/pengungkit. Rasio
pengungkit adalah rasio untuk mengetahui kemampuan perusahaan
dalam membayar kewajiban jika perusahaan tersebut dilikuidasi
(Darsono, 2005:54). Rasio leverage keuangan yang digunakan dalam penelitian ini adalah: a. Debt to Asset Ratio (DAR)
Rasio ini menekankan pentingnya pendanaan hutang dengan jalan
menunjukkan persentase aktiva perusahaan yang didukung oleh hutang.
Rasio ini juga menyediakan informasi tentang kemampuan perusahaan
dalam mengadaptasi kondisi pengurangan aktiva akibat kerugian tanpa
mengurangi pembayaran bunga kepada kreditor. Nilai rasio yang tinggi
menunjukkan peningkatan dari risiko pada kreditor. (Darsono, 2005:54).
DAR dapat diukur dengan rumus :
b. Long term Debt to Equity Ratio (LDER)
Rasio ini menujukkan perbandingan antara klaim keuangan jangka
panjang yang digunakan untuk mendanai kesempatan investasi jangka
panjang dengan pengembalian jangka panjang pula (Brigham, 1996:543
dalam Widyaningrum, 2009:26). Rasio ini dapat diukur dengan rumus:
LDER = Total Kewajiban Jangka Panjang Total Ekuitas
c. Time Interest Earned Ratio (TIER)
Rasio ini berguna untuk mengetahui kemampuan laba dalam membayar
biaya bunga untuk periode sekarang. Investor dan kreditor lebih menyukai
rasio yang tinggi karena rasio yang tinggi menunjukkan margin keamanan dari
investasi yang dilakukan (Darsono, 2005:55). Rasio ini dapat diukur dengan
rumus:
TIER = EBIT (Earning Before Interest & Tax) Biaya Bunga
2. Variabel dependen (terikat)
Sugiyono (2007:59) menyatakan bahwa variabel terikat merupakan
variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel
bebas. Variabel dependen dalam penelitian ini adalah profitabilitas
perusahaan. Profitabilitas mencerminkan hasil akhir dari seluruh kebijakan
keuangan dan keputusan operasional perusahaan (Brigham, 2010:146). Rasio
a. Return on Asset (ROA)
Rasio ini menggambarkan kemampuan perusahaan untuk menghasilkan
keuntungan dari setiap satu rupiah aset yang digunakan. Rasio ini juga
memberikan ukuran yang lebih baik atas profitabilitas karena menunjukkan
keefektifan manajemen dalam menggunakan aktivanya untuk memperoleh
pendapatan (Darsono, 2005:57). ROA dapat diukur dengan rumus:
ROA = Laba Bersih Setelah Pajak Total Aktiva
b. Return on Equity (ROE)
Rasio ini berguna untuk mengetahui besarnya kembalian yang
diberikan oleh perusahaan untuk setiap rupiah modal dari pemilik. Semakin
tinggi rasio ini akan semakin baik karena memberikan tingkat kembalian
yang lebih besar pada pemegang saham (Darsono, 2005:57). ROE dapat
diukur dengan rumus:
ROE = Laba Bersih Setelah Pajak Total Ekuitas
c. Net Profit Margin (NPM)
Alat analisis yang dipakai untuk melihat besarnya laba bersih yang diperoleh
perusahaan pada setiap penjualan yang dilakukan. (Darsono, 2005:56). NPM dapat
Secara ringkas, definisi operasional variabel yang digunakan dalam
penelitia ini dapat dilihat pada tabel 3.1 berikut ini:
Tabel 3.1
Definisi Operasional Variabel
No Variabel Konsep Variabel Parameter Skala
1
Debt to Asset Ratio- DAR (X1)
Rasio ini berguna untuk mengetahui persentase aktiva perusahaan yang didukung oleh hutang.
Total Kewajiban DAR = Rasio Total Aktiva 2 Long Term Debt to Equity Ratio-LDER (X2)
Rasio ini berguna untuk mengukur bagian dari modal sendiri yang dijadikan jaminan untuk hutang jangka panjang.
Total Kewajiban Jangka Panjang
LDER = Rasio
Total Ekuitas 3 Time Interest Earned Ratio-TIER (X3)
Rasio ini berguna untuk mengetahui kemampuan laba dalam membayar biaya bunga untuk periode sekarang dengan membandingkan laba sebelum bunga dan pajak terhadap biaya bunga.
EBIT
(Earning Before Interest & Tax)
Rasio TIER = Biaya Bunga 4 Return on Assets-ROA (Y1)
Rasio ini berguna untuk mengetahui kemampuan perusahaan dan keefektifan manajemen untuk
menghasilkan keuntungan dari setiap satu rupiah aset yang digunakan.
Laba Bersih Setelah Pajak
ROA = Rasio
Total Aktiva
5
Return on Equity-ROE (Y2)
Rasio ini berguna untuk mengetahui besarnya kembalian yang diberikan oleh perusahaan untuk setiap rupiah modal dari pemilik.
Laba Bersih Setelah Pajak
Rasio ROE = Total Ekuitas 6 Net Profit Margin- NPM (Y3)
Rasio ini berguna untuk mengetahui besarnya laba bersih yang diperoleh perusahaan pada setiap penjualan yang dilakukan.
Laba Bersih Setelah Pajak
NPM = Rasio
3.4 Populasi dan Sampel Penelitian
Sugiyono (2007:115) memberikan pengertian bahwa, “Populasi adalah
wilayah generalisasi yang terdiri atas : obyek/subyek yang mempunyai kualitas
dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan
kemudian ditarik kesimpulannya”. Populasi dalam penelitian ini adalah perusahaan
manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2011-2013 yaitu
sebanyak 138 perusahaan yang dibagi ke dalam 19 jenis kelompok usaha.
“Sampel adalah bagian dari jumlah karakteristik yang dimiliki oleh
populasi tersebut” (Sugiyono, 2007:116). Teknik penentuan sampel dalam
penelitian ini dilakukan dengan metode purposive sampling, yaitu teknik pengambilan sampel dengan beberapa kriteria tertentu. Adapun kriteria yang
ditentukan oleh peneliti adalah :
1. Perusahaan tersebut terdaftar di BEI dan telah mempublikasikan laporan
keuangannya selama kurun waktu 2011-2013
2. Perusahaan tersebut tidak delisting pada periode pengamatan 3. Perusahaan tersebut tidak merugi selama tahun 2011-2013
