BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang dilakukan dalam penelitian ini merupakan penelitian
sebab-akibat (causal research), yaitu penelitian yang dilakukan untuk
menganalisis hubungan-hubungan antara satu variabel dengan variabel lainnya
atau bagaimana suatu variabel mempengaruhi variabel lainnya (Erlina, 2011 : 21).
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif yang
bersumber dari data sekunder. Data yang digunakan berasal dari laporan keuangan
perusahaan garmen dan tekstil yang listing di Bursa Efek Indonesia selama tahun
2008 hingga 2010, antara lain neraca (balance sheet), laporan laba-rugi (income
statements), dan ratio yang diperoleh melalui media internet, buku serta jurnal
referensi lainnya.
3.2 Populasi dan Sampel
Populasi adalah wilayah generalisasi yang terdiri atas objek / subjek yang
memiliki kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari kemudian ditarik kesimpulannya (Suharyadi dan Purwanto, 2004 : 55).
Target populasi dalam penelitian ini adalah perusahaan garmen dan tekstil yang
terdaftar dan tidak keluar (delisting) di Bursa Efek Indonesia pada periode 2008
sampai 2010. Perusahaan-perusahaan ini juga diharapkan memiliki laporan
keuangan publikasi yang lengkap hingga pada tahun yang bersangkutan serta data
sesuai dengan kriteria yang diteliti baik variabel independen maupun variabel
dependen.
Sampel adalah bagian populasi yang digunakan untuk memperkirakan
karakteristik populasi (Erlina dan Mulyani, 2007 : 74). Teknik pengambilan
sampel dalam penelitian ini dilakukan dengan menggunakan pendekatan Non-
Probability Sample (Selected Sample) melalui metode Purposive Sampling.
Purposive sampling merupakan teknik pengambilan sampel secara sengaja dengan
kriteria tertentu.
Pada penelitian ini, dari perusahaan garmen dan tekstil yang terdaftar di
Bursa Efek Indonesia dan tidak delisting sejak tahun 2008 hingga 2010, hanya
terdapat 10 perusahaan dari 25 perusahaa yang dinilai layak untuk dijadikan
sampel penelitian. Hal ini terjadi karena pertimbangan-pertimbangan tertentu
yaitu:
a. perusahaan garmen dan tekstil yang sudah terdaftar di Bursa Efek
Indonesia sebelum 1 Januari 2008
b. Perusahaan tersebut mempublikasikan laporan keuangannya secara
lengkap di Bursa Efek Indonesia dan tidak keluar (delisting) selama
periode 2008 hingga 2010.
c. Perusahaan tersebut dinilai layak dan memiliki data yang cukup untuk
Tabel 3.1
Daftar Emitten BEI yang Menjadi Sampel Penelitian
NO KODE Nama Perusahaan
1 ADMG PT Polychem Indonesia Tbk.
2 ARGO PT Argo Pantes Tbk.
3 BATA PT Sepatu Bata Tbk
4 BIMA PT Primarindo Asia Infrastructure Tbk
5 CNTB PT Centex Tbk – Saham Seri B.
6 CNTX PT Century Textile Industry (CENTEX) Tbk.
7 DOID PT Delta Dunia Petroindo Tbk
8 ERTX PT Eratex Djaya Tbk.
9 ESTI PT Ever Shine Textile Industry Tbk.
10 FMII PT Fortune Mate Indonesia Tbk
11 HDTX PT Pan Asia Indosyntec Tbk.
12 INDR PT Indo Rama Synthetic Tbk.
13 KARW PT Karwell Indonesia Tbk.
14 MYRX PT. Hanson International Tbk
15 MYTX PT Apac Citra Centertex Tbk.
16 PAFI PT Pan Asia Filament Inti Tbk.
17 PBRX PT Pan Brothers Tbk.
18 POLY PT Asia Pasific Fibers Tbk.
19 RICY PT Ricky Putra Globalindo Tbk.
20 SIMM PT Surya Intrindo Makmur Tbk
21 SRSN PT Indo Acidatama Tbk.
22 SSTM PT Sunson Textile Manufacturer Tbk.
23 TFCO Tifico Fiber Indonesia Tbk.
24 UNIT PT Nusantara Inti Corpora Tbk.
3.3 Batasan Operasional
Adapun hal yang menjadi batasan operasional penelitian penulis, yaitu:
a. Subjek dalam penelitian ini adalah perusahaan garmen dan tekstil yang
terdaftar di Bursa Efek Indonesia (BEI).
b. Data laporan keuangan yang digunakan adalah laporan keuangan
perusahaan garmen dan tekstil yang terdaftar di Bursa Efek Indonesia
pada tahun 2008 hingga 2010.
c. Penelitian ini dilakukan untuk melihat pengaruh modal kerja bersih
terhadap tingkat rentabilitas usaha dengan analisis regresi berganda,
yang dilakukan dengan menggunakan alat bantu program SPSS versi
16.0 for window (Statistic Product and Social Sciences).
3.4 Defenisi Operasional
Berdasarkan masalah dan hipotesis yang akan diuji, parameter yang
digunakan adalah sebagai berikut:
a. Variabel Terikat (dependent variable)
Variabel dependen dalam penelitian ini adalah Return on Equity
(ROE) atau sering juga disebut dengan tingkat pengembalian modal
sendiri.
Return on Equity (ROE) =
Laba Setelah Pajak
b. Variabel Bebas (independent variable)
1) Perputaran kas (cash turnover)
Perputaran kas menunjukkan bagaimana kas dan setara kas
yang diinvestasikan dalam operasional perusahaan khususnya
yang dikaitkan dengan penjualan dapat kembali dikonversi
menjadi kas kembali dalam satu periode. Analisis perputaran
kas menunjukkan seberapa cepat kas dan setara kas yang
diinvestasikan dalam kegiatan operasional dapat dikonversi
kembali menjadi kas melalui hasil penjualan perusahaan. Rasio
ini dihitung dengan :
Perputaran kas (cash turnover) = Penjualan
Rata-rata kas dan setara kas
2) Perputaran piutang usaha ( account receivable turnover)
Perputaran piutang usaha mempunyai hubungan yang erat
dengan jumlah penjualan kredit. Rasio perputaran piutang
usaha (account receivable turnover) memberikan pandangan
mengenai kualitas piutang perusahaan dan seberapa berhasil
perusahaan dalam menagih piutangnya dalam satu periode.
Rasio ini dihitung dengan :
Perputaran piutang usaha = Penjualan
3) Perputaran persediaan (inventory turnover)
Perputaran persediaan menunjukkan berapa kali persediaan
barang berputar selama satu periode tertentu. Tingkat
persediaan ini dihitung dengan membagi harga pokok
penjualan dengan persediaan, atau dengan rumus :
Perputaran persediaan = Harga pokok penjualan
Rata-rata persediaan
Besarnya tingkat perputaran persediaan tergantung pada sifat
barang, letak, dan jenis perusahaan. Tingkat perputaran
persediaan yang rendah dapat disebabkan over investment
dalam persediaan. Sebaliknya tingkat perputaran persediaan
yang tinggi menunjukkan dana yang diinvestasikan pada
persediaan efektif menghasilkan laba.
4) Perputaran kewajiban lancar (current liabilities turnover)
Perputaran kewajiban lancar digunakan untuk mengukur berapa
kali kewajiaban lancar dibayar setiap tahunnya dengan tepat
waktu. Tingkat perputaran utang lancar dapat dihitung dengan
rumus:
Perputaran hutang lancar = Penjualan
5) Perputaran modal kerja bersih (Net Working capital turnover)
Net Working capital turnover (NWCT) yaitu rasio yang
memperlihatkan adanya keefektifan modal kerja dalam
pencapaian penjualan. Perputaran modal kerja bersih
dirumuskan dengan :
Net Working capital turnover = Penjualan
Rata-rata modal kerja bersih
3.5 Tempat dan Waktu Penelitian
a. Tempat Penelitian
Penelitian dilakukan dengan menggunakan situs
b. Waktu Penelitian
Penelitian dilaksanakan sejak Maret 2013 sampai dengan Mei 2013.
3.6 Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini dilakukan dengan studi
dokumentasi, yaitu dengan mempelajari, mengklasifikasikan, dan menganalisis
data sekunder yang terkait dengan lingkup penelitian ini. Data tersebut diperoleh
dari laporan keuangan perusahaan garmen dan tekstil yang terdaftar di Bursa Efek
Indonesia (BEI) pada tahun 2008 sampai dengan tahun 2010 dan dari Indonesian
Capital Market Directory (ICMD).
Pengumpulan data dilakukan melalui studi pustaka berupa literatur, jurnal,
diteliti serta mengumpulkan data sekunder yang diperlukan yaitu laporan-laporan
keuangan yang dipublikasikan oleh Bursa Efek Indonesia. Laporan keuangan
publikasi ini diperoleh dari internet melalui situs
setiap tahunnya. Sedangkan untuk data mengenai harga saham dapat dilihat dan
didownload dari situs
3.7 Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode
analisis deskriptif dan metode analisis statistik sebagai berikut:
3.7.1 Metode Analisis Deskriptif
Metode analisis deskriptif adalah suatu metode analisis dimana data
yang dikumpulkan dan digolongkan kemudian dianalisis dan
diinterpretasikan secara obyektif.
3.7.2 Metode Regresi Berganda
Analisis regresi berganda digunakan untuk mengetahui pengaruh dari
perputaran kas, perputaran piutang usaha, perputaran persediaan,
perputaran kewajiban lancar, perputaran modal kerja bersih terhadap
rentabilitas usaha (ROE). Persamaan regresi berganda yang dipakai
adalah sebagai berikut:
Keterangan:
Y = Rentabilitas Usaha (ROE)
a = konstanta
b1, b2, b3, b4, b5 = Parameter koefisien regresi
X1 = Perputaran kas
X2 = Perputaran piutang usaha
X3 = Perputaran persediaan
X4 = Perputaran kewajiban lancar
X5 = Perputaran Modal Kerja Besih
e = Pengganggu
Adapun syarat uji normalitas atau uji asumsi klasik yang harus
dipenuhi model regresi berganda sebelum data tersebut dianalisis
adalah sebagai berikut:
a. Pengujian Normalitas
Uji normalitas atau distribusi normal dilakukan untuk
mengetahui apakah dalam suatu model regresi, variabel
independen, variabel dependen, atau keduanya berdistribusi normal
atau tidak. Model regresi yang baik adalah memiliki distribusi
normal atau mendekati normal.
Salah satu cara termudah untuk melihat normalitas adalah
observasi dengan distribusi yang mendekati distribusi normal dan
dengan melakukan pendekatan grafik.