4. Proporsi hutang perusahaan tidak melebihi 50% dari total pasivanya.
Berdasarkan kriteria tersebut, peneliti menetapkan sebanyak 32 sampel
perusahaan manufaktur. Tabel 3.2 berikut adalah daftar perusahaan yang terpilih
menjadi sampel penelitian, di mana proses seleksi sampel dapat dilihat pada
Tabel 3.2
Daftar Sampel Penelitian
No Nama Perusahaan
1 APLI (Asiaplast Industries Tbk)
2 ARNA (Arwana Citra Mulia Tbk) 3 AUTO (Astra Auto Part Tbk)
4 CPIN (Charoen Pokphand Indonesia Tbk)
5 CTBN (Citra Turbindo Tbk)
6 DVLA (Darya Varia Laboratoria Tbk)
7 GGRM (Gudang Garam Tbk)
8 ICBP (Indofood CBP Sukses Makmur Tbk)
9 IGAR (Champion Pasific Indonesia Tbk) 10 INDS (Indospring Tbk)
11 INTP ( Indocement Tunggal Prakasa Tbk )
12 JPRS (Jaya Pari Steel Tbk)
13 KAEF (Kimia Farma Tbk)
14 KBLI (KMI Wire and Cable Tbk)
15 KICI (Kedaung Indag Can Tbk)
16 LMSH (Lionmesh Prima Tbk)
17 LPIN (Multi Prima Sejahtera Tbk) 18 MBTO (Martina Berto Tbk)
19 MERK (Merck Tbk)
20 PY FA (Pyridam Farma Tbk)
21 SMCB ( Holcim Indonesia Tbk )
22 SMGR ( Semen Gresik Tbk )
23 SMSM (Selamat Sempurna Tbk)
24 SQBI (Taisho Pharmaceutical Indonesia Tbk)
25 SRSN (Indo Acitama Tbk) 26 STTP (Siantar Top Tbk)
27 TOTO (Surya Toto Indonesia Tbk)
28 TRST (Trias Sentosa Tbk)
29 TSPC (Tempo Scan Pasific Tbk)
30 UNIC (Unggul Indah Cahaya Tbk)
3.5 Jenis Data dan Sumber Data
Jenis data dalam penelitian ini adalah data kuantitatif. Penelitian ini
menggunakan jenis data panel, yakni gabungan antara data runtut waktu (time series) dan data silang (cross section). Bila dilihat dari sumber datanya, penelitian ini menggunakan data sekunder, yaitu Laporan keuangan tahunan dari setiap
perusahaan yang merupakan sampel penelitian tahun 2011-2013 yang diperoleh
dari situs resmi www.idx.co.id dan Indonesian Capital Market Directory (ICMD).
3.6 Metode Pengumpulan Data
Metode pengumpulan data dalam penelitian ini adalah dengan metode
dokumentasi atas data sekunder berupa laporan keuangan masing-masing
perusahaan. Pengumpulan data sekunder diperoleh dari media internet dengan cara
mendownload melalui situs www.idx.co.id serta melalui Indonesian Capital Market Directory untuk memperoleh data mengenai laporan keuangan dari perusahaan sampel yang terpilih untuk tahun 2011-2013.
3.7 Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode
analisis statistik Korelasi Kanonikal (Canonical Correlation) dengan menggunakan software SPSS. Analisis korelasi kanonikal merupakan model statistik multivariate yang digunakan untuk menguji hubungan (korelasi) antara
dua set (himpunan) variabel yang terdiri dari lebih dari satu variabel dependen (set
semua analisis statistika multivariate, analisis korelasi kanonikal didahului dengan
pengujian data dan pengujian asumsi klasik. Langkah-langkah analisis dalam
penelitian ini adalah sebagai berikut:
3.7.1 Uji Data : Data Pencilan (Outlier)
Uji data outlier dilakukan untuk menguji ada tidaknya outlier pada
setiap variabel secara terpisah. Outlier adalah data yang secara nyata
berbeda dengan data-data yang lain (Santoso 2014:32). Dari definisi
tersebut dapat dikatakan bahwa data outlier adalah data yang memiliki
karakteristik unik yang sangat berbeda jauh dari observasi-observasi
lainnya. Uji data outlier dalam statistik multivariat dapat dilakukan dengan
penyajian dalam bentuk BOXPLOT yang akan mendeteksi adanya outlier
dalam tiap variabel. Dalam hal ini peneliti akan melakukan penghapusan
data outlier, agar himpunan data benar-benar bebas dari outlier.
3.7.2 Uji Asumsi Klasik
Uji Asumsi klasik dalam metode statistik multivariat meliputi:Uji
Normalitas, Heteroskedastisitas, Multikolinearitas, dan Linearitas (Siregar,
2006:6). Variabel penelitian yang tidak memenuhi asumsi klasik akan
a. Uji Normalitas
Santoso (2014:43) menyatakan bahwa tujuan uji normalitas data
adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau
mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng
(bell shaped). Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak membelok ke kanan
maupun ke kiri.
Uji normalitas pada multivariat sebenarnya sangat kompleks
karena harus dilakukan pada seluruh variabel secara bersama-sama.
Namun, uji ini bisa juga dilakukan pada setiap variabel, dengan logika
bahwa jika secara individual masing-masing variabel memenuhi asumsi
normalitas, maka secara bersama-sama (multivariat) variabel-variabel
tersebut juga bisa dianggap memenuhi asumsi normalitas.
Dalam pengujian normalitas, peneliti menggunakan analisis grafik
dan analisis statistik. Dalam analisis grafik, dilakukan dengan melihat
grafik histogram dan normal probability plot. Pada grafik histogram dapat diamati apakah grafik membentuk lonceng (bell shaped), tidak condong ke kiri atau ke kanan. Selain itu pada normal probability plot dapat dilihat apakah titik-titiknya menyebar di sepanjang garis diagonal.
Sedangkan dalam analisis statistik, dilakukan dengan alat uji
b.Uji Heteroskedastisitas
Ghozali (dalam Widyaningrum, 2009:29) memberikan definisi
bahwa uji heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan lain. Jika variance sama, dan ini yang
seharusnya terjadi maka dikatakan homoskedastisitas.
Untuk pengujian heteroskedastisitas, peneliti menggunakan alat
analisis grafik (Scatterplot) dan analisis statistik. Pada analisis grafik Scatterplot, deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik plot antara nilai prediksi variabel dependen yaitu
ZPRED dengan residualnya SRESID. Jika tidak ada pola tertentu pada
grafik Scatterplot maka tidak terjadi heteroskedastisitas dengan kata lain
homoskedastisitas.
Sedangkan dengan analisis statistik, uji heteroskedastisitas
dilakukan dengan korelasi Spearman’s rho yaitu mengkorelasikan variabel
independen dengan nilai unstandardized residual. Pengujian menggunakan
tingkat signifikansi 5% dengan uji 2 sisi. Jika korelasi antara variabel
independen >5% maka dapat dikatakan bahwa tidak terjadi masalah
heteroskedastisitas.
c.Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas (independen). Untuk
dari hasil output SPSS dengan melihat nilai tolerance dan Variance
inflation factor (VIF). Nilai yang umum dipakai untuk mendeteksi adanya
gejala multikolineritas adalah Jika Tolerance < 0,1 sedangkan VIF > 10
(Ghozali, 2005:92 dalam Widyaningrum, 2009:29).
d. Uji Linearitas
Linearitas adalah keadaan di mana hubungan antara variabel
dependen dengan variabel independen bersifat linier (garis lurus) dalam
range variabel independen tertentu. (Santoso, 2014:51)
Uji linearitas dalam analisis korelasi kanonikal dilakukan dengan
melakukan analisis korelasi-regresi linear dengan berturut-turut
menggunakan variabel ROA, ROE dan NPM sebagai variabel dependen.
Korelasi dianggap linear dengan memperhatikan nilai R Square pada taraf
nyata 0.01. (Siregar, 2006:8).
3.7.3 Uji Hipotesis
Uji hipotesis penelitian dilakukan dengan model statistika Analisis
Korelasi Kanonikal (Canonical Correlation) yang merupakan model
multivariat dengan mengidentifikasi dan menganalisis hubungan antar set
variabel dependen dengan set variabel independen.
Analisis korelasi kanonikal harus memenuhi beberapa asumsi
klasik, diantaranya: variabel dan tiap-tiap fungsi dalam korelasi kanonikal
fungsi korelasi kanonikal, tidak terjadi heteroskedastisitas, serta
berhubungan secara linear terhadap masing-masing variabel dependen.
Proses Korelasi Kanonik dalam SPSS dilakukan dengan
menggunakan Syntax Editor melalui pembuatan perintah pada SPSS, kemudian dieksekusi (run) untuk menghasilkan output.
Persamaan korelasi kanonial penelitian ini dinyatakan dalam
persamaan berikut:
Y1 + Y2 + Y3 = X1 + X2 + X3 Keterangan:
Set variabel dependen
Set variabel independen
Y1 = ROA (Return on Assets)
Y2 = ROE (Return on Equity)
Y3 = NPM (Net Profit Margin)
X1 = DAR (Debt to Asset Ratio)
X2 = LDER(Long term Debt to Equity Ratio)
X3 = TIER (Time Interest Earned Ratio)
Setelah didapat persamaan korelasi tersebut, maka langkah yang
akan dilakukan dalam analisis korelasi kanonikal selanjutnya adalah: a.
Mendapatkan satu atau lebih fungsi kanonikal dengan melihat tingkat
b. Interpretasi Kanonikal Variate dengan menganalisis fungsi kanonikal yang
telah ditentukan dan menentukan pentingnya masing-masing variabel awal
(original) di dalam hubungan kanonikal. Ada dua metode yang digunakan,
yaitu :
1) Canonical Weight (Bobot Kanonikal)
Variabel yang memiliki angka weight relatif besar (di atas 0,5) dianggap memberikan kontribusi lebih pada variat dan sebaliknya.
2) Canonical Loading (Muatan Kanonikal)
Muatan kanonikal mengukur korelasi linear sederhana antara variabel awal
(original) dalam variabel dependen atau independen dan set canonical variate. Metode ini juga menyatakan korelasi variabel terhadap variat di mana variabel bergabung dalam setiap fungsi kanonikal.
Untuk selanjutnya, output dari ketiga cannonical weight, cannonical
loadings maupun cannonical cross loading dapat diinterpretasikan sebagai
berikut:
a. Koefisien Korelasi
Besaran angka koefisien korelasi menunjukkan kuat atau
lemahnya hubungan antarvariabel yang diteliti.
∑ Besaran koefisien korelasi berada antara -1 s.d 1
∑ Besaran koefisien korelasi -1 & 1 adalah korelasi yang sempurna ∑ Koefisien korelasi 0 dianggap tidak berhubungan antara variabel
b. Arah Hubungan
Tanda dari angka koefisien korelasi menunjukkan arah
hubungan antarvariabel yang diteliti (positif/negatif).
∑ Hubungan positif, untuk koefisin 0 s.d 1
∑ Hubungan negatif, untuk koefisien 0 s.d -1
∑ Tidak berhubungan, untuk koefisien 0
3.8 Jadwal Penelitian
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
Dalam bab ini, peneliti akan memaparkan hasil analisis data yang telah
terkumpul. Hasil analisis bertujuan untuk mengetahui apakah terdapat hubungan
antara leverage keuangan (melalui rasio DAR, LDER dan TIER) dengan
profitabilitas perusahaan (melalui rasio ROA, ROE dan NPM). Analisis data
dilakukan sesuai dengan metode yang telah ditentukan pada bab sebelumnya.
Sebelum memaparkan hasil analisis, peneliti terlebih dahulu menyajikan data
penelitian.
4.1 Data Penelitian
Berikut ini peneliti akan menyajikan data variabel penelitian yang telah
terkumpul dari sumber data yang telah dijelaskan pada bab III. Data variabel
penelitian akan disajikan Tabel 4.1 yang menyajikan variabel penelitian tahun
2011, Tabel 4.2 yang menyajikan variabel penelitian tahun 2012, dan Tabel 4.3
yang menyajikan variabel penelitian tahun 2013 untuk masing-masing
1. Data Variabel Penelitian Tahun 2011
[image:33.612.147.492.186.669.2]Data Variabel Penelitian Tahun 2011 disajikan pada tabel 4.1 berikut ini:
Tabel 4.1
Data Variabel Penelitian Tahun 2011
NO KODE
EMITEN ROA ROE NPM DAR LDER TIER
1 APLI 0,07 0,10 0,07 0,34 0,06 59,64
2 ARNA 0,12 0,20 0,10 0,42 0,19 7,64
3 AUTO 0,16 0,23 0,15 0,32 0,07 9,35
4 CPIN 0,27 0,38 0,13 0,30 0,18 47,77
5 CTBN 0,20 0,35 0,25 0,41 0,14 29,04
6 DVLA 0,13 0,17 0,12 0,22 0,08 435,26
7 GGRM 0,13 0,20 0,12 0,37 0,04 27,03
8 ICBP 0,14 0,19 0,11 0,30 0,14 56,03
9 IGAR 0,16 0,24 0,11 0,18 0,04 117,56
10 INDS 0,11 0,19 0,10 0,45 0,28 5,12
11 INTP 0,20 0,23 0,26 0,13 0,06 185,27
12 JPRS 0,09 0,11 0,06 0,23 0,03 14,52
13 KAEF 0,10 0,14 0,05 0,30 0,07 18,41
14 KBLI 0,06 0,09 0,03 0,34 0,08 27,96
15 KICI 0,01 0,01 0,01 0,26 0,24 0,09
16 LMSH 0,11 0,19 0,05 0,42 0,16 13,29
17 LPIN 0,07 0,10 0,18 0,25 0,04 40,03
18 MBTO 0,08 0,11 0,07 0,26 0,07 12,61
19 MERK 0,40 0,47 0,25 0,15 0,05 660,26
20 PYFA 0,04 0,06 0,03 0,30 0,14 7,07
21 SMCB 0,10 0,14 0,14 0,31 0,23 8,73
22 SMGR 0,20 0,27 0,24 0,26 0,15 177,24
23 SMSM 0,18 0,31 0,12 0,41 0,26 10,44
24 SQBI 0,33 0,40 0,35 0,16 0,03 23,00
25 SRSN 0,07 0,10 0,06 0,30 0,11 9,35
26 STTP 0,05 0,09 0,04 0,48 0,29 7,14
27 TOTO 0,16 0,29 0,16 0,43 0,18 23,20
28 TRST 0,07 0,11 0,07 0,38 0,15 17,51
29 TSPC 0,14 0,19 0,10 0,28 0,06 7,68
30 UNIC 0,02 0,04 0,01 0,49 0,20 2,65
31 UNIT 0,01 0,01 0,02 0,21 0,01 4,65
32 WIIM 0,17 0,46 0,14 0,62 0,18 4,77
Berdasarkan tabel 4.1, dapat disimpulkan bahwa pada tahun 2011, nilai
ROA tertinggi sebesar 0,40 terdapat pada PT. Merck Tbk, sedangkan nilai ROA
terendah sebesar 0,07 terdapat pada PT. Asiaplast Industries Tbk, PT. Multi Prima
Sejahtera Tbk, PT. Indo Acitama Tbk dan PT. Trias Sentosa Tbk. Nilai ROE
tertinggi sebesar 0,47 terdapat pada PT. Merck Tbk, sedangkan nilai ROE
terendah sebesar 0,01 terdapat pada PT. Kedaung Indag Can Tbk dan PT.