Pada pendekatan histogram, uji normalitas data dapat
dilihat dengan kurva normal, yakni kurva yang memiliki ciri-ciri
khusus, salah satu diantaranya adalah bahwa mean, mode dan
median berada pada tempat yang sama. Jika ketiga tendensi sentral
tersebut tidak berada pada satu tempat, maka kurva tersebut juling
ke kiri atau ke kanan. Ukuran kemiringan puncak kurva ke kiri atau
ke kanan tersebut dikenal dengan istilah kemiringan kurva
(skewness).
Selain uji normalitas menggunakan pendekatan histogram,
uji normalitas dapat juga dilihat dengan menggunakan pendekatan
grafik. Menurut Ghozali (2005 : 110), “cara untuk mendeteksi
apakah residual berdistribusi normal atau tidak ada dua, yaitu
analisis grafik dan analisis statistik. Normalitas dapat dideteksi
dengan melihat penyebaran data (titik) pada sumbu diagonal dalam
grafik dan dengan melihat histogram dari residualnya”. Dasar
pengambilan keputusannya adalah:
a) Jika data menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal atau grafik histogramnya
menunjukkan pola berdistribusi normal, maka model
b) Jika data menyebar jauh dari diagonal dan tidak
mengikuti arah garis diagonal atau grafik histogramnya
tidak menunjukkan data berdistribusi normal, maka
model regresi tidak memenuhi asumsi normalitas.
Grafik PP plot akan membentuk plot antara nilai-nilai
teoritis (sumbu x) melawan nilai-nilai yang didapat dari sampel
(sumbu y). Apabila plot dari keduanya berbentuk linier (dapat
didekati oleh garis lurus), maka hal ini merupakan indikasi bahwa
residual menyebar normal.
Namun perlu diketahui, bahwa uji normalitas residual
dengan grafik dapat menyesatkan apabila tidak hati-hati
memperhatikan grafik secara visual. Karena secara visual, grafik
bisa kelihatan normal. Oleh karena itu, untuk melengkapi uji
normalitas dengan metode grafik dilakukan juga uji statistic
lainnya yang dapat digunakan untuk menguji normalitas residual.
Uji statistic lainnya yang dapat digunakan untuk
melengkapi uji normalitas dengan pendekatan histogram dan grafik
adalah uji statistic non-parametrik Kolmogrov-Smirnov (K-S). Uji
K-S dibuat dengan menggunakan hipotesis:
Ho : data residual tidak berdistribusi normal
H1
Bila signifikansi <0,05 dengan α = 5% berarti distribusi
>0,05 berarti distribusi data normal dan H1
a) Dengan melakukan transformasi data ke bentuk lain,
yaitu: logaritma natural, akar kuadrat, atau logaritma 10 diterima. Jika data
tidak normal, ada beberapa cara mengubah model regresi menjadi
normal menurut Jogiyanto (2004 : 172), yaitu:
b) Lakukan trimming, yaitu memangkas observasi yang
bersifat outlier.
c) Lakukan winsorizing, yaitu mengubah nilai-nilai data
outlier menjadi nilai-nilai minimum atau maksimum
yang diizinkan supaya distribusinya menjadi normal.
b. Uji Multikolineritas
Interpensi dari persamaan regresi ganda secara implisit
bergantung pada asumsi bahwa variabel-variabel independen
dalam persamaan tersebut tidak saling berkorelasi.
Koefisien-koefisien regresi biasanya diinterpretasikan sebagai ukuran
perubahan variabel dependen jika salah satu variabel
independennya naik sebesar satu unit dan seluruh variabel
independen lainnya dianggap tetap. Namun interpretasi ini menjadi
tidak benar jika terdapat hubungan linear antar variabel
independen.
Uji multikolineritas diperlukan untuk mengetahui ada
model. Hubungan linear antar variabel independen inilah yang
disebut multikolineritas. Model regresi yang baik seharusnya tidak
terjadi korelasi di antara variabel independen. Salah satu cara untuk
mendeteksi multikolineritas menurut Ghozali (2005 : 91) dapat
dilihat dari “(1) nilai tolerance dan lawannya (2) variance inflation
factor (VIF)”. Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen
lainnya. Tolerance digunakan untuk mengukur variabilitas variabel
independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Nilai cut off yang umum digunakan untuk
mendeteksi adanya multikolineritas adalah tolerance < 0,10 atau
sama dengan nilai VIF > 5. Jika nilai tolerance < 0,10 atau sama
dengan nilai VIF > 5 maka hal ini mengindikasikan terjadi
multikolineritas.
Selain dengan memperhatikan nilai tolerance dan VIF, uji
multikolinearitas dapat juga diperhatikan melalui tabel collinearity
diagnostics. Melalui table uji collinearity diagnostics dapat
disimpulkan bahwa tidak terjadi multikolinearitas antar variabel
independen jika diperoleh hasil korelasi antara variabel independen
di bawah 0,9.
c. Uji Heterokedastisitas
Menurut Erlina dan Mulyani (2007 : 107), “uji ini
ketidaksamaan varians dari residual atas suatu pengamatan
terhadap pengamatan lainnya atau tidak. Jika varians dari residual
atas suatu pengamatan terhadap pengamatan lainnya tetap, maka
disebut homokedastisitas”. Namun apabila residual atas suatu
pengamatan terhadap pengamatan lainnya berbeda, maka disebut
heterokedastisitas. Model yang baik adalah tidak terdapat
heterokedastisitas. Alat untuk menguji heteroskedastisitas bisa
dibagi dua, yakni dengan menggunakan analisis grafik atau dengan
menggunakan analisis residual yang berupa statistik.