Nusantara Inti Corpora Tbk. Nilai NPM tertinggi sebesar 0,35 terdapat pada PT.
Taisho Pharmaceutical Indoneisa Tbk, sedangkan nilai NPM terendah sebesar 0,01
terdapat pada PT. Kedaung Indag Can Tbk dan PT. Unggul Indah Cahaya Tbk.
Nilai DAR tertinggi sebesar 0,62 terdapat pada PT. Wismilak Inti Makmur Tbk,
sedangkan nilai DAR terendah sebesar 0,13 terdapat pada PT. Indocement
Tunggal Prakasa Tbk. Nilai LDER tertinggi sebesar 0,29 terdapat pada PT. Siantar
Top Tbk, sedangkan nilai LDER terendah sebesar 0,01 terdapat pada PT.
Nusantara Inti Corpora Tbk. Nilai TIER tertinggi sebesar 660,26 terdapat pada PT.
Lion Metal Works Tbk , sedangkan nilai TIER terendah sebesar 0,02 terdapat
2. Data Variabel Penelitian Tahun 2012
[image:35.612.145.493.188.701.2]Data Variabel Penelitian Tahun 2012 disajikan pada tabel 4.2 berikut ini:
Tabel 4.2
Data Variabel Penelitian Tahun 2012
NO KODE
EMITEN ROA ROE NPM DAR LDER TIER
1 APLI 0,01 0,02 0,01 0,35 0,08 9,86
2 ARNA 0,17 0,26 0,14 0,35 0,09 19,92
3 AUTO 0,13 0,21 0,14 0,38 0,12 4,78
4 CPIN 0,22 0,33 0,13 0,34 0,25 28,93
5 CTBN 0,13 0,24 0,17 0,47 0,11 30,09
6 DVLA 0,14 0,18 0,14 0,22 0,05 492,88
7 GGRM 0,10 0,15 0,08 0,36 0,04 12,17
8 ICBP 0,13 0,19 0,11 0,33 0,18 53,06
9 IGAR 0,14 0,27 0,08 0,23 0,06 59,88
10 INDS 0,08 0,12 0,09 0,32 0,14 6,14
11 INTP 0,21 0,25 0,28 0,15 0,05 181,25
12 JPRS 0,02 0,03 0,02 0,13 0,03 4,41
13 KAEF 0,10 0,14 0,06 0,31 0,07 41,50
14 KBLI 0,11 0,15 0,06 0,27 0,09 30,75
15 KICI 0,02 0,03 0,02 0,30 0,23 6,23
16 LMSH 0,32 0,42 0,19 0,24 0,06 70,20
17 LPIN 0,10 0,12 0,24 0,22 0,03 12,06
18 MBTO 0,07 0,10 0,06 0,29 0,09 18,76
19 MERK 0,19 0,26 0,12 0,27 0,08 369,76
20 PYFA 0,04 0,06 0,03 0,35 0,22 4,73
21 SMCB 0,11 0,16 0,15 0,31 0,26 16,81
22 SMGR 0,19 0,27 0,25 0,32 0,20 58,99
23 SMSM 0,19 0,33 0,12 0,43 0,19 15,40
24 SQBI 0,34 0,42 0,35 0,18 0,03 198,68
25 SRSN 0,04 0,06 0,04 0,33 0,08 5,17
26 STTP 0,06 0,13 0,06 0,54 0,17 4,67
27 TOTO 0,15 0,26 0,15 0,41 0,20 26,16
28 TRST 0,03 0,05 0,03 0,38 0,14 5,75
29 TSPC 0,14 0,19 0,10 0,28 0,05 44,13
30 UNIC 0,01 0,01 0,01 0,44 0,11 1,96
31 UNIT 0,01 0,01 0,01 0,37 0,01 1,24
32 WIIM 0,06 0,12 0,07 0,46 0,06 4,59
Berdasarkan tabel 4.2, dapat disimpulkan bahwa pada tahun 2012, nilai
ROA tertinggi sebesar 0,34 terdapat pada PT. Taisho Pharmaceutical Indoneisa
Tbk, sedangkan nilai ROA terendah sebesar 0,01 terdapat pada PT. Asiaplast
Industries Tbk, PT. Unggul Indah Cahaya Tbk dan PT. Nusantara Inti Corpora
Tbk. Nilai ROE tertinggi sebesar 0,42 terdapat pada PT. Taisho Pharmaceutical
Indoneisa Tbk, sedangkan nilai ROE terendah sebesar 0,01 terdapat pada PT.
Unggul Indah Cahaya Tbk dan PT. Nusantara Inti Corpora Tbk. Nilai NPM
tertinggi sebesar 0,35 terdapat pada PT. Taisho Pharmaceutical Indoneisa Tbk,
sedangkan nilai NPM terendah sebesar 0,01 terdapat pada PT. Asiaplast Industries
Tbk, PT. Unggul Indah Cahaya Tbk dan PT. Nusantara Inti Corpora Tbk. Nilai
DAR tertinggi sebesar 0,54 terdapat pada PT. Siantar Top Tbk, sedangkan nilai
DAR terendah sebesar 0,13 terdapat pada PT. Jaya Pari Steel Tbk. Nilai LDER
tertinggi sebesar 0,26 terdapat pada PT. Holcim Indonesia Tbk, sedangkan nilai
LDER terendah sebesar 0,01 terdapat pada PT. Nusantara Inti Corpora Tbk. Nilai
TIER tertinggi sebesar 492,88 terdapat pada PT. Darya Varia Laboratoria Tbk ,
sedangkan nilai TIER terendah sebesar 1,24 terdapat pada PT. Nusantara Inti
3. Data Variabel Penelitian Tahun 2013
[image:37.612.146.493.193.705.2]Data Variabel Penelitian Tahun 2013 disajikan pada tabel 4.3 berikut ini :
Tabel 4.3
Data Variabel Penelitian Tahun 2013
NO KODE
EMITEN ROA ROE NPM DAR LDER TIER
1 APLI 0,01 0,01 0,01 0,28 0,08 4,42
2 ARNA 0,21 0,31 0,17 0,32 0,07 66,34
3 AUTO 0,08 0,11 0,10 0,24 0,04 7,70
4 CPIN 0,16 0,25 0,10 0,37 0,35 24,12
5 CTBN 0,14 0,25 0,16 0,45 0,08 30,40
6 DVLA 0,11 0,14 0,11 0,23 0,07 398,76
7 GGRM 0,09 0,15 0,08 0,42 0,04 8,86
8 ICBP 0,11 0,17 0,09 0,38 0,25 16,78
9 IGAR 0,11 0,24 0,05 0,28 0,08 41,57
10 INDS 0,07 0,08 0,09 0,20 0,09 6,72
11 INTP 0,19 0,22 0,27 0,14 0,04 118,97
12 JPRS 0,04 0,04 0,08 0,04 0,04 12,20
13 KAEF 0,09 0,13 0,05 0,34 0,06 30,48
14 KBLI 0,05 0,08 0,03 0,34 0,10 17,15
15 KICI 0,08 0,10 0,07 0,25 0,17 19,14
16 LMSH 0,10 0,13 0,06 0,22 0,03 33,98
17 LPIN 0,04 0,06 0,11 0,27 0,04 8,59
18 MBTO 0,03 0,04 0,03 0,26 0,10 4,76
19 MERK 0,25 0,34 0,15 0,27 0,07 551,62
20 PYFA 0,04 0,07 0,03 0,46 0,35 3,25
21 SMCB 0,06 0,11 0,10 0,41 0,33 9,34
22 SMGR 0,17 0,25 0,22 0,29 0,17 20,76
23 SMSM 0,21 0,35 0,15 0,41 0,17 16,16
24 SQBI 0,35 0,43 0,35 0,18 0,02 319,13
25 SRSN 0,04 0,05 0,04 0,25 0,05 5,49
26 STTP 0,08 0,16 0,07 0,53 0,25 4,78
27 TOTO 0,14 0,23 0,14 0,41 0,21 22,18
28 TRST 0,01 0,02 0,02 0,48 0,30 3,96
29 TSPC 0,12 0,17 0,09 0,29 0,05 44,07
30 UNIC 0,04 0,07 0,02 0,46 0,11 4,51
31 UNIT 0,01 0,01 0,01 0,47 0,02 1,21
32 WIIM 0,11 0,17 0,08 0,36 0,05 12,56
Berdasarkan tabel 4.3, dapat disimpulkan bahwa pada tahun 2013, nilai
ROA tertinggi sebesar 0,35 terdapat pada PT. Taisho Pharmaceutical Indoneisa
Tbk, sedangkan nilai ROA terendah sebesar 0,01 terdapat pada PT. Asiaplast
Industries Tbk, PT. TRIAS SENTOSA Tbk dan PT. Nusantara Inti Corpora Tbk.
Nilai ROE tertinggi sebesar 0,43 terdapat pada PT. Taisho Pharmaceutical
Indoneisa Tbk, sedangkan nilai ROE terendah sebesar 0,01 terdapat pada PT.
Asiaplast Industries Tbk dan PT. Nusantara Inti Corpora Tbk. Nilai NPM tertinggi
sebesar 0,35 terdapat pada PT. Taisho Pharmaceutical Indoneisa Tbk, sedangkan
nilai NPM terendah sebesar 0,01 terdapat pada PT. Asiaplast Industries Tbk, dan
PT. Nusantara Inti Corpora Tbk. Nilai DAR tertinggi sebesar 0,53 terdapat pada
PT. Siantar TOP Tbk, sedangkan nilai DAR terendah sebesar 0,04 terdapat pada
PT. Jaya Pari Steel Tbk. Nilai LDER tertinggi sebesar 0,35 terdapat pada PT.
Pyridam Farma Tbk, sedangkan nilai LDER terendah sebesar 0,02 terdapat pada
PT. Nusantara Inti Corpora Tbk. Nilai TIER tertinggi sebesar 551,62 terdapat pada
PT. MERC Tbk , sedangkan nilai TIER terendah sebesar 1,21 terdapat pada PT.
4.2 Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk
umum atau generalisasi (Sugiyono, 2007:206). Deskripsi suatu data dilihat dari
nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum. Berikut ini
akan dijelaskan hasil statistik deskriptif data keuangan dan variabel penelitian
tahun dari tahun 2011-2013.
1. Total Aktiva
Statistik deskriptif total aktiva dari sampel perusahaan selama periode
[image:39.612.143.499.418.541.2]pengamatan 2011 sampai dengan tahun 2013 disajikan pada tabel 4.4 berikut ini :
Tabel 4.4
Statistik Deskriptif Total Aktiva (dalam jutaan rupiah)
N Minimum Maximum Mean Std. Deviation
2011 32 87419 39088705 4510844,31 8272213,185
2012 32 94955 41509325 5322524,59 9498437,833
2013 32 98295 50770251 6420909,63 11467445,719
Valid N (listwise) 32
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.4 di atas, dapat dilihat bahwa terjadi peningkatan total
aktiva dari tahun 2011 sampai dengan tahun 2013, baik dilihat dari nilai minimum,
2. Total Kewajiban
Statistik deskriptif total kewajiban dari sampel perusahaan selama periode
pengamatan 2011 sampai dengan tahun 2013 disajikan pada tabel 4.5 berikut ini :
Tabel 4.5
Statistik Deskriptif Total Kewajiban (dalam jutaan rupiah)
N Minimum Maximum Mean Std. Deviation
2011 32 23121 14537777 1377422,41 2741927,692
2012 32 28398 14903612 1682273,03 3101740,519
2013 32 14019 21353980 2144622,16 4242915,010
Valid N (listwise) 32
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.5 di atas, dapat dilihat bahwa terjadi peningkatan total
kewajiban dari tahun 2011 sampai dengan tahun 2013, dilihat dari nilai
maksimum, mean dan standar deviasi. Namun, berdasarkan nilai minimum terjadi
penurunan total kewajiban dari tahun 2011-2013.
3. Total Kewajiban Jangka Panjang
Statistik deskriptif total kewajiban jangka panjang dari sampel perusahaan
selama periode pengamatan 2011 sampai dengan tahun 2013 disajikan pada tabel
4.6 berikut ini :
Tabel 4.6
Statistik Deskriptif Total Kewajiban Jangka Panjang (dalam jutaan rupiah)
N Minimum Maximum Mean Std. Deviation
2011 32 3079 2157369 338414,03 564031,476
2012 32 3558 3589024 450059,81 856039,853
Berdasarkan tabel 4.6 di atas, dapat dilihat bahwa terjadi peningkatan total
kewajiban jangka panjang dari tahun 2011 sampai dengan tahun 2013, baik dilihat
dari nilai minimum, maksimum, mean maupun standar deviasi.
4. Total Ekuitas
Statistik deskriptif total ekuitas dari sampel perusahaan selama periode
pengamatan 2011 sampai dengan tahun 2013 disajikan pada tabel 4.7 berikut ini :
Tabel 4.7
Statistik Deskriptif Total Ekuitas (dalam jutaan rupiah)
N Minimum Maximum Mean Std. Deviation
2011 32 57202 24550928 3131465,50 5687628,646
2012 32 66557 26605713 3637781,88 6545547,596
2013 32 73976 29416271 4273727,56 7538926,200
Valid N (listwise) 32
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.7 di atas, dapat dilihat bahwa terjadi peningkatan total
ekuitas dari tahun 2011 sampai dengan tahun 2013, baik dilihat dari nilai
minimum, maksimum, mean maupun standar deviasi.