Asumsi heteroskedastisitas adalah asumsi dalam regresi di
mana varians dari residual tidak sama untuk satu pengamatan ke
pengamatan lainnya. Ada tidaknya heteroskedastis dapat dilakukan
dengan melihat grafik scatterplot antara nilai prediksi variabel
independen dengan nilai residualnya. Pada grafik scatterplot, data
uji akan menunjukkan hasil berupa sebaran titik, dimana
titik-titik yang terbentuk harus menyebar secara acak, tersebar baik di
atas maupun di bawah angka 0 pada sumbu Y. Dasar analisis yang
dapat digunakan untuk menentukan heteroskedastisitas, antara lain:
a) Jika ada pola tertentu, seperti titik-titik yang ada
membentuk pola tertentu yang teratur (bergelombang,
melebar kemudian menyempit), maka mengindikasikan
b) Jika tidak ada pola yang jelas, seperti titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y,
maka tidak terjadi heteroskedastisitas atau terjadi
homoskedastistas.
d. Uji Autokorelasi
Pada data time series sering ditemukan adanya masalah
autokorelasi. Menurut Ghozali (2005 : 95), “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
autokorelasi maka dikatakan ada problem autokorelasi. Model
regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji
autokorelasi ini menggunakan uji Durbin Watson (DW test).
Kriteria untuk penilaian terjadinya autokorelasi adalah:
a) Angka D-W di bawah -2 berarti ada autokorelasi positif
b) Angka D-W di antara -2 sampai +2, berarti tidak ada
autokorelasi baik positif maupun negatif
c) Angka D-W di atas +2 berarti ada autokorelasi negatif
1. Pengujian Hipotesis
Uji hipotesis berguna untuk memeriksa atau menguji apakah koefisien
dengan metode analisis regresi linear berganda untuk mengetahui
apakah variabel bebas mempunyai pengaruh terhadap variabel terikat.
Ada dua jenis koefisien regresi yang dapat dilakukan, yaitu uji-F dan
uji-t.
a. Uji-F (Uji Signifikansi Simultan)
Pengujian ini dilakukan untuk mengetahui apakah semua
variabel bebas secara simultan dapat diterima menjadi model
penelitian terhadap variabel terikat. Pengujian ini juga bertujuan
untuk mengetahui apakah variabel-variabel independen secara
bersama-sama mempengaruhi variabel dependen secara signifikan.
Pengujian simultan ini menggunakan uji F, yaitu dengan
membandingkan antara nilai signifikansi F dengan nilai
signifikansi yang digunakan yaitu 0,05.
Bentuk pengujiannya adalah:
H0 : b1 = b2 = b3 = b4= b5
H
= 0, artinya secara simultan variabel
perputaran kas, perputaran piutang usaha, perputaran persediaan,
perputaran kewajiban lancar, dan perputaran modal kerja bersih
tidak memenuhi model penelitian dan tidak mempunyai pengaruh
yang signifikan secara bersama-sama terhadap Return on Equity
(ROE).
1 : b1 ≠ b2 ≠ b3 ≠ b4 ≠ b5 ≠ 0, artinya secara simultan variabel
telah memenuhi model penelitian dan mempunyai pengaruh yang
signifikan secara bersama-sama terhadap Return on Equity (ROE).
Kriteria pengambilan keputusan:
H0 diterima jika Fhitung≤ Ftabel
H
pada α = 5%
1 diterima jika Fhitung > Ftabel pada α = 5%
b. Uji-t (Uji Parsial)
Digunakan untuk menguji koefisien regresi secara
individual. Pengujian ini dilakukan untuk mengetahui apakah
secara parsial masing-masing variabel bebas mempunyai pengaruh
signifikan atau tidak terhadap variabel terikat. Setelah didapat nilai
thitung, maka selanjutnya nilai thitung tersebut dibandingkan dengan
nilai ttabel
H
. Bentuk pengujiannya sebagai berikut:
0 : b1
H
= 0, artinya tidak terdapat pengaruh signifikan dari variabel
perputaran kas terhadap ROE secara parsial.
1 : b1
H
≠ 0, artinya terdapat pengaruh signifikan dari variabel
perputaran kas terhadap ROE secara parsial.
0 : b2
H
= 0, artinya tidak terdapat pengaruh signifikan dari variabel
perputaran piutang usaha terhadap ROE secara parsial.
1 : b2 ≠ 0, artinya terdapat pengaruh signifikan dari variabel
H0 : b3
H
= 0, artinya tidak terdapat pengaruh signifikan dari variabel
perputaran persediaan terhadap ROE secara parsial.
1 : b3
H
≠ 0, artinya terdapat pengaruh signifikan dari variabel
perputaran persediaan terhadap ROE secara parsial.
0 : b4
H
= 0, artinya tidak terdapat pengaruh signifikan dari variabel
perputaran kewajiban lancar terhadap ROE secara parsial.
1 : b4
H
≠ 0, artinya terdapat pengaruh signifikan dari variabel
perputaran kewajiban lancar terhadap ROE secara parsial.
0 : b5
H
= 0, artinya tidak terdapat pengaruh signifikan dari variabel
perputaran modal kerja bersih terhadap ROE secara parsial.
1 : b5
Pada penelitian ini, t
≠ 0, artinya terdapat pengaruh signifikan dari variabel
perputaran modal kerja bersih terhadap ROE secara parsial.
hitung akan dibandingkan dengan ttabel
Kriteria pengambilan keputusan:
pada
tingkat signifikansi (α) = 5%.