5. Penjualan
Statistik deskriptif data penjualan dari sampel perusahaan selama periode
Tabel 4.8
Statistik Deskriptif Data Penjualan (dalam jutaan rupiah)
N Minimum Maximum Mean Std. Deviation
2011 32 62958 41884352 4906816,69 8698554,904
2012 32 68736 49028696 5677683,37 10223297,078
2013 32 77231 55436954 6516145,38 11758010,960
Valid N (listwise) 32
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.8 di atas, dapat dilihat bahwa terjadi peningkatan
penjualan dari tahun 2011 sampai dengan tahun 2013, baik dilihat dari nilai
minimum, maksimum, mean maupun standar deviasi.
6. Laba Bersih
Statistik deskriptif data laba bersih dari sampel perusahaan selama periode
pengamatan 2011 sampai dengan tahun 2013 disajikan pada tabel 4.9 berikut ini :
Tabel 4.9
Statistik Deskriptif Laba Bersih (dalam jutaan rupiah)
N Minimum Maximum Mean Std. Deviation
2011 32 356 4958102 692762,41 1281736,690
2012 32 352 4926639 753860,31 1410396,839
2013 32 831 5354299 773831,81 1483688,618
Valid N (listwise) 32
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.9 di atas, dapat dilihat bahwa terjadi peningkatan laba
bersih dari tahun 2011 sampai dengan tahun 2013, baik dilihat dari nilai minimum,
[image:42.612.144.495.450.562.2]7. Laba Sebelum Pajak dan Bunga (EBIT)
Statistik deskriptif data laba sebelum pajak dan bunga (EBIT) dari sampel
perusahaan selama periode pengamatan 2011 sampai dengan tahun 2013 disajikan
[image:43.612.144.498.240.347.2]pada tabel 4.10 berikut ini :
Tabel 4.10
Statistik Deskriptif Laba Sebelum Pajak dan Bunga (EBIT) (dalam jutaan rupiah)
N Minimum Maximum Mean Std. Deviation
2011 32 38 6838642 870159,72 1668207,912
2012 32 3120 6181534 968152,44 1839970,556
2013 32 3528 7062993 1038998,03 1991527,423
Valid N (listwise) 32
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.10 di atas, dapat dilihat bahwa terjadi peningkatan
laba sebelum pajak dan bunga (EBIT) dari tahun 2011 sampai dengan tahun
2013, dilihat dari nilai minimum, mean maupun standar deviasi. Namun
berdasarkan nilai maksimum, terjadi penurunan laba sebelum pajak dan bunga
(EBIT) dari tahun 2011 ke 2012. Setelah itu terjadi peningkatan dari tahun 2012
ke tahun 2013.
8. Beban Bunga
Statistik deskriptif data beban bunga dari sampel perusahaan selama
periode pengamatan 2011 sampai dengan tahun 2013 disajikan pada tabel 4.11
Tabel 4.11
Statistik Deskriptif Beban Bunga (dalam jutaan rupiah)
N Minimum Maximum Mean Std. Deviation
2011 32 274 253002 31099,38 55215,241
2012 32 382 495035 40744,31 90265,041
2013 32 417 755518 64069,69 146140,746
Valid N (listwise) 32
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.11 di atas, dapat dilihat bahwa terjadi peningkatan
beban bunga dari tahun 2011 sampai dengan tahun 2013, baik dilihat dari nilai
minimum, maksimum, mean maupun standar deviasi.
9. Variabel Penelitian
Statistik deskriptif variabel penelitian (DAR, LDER, TIER, ROA ROE dan
NPM) dari sampel perusahaan selama periode pengamatan 2011 sampai dengan
[image:44.612.147.494.473.629.2]tahun 2013 disajikan pada tabel 4.12 berikut ini :
Tabel 4.12
Statistik Deskriptif Variabel Penelitian
N Minimum Maximum Mean Std. Deviation
DAR 96 ,04 ,62 ,3220 ,10396
LDER 96 ,01 ,35 ,1194 ,08505
TIER 96 ,09 660,26 60,2206 123,21439
ROA 96 ,01 ,40 ,1172 ,08237
ROE 96 ,01 ,47 ,1734 ,11468
NPM 96 ,01 ,35 ,1077 ,08016
Valid N (listwise) 96
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
96 (32 perusahaan selama 3 tahun). Dari tabel tersebut, dapat dijelaskan statistik
deskriptif masing-masing variabel, bahwa:
1. Variabel DAR memiliki nilai maksimum sebesar 0.62, nilai minimum
sebesar 0.04, nilai mean (rata-rata) sebesar 0.322, dengan standar deviasi
sebesar 0.10396 dan jumlah sampel sebanyak 96.
2. Variabel LDER memiliki nilai maksimum sebesar 0.35, nilai minimum
sebesar 0.01, nilai mean (rata-rata) sebesar 0.1194, dengan standar deviasi
sebesar 0.08505 dan jumlah sampel sebanyak 96..
3. Variabel TIER memiliki nilai maksimum sebesar 660.26, nilai minimum
sebesar 0.09, nilai mean (rata-rata) sebesar 60.2206, dengan standar deviasi
sebesar 123.21439 dan jumlah sampel sebanyak 96.
4. Variabel ROA memiliki nilai maksimum sebesar 0.40, nilai minimum
sebesar 0.01 nilai mean (rata-rata) sebesar 1.1172, dengan standar deviasi
sebesar 0.08237 dan jumlah sampel sebanyak 96.
5. Variabel ROE memiliki nilai maksimum sebesar 0.47, nilai minimum
sebesar 0.01, nilai mean (rata-rata) sebesar 0.1734, dengan standar deviasi
sebesar 0.11468 dan jumlah sampel sebanyak 96.
6. Variabel NPM memiliki nilai maksimum sebesar 0.35, nilai minimum
sebesar 0.01, nilai mean (rata-rata) sebesar 0.1077, dengan standar deviasi
4.3 Uji Data dan Uji Asumsi Klasik
4.3.1 Uji Data
Uji data dalam penelitian ini adalah uji data pencilan (outlier), uji
data dilakukan dengan BOXPLOT untuk mendeteksi adanya outlier dalam
data penelitian. Peneliti melakukan pembuangan data outlier (trimming) dengan tujuan agar data yang diteliti benar-benar bebas dari outlier.