Jika thitung < ttabel, maka H0 diterima dan H1
Jika t
ditolak
hitung > ttabel, maka H0 ditolak dan H1
Jika tingkat signifikansi di bawah 0,05 maka H diterima.
0 ditolak dan H1
c. Koefisien Determinasi
Pengujian ini bertujuan untuk menguji tingkat keeratan atau
keterikatan antar variabel dependen dan variabel independen yang
bisa bisa dilihat dari besarnya nilai koefisien determinasi multiple
R2. Pengujian determinasi (R2) akan menunjukkan besarnya
persentase sumbangan variabel perputaran kas, perputaran piutang
usaha, perputaran persediaan, perputaran kewajiban lancar, dan
perputaran modal kerja bersih terhadap ROE, dimana 0<R2<1. Hal
ini berarti bahwa R2 semakin mendekati 1 merupakan indikator
yang menunjukkan semakin kuatnya pengaruh variabel independen
BAB IV
HASIL DAN PEMBAHASAN
4.1.Data penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode
analisis statistik yang menggunakan persamaan regresi berganda. Analisis data
dimulai dengan mengolah data dengan menggunakan Microsoft excel, selanjutnya
dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda.
Pengujian asumsi klasik dan regresi berganda dilakukan dengan
menggunakan software SPSS. Prosedur dimulai dengan memasukkan
variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output
sesuai metode analisis data yang telah ditentukan.
Berdasarkan kriteria yang telah ditetapkan sebelumnya pada populasi dan
sampel penelitian, didapat 10 perusahaan tekstil dan garmen yang memenuhi
kriteria dan dijadikan sampel dalam penelitian ini dan diamati selama periode
2008-2010.
4.2.Analisis hasil penelitian
4.2.1.Analisis statistik deskriptif
Metode yang digunakan dalam penelitian ini adalah metode statistik
deskriptif, yaitu penelitian yang dilakukan untuk memperoleh gambaran yang
sebenarnya tentang kondisi perusahaan dalam analisis. Statistik deskriptif
memberikan penjelasan mengenai nilai minimum, nilai maximum, dan nilai
rata-rata (mean), dan nilai standar deviasi dari variabel-variabel independen
penelitian ini merupakan data sekunder yang diperoleh dari www.idx.co.id
dan Indonesian Capital Market Directory berupa data keuangan sampel
perusahaan tekstil dan garmen dari tahun 2008 sampai tahun 2010 yang
dijabarkan dalam bentuk statistik.
Variabel dari penelitian ini terdiri dari perputaran kas, perputaran
piutang usaha, perputaran persediaan, perputarn persediaan lancar dan
perputaran modal kerja sebagai variabel bebas (independent variabel) dan
ROE sebagai variabel terikat (dependent variabe). Statistik deskriptif dari
variabel tersebut selama periode tahun 2008 sampai dengan tahun 2010
disajikan dalam tabel berikut ini:
Tabel 4.1
Hasil statistik deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Perputaran Kas 30 ,06 143,50 52,6417 6,79104
Perputaran Piutang Usaha 30 1,92 65,70 14,1387 2,75652
Perputaran Persediaan 30 ,37 25,30 9,1963 1,16106
Perputaran Kewajiban Lancar 30 1,13 15,40 3,6550 ,56296
Perputaran Modal Kerja 30 ,91 103,00 25,5943 6,50474
ROE 30 -4,61 2,78 -1,5339 ,32870
Valid N (Listwise) 30
Sumber : output SPSS
Berdasarkan dari tabel 4.1 dapat dijelaskan bahwa:
1. Jumlah sampel (N) dalam penelitian ini sebanyak 30
2. Variabel Perputaran Kas memiliki nilai minimum 0,06, nilai
maximum 143,50, rata-rata 52,6417, dan standar deviasi 6,79104.
Hasil uji ini mengindikasikan hasil yang baik (nilai penyimpangan
3. Variabel Perputaran Piutang Usaha memiliki nilai minimum 1,92,
nilai maximum 65,70, rata-rata 14,1387, dan standar deviasi
2,75652. Hasil uji ini mengindikasikan hasil yang baik (nilai
penyimpangan dari data variabel tersebut lebih kecil daripada nilai
rata-ratanya).
4. Variabel Perputaran Persediaan memiliki nilai minimum 0,37, nilai
maximum 25,30, rata-rata 9,1963, dan standar deviasi 1,16106. Hasil
uji ini mengindikasikan hasil baik (nilai penyimpangan dari data
variabel tersebut lebih kecil daripada nilai rata-ratanya).
5. Variabel Perputaran Kewajiban Lancar memiliki nilai minimum
-1,13, nilai maximum 15,40, rata-rata 3,6550, dan standar deviasi
0,56296. Hasil uji ini mengindikasikan hasil yang baik (nilai
penyimpangan dari data variabel tersebut lebih kecil daripada nilai
rata-ratanya).
6. Variabel Perputaran Modal Kerja memiliki nilai minimum 0,91, nilai
maximum 103,00, rata-rata 25,5943 dan standar deviasi 6,50474.
Hasil uji ini mengindikasikan hasil yang baik (nilai penyimpangan
dari data variabel tersebut lebih kecil daripada nilai rata-ratanya).
7. Variabel ROE memiliki nilai minimum -4,61, nilai maximum 2,78,
rata-rata -1,5339, dan standar deviasi 0,32870. Hasil uji ini
mengindikasikan hasil yang tidak baik (nilai penyimpangan dari data
4.2.2.Pengujian asumsi klasik
Salah satu syarat yang mendasari penggunaan model regresi berganda
adalah dipenuhinya semua asumsi klasik agar hasil pengujian bersifat efisien
dan tidak bias. Menurut Ghozali (2005:123), asumsi klasik yang harus
dipenuhi adalah berdistribusi normal, non-multikolinearitas, non-autokorelasi
dan non-heterokedastisitas.
4.2.2.1. Uji normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model
regresi, variabel penggangu atau residual memiliki distribusi normal.
Pengujian ini diperlukan karena untuk melakukan uji t dan uji F perlu
mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Pengujian normalitas dalam penelitian ini menggunakan dua
metode yang secara umum digunakan oleh penelitian lainnya, yaitu
analisis statistik dengan menggunakan uji non-parametrik
Kolmogorov-Smirnov (K-S) dan analisis grafik yang terdiri dari histogram dan
normal probability plot.
Pengujian normalitas data dalam penelitian ini menggunakan uji
statistik non-parametrik Kolmogorov-Smirnov (K-S) dengan membuat
hipotesis:
1. Jika Zhitung (Kolmogrov Smirnov) < Ztabel (1,96) atau angka
signifikan > signifikansi (α) 0,05 maka distribusi data
2. Jika Zhitung (Kolmogrov Smirnov) > Zhitung
Setelah dilakukan transformasi, data kemudian diuji kembali
berdasarkan uji normalitas. Hasil uji kolmogrov-smirnov setelah
dilakukannya transformasi data ke dalam bentuk logaritma natural
dapat dilihat dibawah ini:
(1,96) atau angka
signifikansi < signifikansi (α) 0,05 maka distribusi data
dikatakan tidak normal.
Tabel 4.2
Hasil uji normalitas setelah transformasi One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,b Mean .00000000
Std. Deviation 1.36130890 Most Extreme
Differences
Absolute .200
Positive .200
Negative -.099
Kolmogorov-Smirnov Z .1,095
Asymp. Sig. (2-tailed) .182
a. Test distribution is Normal. b. Calculated from data. Sumber : output SPSS
Tabel 4.2 menunjukan bahwa hasil pengujian statistik dengan
model kolmogrov-smirnov adalah data terdistribusi normal karena nilai
Asymp. Sig 0,182 > nilai signifikan 0,05 dan Zhitung (Kolmogrov
Smirnov) 1,095 < Ztabel (1,96). Hasil uji normalitas dengan
menggunakan grafik histogram dan normal probability plot juga
menunjukan bahwa data terdistribusi normal. Hal tersebut dilihat
Gambar 4.1
Uji normalitas (Histogram) Sumber : output SPSS
Setelah adanya transformasi data, distribusi residual menjadi relatif
lebih normal. Hal ini ditunjukan oleh grafik histogram pada gambar 4.1
tidak terlalu menceng, baik ke kanan maupun ke kiri. Hasil yang sama
juga dapat dilihat dari grafik normal probability plot pada gambar
Gambar 4.2
Uji normalitas (Normal Probability Plot) Sumber : output SPSS
Pola titik-titik pada normal probability plot (gambar 4.2) setelah
ditransformasi menunjukan pola titik-titik menyebar, mendekati dan
searah dengan garis diagonal menunjukan bahwa data residual telah
terdistribusi dengan normal. Namun seringkali data kelihatan normal
karena mengikuti garis diagonal. Padahal belum tentu data tersebut
4.2.2.2. Uji multikolinieritas
Multikolinearitas menunjukkan ada tidaknya variabel independen
yang memiliki hubungan yang kuat dengan variabel independen lain
dalam model regresi, agar pengambilan keputusan pengaruh pada uji
parsial masing-masing variabel independen tidak bias.
Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari
nilai Variance Inflation Factor (VIF) dan korelasi diantara variabel
independen. Jika nilai VIF < 10 atau nilai tolerance > 0,10, maka tidak
terjadi multikolonearitas.
Tabel 4.3
Hasil uji multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 (Constant)
Perputaran Kas .611 1,637
Perputaran Piutang Usaha .610 1,639
Perputaran Persediaan .687 1,456
Perputaran Kewajiban Lancar .558 1,793
Perputaran Modal Kerja .403 2,483
Sumber : output SPSS
Berdasarkan pada tabel diatas, dapat disimpulkan bahwa tidak
terjadi gejala multikolonieritas antara variabel independen yang
diindikasikan dari nilai tolerance setiap variabel > dari 0,1. Nilai
tolerance Perputaran Kas adalah 0,611; Perputaran Piutang Usaha
0,610; Perputaran Persediaan 0,687; Perputaran Kewajiban Lancar
0,558; Perputaran Modal Kerja 0,403.
nilai VIF kelima variabel independen < dari 10 yaitu Perputaran
1,456; Perputaran Kewajiban Lancar 1,793; dan Perputaran Modal
Kerja 2,483. maka dapat disimpulkan bahwa analisis lebih lanjut dapat
dilakukan.
4.2.2.3. Uji heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan
dari pengolahan data dengan menggunakan program SPSS. Dasar
pengambilan keputusannya adalah:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang terartur (bergelombang, melebar kemudian
menyempit), maka mengindikasikan telah terjadi
heteroskedastisitas
2. jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas atau terjadi homoskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis
apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan
Gambar 4.3 Scatterplot Sumber: output SPSS
Ada tidaknya heteroskedastis dapat dilakukan dengan melihat
grafik scatterplot antara nilai prediksi variabel independen dengan nilai
residualnya. Pada grafik scatterplot, data uji akan menunjukkan hasil
berupa sebaran titik-titik, dimana titik-titik yang terbentuk harus
menyebar secara acak, tersebar baik di atas maupun di bawah angka 0
pada sumbu Y.