BOXPLOT sebelum dan setelah penghapusan outlier disajikan
pada lampiran 3. Hasil pendeteksian outlier dari BOXPLOT disajikan pada
[image:46.612.161.478.338.653.2]tabel 4.14 berikut ini :
Tabel 4.13 Hasil Deteksi Outlier
Variabel Nomor Kasus Nilai Kasus
TIER 16, 17, 32, 33, 64, 71, 18, 55, 72 25, 56, 31, 57,
435.26, 492.88, 398.76, 117.56, 185.27, 181.25, 118.97, 660.26, 369.76, 551.62, 177.24, 198.68, 319.13
1, 6, 26 59.64, 66.34, 59.88
22, 32 56.03, 53.06
86, 87 44.13, 44.07
27,38 41.57, 41.50
49 40.03
DAR 36, 94 0.04, 0.62
ROA
47, 55, 70, 71, 72 0.32, 0.40, 0.33, 0.34, 0.35
10 0.27
11 0.11
11 0.22
NPM
32, 70, 71 0.28, 0.35, 0.35
13, 55 0.25, 0.25
50, 66 0.24, 0.22
ROE 94 0.46
10 0.33
4.3.2 Uji Asumsi Klasik
Uji asumsi klasik dalam analisis korelasi kanonikal diperlukan untuk
mengetahui variabel mana yang memenuhi dan tidak memenuhi asumsi
klasik. Uji asumsi klasik juga dilakukan terhadap tiap-tiap fungsi dalam
korelasi kanonikal.
Menurut Ghozali (dalam Widyaningrum, 2009:50), asumsi
normalitas, heteroskedastisitas, multikolinearitas dan linearitas diperlukan
dalam korelasi kanonikal. Pelanggaran terhadap asumsi ini akan
menurunkan korelasi antarvariabel.
4.3.2.1 Uji Normalitas
Uji normalitas dilakukan pada tiap-tiap variabel penelitian untuk
mengetahui variabel mana yang memenuhi dan tidak memenuhi asumsi
normalitas (variabel tersebut terdistribusi secara normal). Uji normalitas
juga dilakukan pada tiap-tiap fungsi dalam korelasi kanonikal untuk
mengetahui apakah model regresi yang digunakan memenuhi asumsi
normalitas. Uji normalitas dilakukan dengan analisis statistik dan analisis
grafik (histogram dan normal probability plot).
Dalam analisis statistik, dilakukan dengan alat uji statistik
Kolmogorov Smirnov. Apabila nilai signifikansi > 0,05, berarti variabel terdistribusi secara normal. Hasil output SPSSnya disajikan dalam tabel
Hasil output SPSS pengujian normalitas sebelum transformasi data
disajikan pada tabel 4.14 berikut ini:
Tabel 4.14
Uji Normalitas Variabel Sebelum Transformasi Data
One-Sample Kolmogorov-Smirnov Test
DAR LDER TIER ROA ROE NPM
N 63 63 63 63 63 63
Normal Mean ,3565 ,1363 12,0725 ,0816 ,1287 ,0729
Parametersa,b Std. Deviation ,08827 ,09145 8,90984 ,05209 ,08743 ,04757
Absolute ,093 ,153 ,176 ,105 ,093 ,118
Most Extreme
Positive ,056 ,153 ,176 ,105 ,093 ,118
Differences
Negative -,093 -,084 -,096 -,085 -,087 -,096
Kolmogorov-Smirnov Z ,737 1,215 1,394 ,834 ,736 ,935
Asymp. Sig. (2-tailed) ,649 ,104 ,041 ,489 ,650 ,346
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan Tabel 4.14, dapat dilihat bahwa variabel yang
terdistribusi secara normal dengan nilai signifikansi di atas 5% adalah
variabel DAR (0.649), LDER (0.104), ROA (0.489), ROE (0.650) dan
NPM (0.346). Sedangkan variabel TIER dapat dikatakan tidak
berdistribusi normal karena nilai signifikansinya berada di bawah 5%,
yaitu 0.041.
Menurut Santoso (2014:47), jika sebuah variabel mempunyai
sebaran data yang tidak normal, maka ada beberapa perlakuan yang
dimungkinkan agar data menjadi normal. Salah satu caranya adalah dengan
Oleh karena itu, peneliti memutuskan untuk melakukan transformasi data
terhadap semua variabel menjadi bentuk Logaritma natural (Ln), agar
variabel-variabel dalam penelitian ini memenuhi asumsi normalitas. Setelah
itu, dilakukan pengujian ulang dengan metode statistik. Hasil output
[image:49.612.125.508.263.458.2]SPSSnya disajikan pada tabel 4.15 berikut ini:
Tabel 4.15
Uji Normalitas Variabel Setelah Transformasi Data
One-Sample Kolmogorov-Smirnov Test
LnDAR LnLDER LnTIER LnROA LnROE LnNPM
N 63 63 63 63 63 63
Mean -1,0651 -2,2697 2,1533 -2,8024 -2,3911 -2,9085 Normal
Parametersa,b Std. ,27177 ,82947 ,98292 ,88962 ,97811 ,85541 Deviation
Absolute ,104 ,091 ,137 ,151 ,155 ,147
Most Extreme
Positive ,066 ,071 ,082 ,106 ,085 ,092
Differences
Negative -,104 -,091 -,137 -,151 -,155 -,147
Kolmogorov-Smirnov Z ,822 ,721 1,086 1,200 1,231 1,170
Asymp. Sig. (2-tailed) ,509 ,676 ,189 ,112 ,097 ,129
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan Tabel 4.16, dapat dilihat bahwa seluruh variabel telah
terdistribusi secara normal karena nilai signifikansinya berada di atas
tingkat kepercayaan 5%, yaitu LnDAR(0.509), LnLDER(0.676),
LnTIER(0.189), LnROA(0.112), LnROE(0.097) dan LnNPM(0.129). Hal
ini menunjukkan bahwa semua variabel dan fungsi kanonikal telah
terdistribusi secara normal.
Selain uji normalitas terhadap variabel secara terpisah, analisis
fungsi dalam korelasi kanonikal. Dalam hal ini, peneliti melakukan uji
normalitas dengan analisis statistik dan grafik pada ke tiga fungsi dalam
korelasi kanonikal sesuai dengan jumlah variabel dependennya. Hasil
output SPSSnya adalah sebagai berikut:
(1) Terhadap variabel dependen ROA
Hasil pengujian normalitas terhadap variabel dependen ROA akan
[image:50.612.191.450.316.529.2]disajikan pada tabel 4.16 berikut ini:
Tabel 4.16
Uji Normalitas LnROA = f(LnDAR,LnLDER,LnTIER)
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 63
Normal Parametersa,b Mean ,0000000
Std. Deviation ,59424910
Absolute ,098
Most Extreme Differences Positive ,044
Negative -,098
Kolmogorov-Smirnov Z ,778
Asymp. Sig. (2-tailed) ,580
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.16, dapat dikatakan bahwa nilai residual dari
fungsi LnROA = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara
normal dengan tingkat signfikansi di atas 5% yaitu 0.580.
Uji normalitas fungsi LnROA = f(LnDAR,LnLDER,LnTIER) juga
dan normal probability plot yang akan disajikan pada gambar 4.2 berikut ini :
[image:51.612.174.446.166.414.2]Gambar 4.1
Grafik Histogram LnROA = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.1, terlihat bahwa grafik histogram fungsi
LnROA = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal.
Gambar 4.2
Normal P-P Plot LnROA = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.2, terlihat bahwa Normal P-P Plot fungsi LnROA = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal.
Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal.
(2) Terhadap variabel dependen ROE
Hasil pengujian normalitas terhadap variabel dependen ROE akan
Tabel 4.17
Uji Normalitas LnROE = f(LnDAR,LnLDER,LnTIER)
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 63
Normal Parametersa,b Mean ,0000000
Std. Deviation ,61145267
Absolute ,080
Most Extreme Differences Positive ,050
Negative -,080
Kolmogorov-Smirnov Z ,636
Asymp. Sig. (2-tailed) ,813
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.17, dapat dikatakan bahwa nilai residual dari
fungsi LnROE = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara
normal dengan tingkat signfikansi di atas 5% yaitu 0.813.
Uji normalitas fungsi LnROE = f(LnDAR,LnLDER,LnTIER) juga
dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.3
Gambar 4.3
Grafik Histogram LnROE = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.3, terlihat bahwa grafik histogram fungsi
LnROE = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal.
Dilihat dari grafiknya yang tidak condong ke kiri atau ke kanan.
Gambar 4.4
Berdasarkan gambar 4.4, terlihat bahwa Normal P-P Plot fungsi LnROE = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal.
Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal.
(3) Terhadap variabel dependen NPM
Hasil pengujian normalitas terhadap variabel dependen NPM akan
[image:55.612.191.444.280.505.2]disajikan pada tabel 4.18 berikut ini:
Tabel 4.18
Uji Normalitas LnNPM = f(LnDAR,LnLDER,LnTIER)
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 63
Normal Parametersa,b Mean ,0000000
Std. Deviation ,63339415
Absolute ,118
Most Extreme Differences Positive ,054
Negative -,118
Kolmogorov-Smirnov Z ,935
Asymp. Sig. (2-tailed) ,347
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.18, dapat dikatakan bahwa nilai residual dari
fungsi LnNPM = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara
normal dengan tingkat signfikansi di atas 5% yaitu 0.347.
Uji normalitas fungsi LnNPM = f(LnDAR,LnLDER,LnTIER) juga
dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.5
Gambar 4.5
Grafik Histogram LnNPM = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.5, terlihat bahwa grafik histogram fungsi
LnNPM = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal.
Dilihat dari grafiknya yang tidak condong ke kiri atau ke kanan.
Berdasarkan gambar 4.6, terlihat bahwa Normal P-P Plot fungsi LnNPM = f(LnDAR,LnLDER,LnTIER) telah terdistribusi secara normal.
Dilihat dari titik-titiknya yang menyebar di sepanjang garis diagonal.
Berdasarkan tabel 4.16–4.18 dan gambar 4.1- 4.6 dapat
disimpulkan bahwa ketiga fungsi dalam korelasi kanonial memenuhi
asumsi normalitas.
4.3.2.2 Uji Heteroskedastisitas
Untuk pengujian heteroskedastisitas, peneliti menggunakan alat
analisis grafik (Scatterplot) dan analisis statistik. Pada analisis grafik
Scatterplot, deteksi ada tidaknya heteroskedastisitas dapat dilakukan
dengan melihat jika tidak ada pola tertentu pada grafik Scatterplot maka
tidak terjadi heteroskedastisitas dengan kata lain homoskedastisitas.
Sedangkan dengan analisis statistik, uji heteroskedastisitas
dilakukan dengan korelasi Spearman’s rho yaitu mengkorelasikan variabel
independen dengan nilai unstandardized residual. Pengujian menggunakan
tingkat signifikansi 5% dengan uji 2 sisi. Jika korelasi antara variabel
independen >5% maka dapat dikatakan bahwa tidak terjadi masalah
heteroskedastisitas.
Uji heteroskedastisitas dalam anaisis korelasi kanonikal dilakukan
pada tiap-tiap fungsi dalam korelasi kanonikal. Oleh karena itu, akan
1) Terhadap Variabel dependen LnROA
Hasil pengujian heteroskedastisitas terhadap fungsi LnROA =
f(LnDAR,LnLDER,LnTIER) dengan analisis statistik korelasi Spearman’s
rho dan analisis grafik Scatterplot dapat dilihat pada tabel 4.19 dan gambar
[image:58.612.120.517.271.518.2]4.7 di bawah ini:
Tabel 4.19
Uji Heteroskedastisitas LnROA = f(LnDAR,LnLDER,LnTIER)
Correlations
LnDAR LnLDER LnTIER Unstandardized
Residual
Spearman's Correlation Coefficient 1,000 ,453** -,131 ,016
rho LnDAR Sig. (2-tailed) . ,000 ,306 ,903
N 63 63 63 63
Correlation Coefficient ,453** 1,000 -,042 -,036
LnLDER Sig. (2-tailed) ,000 . ,742 ,779
N 63 63 63 63
Correlation Coefficient -,131 -,042 1,000 ,095
LnTIER Sig. (2-tailed) ,306 ,742 . ,461
N 63 63 63 63
Correlation Coefficient ,016 -,036 ,095 1,000 Unstandardiz
Sig. (2-tailed)
ed Residual ,903 ,779 ,461 .
N 63 63 63 63
**. Correlation is significant at the 0.01 level (2-tailed). Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.19, dapat dilihat bahwa seluruh variabel
independen memiliki probabilitas signifikansi di atas tingkat kepercayaan
5% yaitu LnDAR(0.903), LnLDER(0.779), dan LnTIER(0.461). Maka
Gambar 4.7
Grafik Scatterplot LnROA = f(LnDAR,LnLDER,LnTIER) Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan gambar 4.7, terlihat bahwa titik-titik menyebar secara
acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y.
Maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada
fungsi LnROA = f(LnDAR,LnLDER,LnTIER).
2) Terhadap Variabel dependen LnROE
Hasil pengujian heteroskedastisitas terhadap fungsi LnROE =
f(LnDAR,LnLDER,LnTIER) dengan analisis statistik korelasi Spearman’s
rho dan analisis grafik Scatterplot dapat dilihat pada tabel 4.20 dan gambar
Tabel 4.20
Uji Heteroskedastisitas LnROE = f(LnDAR,LnLDER,LnTIER) Correlations
LnDAR LnLDER LnTIER Unstandardized
Residual
Spearman's Correlation Coefficient 1,000 ,453** -,131 ,019
rho LnDAR Sig. (2-tailed) . ,000 ,306 ,883
N 63 63 63 63
Correlation Coefficient ,453** 1,000 -,042 -,066
LnLDER Sig. (2-tailed) ,000 . ,742 ,610
N 63 63 63 63
Correlation Coefficient -,131 -,042 1,000 ,011
LnTIER Sig. (2-tailed) ,306 ,742 . ,930
N 63 63 63 63
Correlation Coefficient ,019 -,066 ,011 1,000 Unstandardized
Sig. (2-tailed) ,883 ,610 ,930 .
Residual
N 63 63 63 63
**. Correlation is significant at the 0.01 level (2-tailed). Sumber : Hasil Olah Data SPSS oleh Peneliti, 2014
Berdasarkan tabel 4.20, dapat dilihat bahwa seluruh variabel
independen memiliki probabilitas si