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara
maupun di bawah angka 0 pada sumbu Y dan berada disekitar angka 0,
sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas
pada model regresi, sehingga model regresi layak dipakai untuk
memprediksi ROE berdasarkan masukan variable independen
perputaran kas, perputaran piutang usaha, perputaran persediaan,
perputarn persediaan lancar dan perputaran modal kerja. Adanya
titik-titik yang menyebar menjauh dari titik-titik-titik-titik yang lain dikarenakan
adanya data observasi yang sangat berbeda dengan data observasi yang
lain.
4.2.2.4. Uji autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat
korelasi antara kesalahan pengganggu pada suatu periode dengan
kesalahan pengganggu periode sebelumnya dalam model regresi. Jika
terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang
diperoleh menjadi tidak akurat. Pengambilan keputusan ada tidaknya
autokorelasi dapat dilihat sebagai berikut
Tabel 4.4
Kriteria pengambilan keputusan uji durbin watson
Hipotesis Nol Keputusan Jika
Tabel 4.5
Hasil uji statistik durbin-watson
Sumber : output SPSS
Berdasarkan tabel 4.5 hasil uji Durbin-Watson sebesar 1,441. Nilai
DW dalam perhitungan tersebut akan dibandingkan dengan nilai kritis
tabel Durbin-Watson. Untuk variabel bebas (k) = 5 dan jumlah sampel
(N) = 30 besar DW tabel dl (batas luar) = 1,650 dan du (batas dalam) =
1,310; 4–du =2,690. Berdasarkan tabel 4.5 dapat dilihat perbandingan
nilai DW berada diantara du dan 4–du (1,310< 1,441 < 2,690). Menurut
tabel 4.4, nilai ini menunjukan suatu kesimpulan bahwa model regresi
linier dalam penelitian menunjukan tidak terjadinya autokorelasi,
sehingga model regresi penelitian ini masih layak digunakan.
4.2.3.Pengujian hipotesis
Uji hipotesis dilakukan dengan dua tahap, yakni uji t dan uji F.
Pengaruh variabel bebas terhadap variabel terikat secara parsial akan
diketahui dengan menggunakan uji t. Pengaruh variabel bebas terhadap
variabel terikat secara simultan akan dilihat dengan menggunakan uji F.
Berdasarkan hasil pengolahan data dengan program SPSS, maka diperoleh
hasil sebagai berikut:
a. Predictors: (Constant), Perputaran_Modal_kerja, Perputaran_piutang_usaha,
Perputaran_persediaan, Perputaran_kas, Perputaran_kewajiban_lancar
4.2.3.1. Uji signifikansi parsial (t-test)
Uji t dilakukan untuk mengetahui hubungan antara
variabel-variabel independen terhadap variabel-variabel dependen secara parsial.
Hipotesis yang akan diuji adalah:
H0
H
= kinerja keuangan yang terdiri dari perputaran kas, perputaran
piutang usaha, perputaran persediaan, perputarn persediaan lancar
dan perputaran modal kerja secara parsial tidak mempunyai
pengaruh terhadap ROE;
a
Uji ini dilakukan dengan membandingkan signifikansi t = kinerja keuangan yang terdiri dari perputaran kas, perputaran
piutang usaha, perputaran persediaan, perputarn persediaan lancar
dan perputaran modal kerja secara parsial mempunyai pengaruh
terhadap ROE.
pada α 0,05, maka Ha diterima.
Hasil uji parsial (t-test)
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
Perputaran_piutang_usaha ,022 ,024 ,184 ,932 ,361
Perputaran_persediaan ,104 ,053 ,369 1,982 ,059
Perputaran_kewajiban_lanc
ar ,034 ,121 ,058 ,280 ,782
a. Dependent Variable: ROE
Sumber : output SPSS
Tabel 4.7 menunjukan hasil pengujian statistik t sehingga dapat
menjelaskan pengaruh variabel independen secara parsial. Berdasarkan
hasil diatas dapat dilihat bahwa variabel perputaran piutang usaha,
perputaran persediaan, dan perputaran kewajiban lancar tidak memiliki
pengaruh signifikan terhadap ROE karena ketiga variabel tersebut
masing-masing memiliki signifikansi sebesar 0,361; 0,059; dan 0,782
yang lebih besar dari 0,05. Sedangkan variabel perputaran kas dan
perputaran modal kerja bersih memiliki signifikansi sebesar 0,004 dan
0,012 dimana signifikan variabel tersebut lebih kecil dari 0,05. hal ini
menunjukkan bahwa secara parsial variabel perputaran kas dan
perputaran modal kerja bersih berpengaruh signifikan terhadap ROE.
4.2.3.2. Uji signifikansi simultan (F-test)
Uji F ini dilakukan untuk melihat seberapa besar pengaruh variabel
independen terhadap variabel dependen secara simultan. Hipotesis yang
akan diuji adalah:
H0
H
= kinerja keuangan yang terdiri dari perputaran kas, perputaran
piutang usaha, perputaran persediaan, perputarn persediaan lancar
dan perputaran modal kerja tidak mempunyai pengaruh secara
simultan terhadap ROE.
a = kinerja keuangan yang terdiri dari perputaran kas, perputaran
dan perputaran modal kerja mempunyai pengaruh secara simultan
terhadap ROE.
Uji ini dilakukan dengan membandingkan signifikansi Fhitung
− Jika F
pada α 0.05, maka Ha diterima.
Hasil uji simultan (F-test)
ANOVA
a. Dependent Variable: ROE
b. Predictors: (Constant), Perputaran_Modal_kerja, Perputaran_piutang_usaha,
Perputaran_persediaan, Perputaran_kas, Perputaran_kewajiban_lancar
Sumber : output SPSS
Hasil uji F yang ditampilkan dalam tabel 4.8 menunjukkan bahwa
nilai F hitung adalah 3,595 dengan tingkat signifikansi 0,050. Dengan
menggunakan tabel uji F, nilai F tabel diperoleh sebesar 3,59. Hal
tersebut menunjukkan bahwa Fhitung sebesar 3,595 > dari Ftabel sebesar
3,59, sehingga Ha diterima dan H0 ditolak. Nilai signifikansi sebesar
0,014 < dari signifikansi 0,05 yang berarti variabel tersebut
mempengaruhi variabel dependen secara signifikan. Hal tersebut berarti
perputaran kas, perputaran piutang usaha, perputaran persediaan,
perputaran kewajiban lancar, perputaran modal kerja bersih secara
4.2.3.3. Koefisien determinasi (R2
Koefisien determinasi (R Square) menunjukkan seberapa besar
variabel independen menjelaskan variabel dependennya. Nilai R Square
(R
)
2
) dikatakan baik jika di atas 0,5 karena nilai R Square (R2) berkisar
antara 0 sampai 1. Apabila nilai R Square (R2
Pada umumnya sampel dengan data deret waktu (time series)
memiliki R Square maupun Adjusted R Square cukup tinggi (diatas
0,5). R square memiliki kelemahan yaitu nilai R Square (R
) semakin mendekati 1,
maka variabel-variabel independen mendekati semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya,
semakin kecil nilai R Square maka kemampuan variabel-variabel
independen untuk menjelaskan variasi variabel dependen semakin
terbatas.
2
) akan
meningkat setiap ada penambahan satu variabel dependen meskipun
variabel independen tersebut tidak berpengaruh signifikan terhadap
variabel dependen. Dalam kenyataannya nilai adjusted R Square dapat
bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Jika
dalam uji empiris didapat nilai adjusted R Square negatif, maka nilai
Tabel 4.8
Hasil Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the
Estimate
Durbin-Watson
1 ,654a ,428 ,309 1,49641 1,441
a. Predictors: (Constant), Perputaran_Modal_kerja, Perputaran_piutang_usaha,
Perputaran_persediaan, Perputaran_kas, Perputaran_kewajiban_lancar
b. Dependent Variable: ROE
Sumber : output SPSS
Pada tabel 4.9, Output SPSS memiliki nilai koefisien determinasi
yang sudah disesuaikan (Adjusted R Square) sebesar 0,309. Artinya
30,9% variabel dependen return saham dijelaskan oleh variabel
independen perputaran kas, perputaran piutang usaha, perputaran
persediaan, perputaran kewajiban lancar, perputaran modal kerja bersih
dan sisanya 69,1% dijelaskan oleh variabel lain di luar variabel yang
digunakan. Standar Error of Estimate (SEE) adalah sebesar 1,49641,
yang mana semakin besar SEE akan membuat model regresi kurang
4.3.Pembahasan
Berdasarkan hasil pengujian variabel bebas perputaran kas, perputaran
piutang usaha, perputaran persediaan, perputaran kewajiban lancar, perputaran
modal kerja bersih terhadap variabel terikat ROE yang telah diuraikan secara
statistik dengan menggunakan program SPSS, maka hipotesis dapat dijelaskan
sebagai berikut:
1. Pengaruh Perputaran Kas terhadap ROE
Dari penjelasan uji t diatas diketahui bahwa Perputaran Kas (X1) memiliki
koefisien regresi yang positif, yaitu sebesar 0,004 yang mana setiap
perubahan Perputaran Kas sebesar 1% akan diikuti oleh kenaikan ROE
sebesar 0,004 dengan asumsi variabel lain tetap. Hasil ini sesuai dengan teori
yang menyatakan Perputaran Kas berpengaruh positif terhadap ROE. Dalam
pengujian hipotesis yang dilakukan, diketahui bahwa thitung sebesar 3,156 >
ttabel sebesar 0,030 artinya adalah Ha diterima dan H0
2. Perputaran Piutang Usaha terhadap ROE
ditolak. Hasil ini sejalan
dengan hasil yang diperoleh oleh Ika Yuli Wijayanti (2007) dan Marselina
Sinaga (2008) yang menyatakan bahwa perputaran kas secara parsial
berpengaruh positif terhadap ROE.
Dari penjelasan uji t diatas diketahui bahwa Perputaran Piutang Usaha (X2)
memiliki koefisien regresi yang positif, yaitu sebesar 0,361 yang mana setiap
perubahan Perputaran Piutang Usaha sebesar 1% akan diikuti oleh penurunan
ROE sebesar 0,361 dengan asumsi variabel lain tetap. Hasil ini tidak sesuai
teori yang menyatakan Perputaran Piutang Usaha berpengaruh positif
thitung sebesar 0,932 < ttabel sebesar 1,663 sehingga H0 diterima dan Ha
3. Perputaran Persediaan terhadap ROE
ditolak.
Hasil ini sejalan dengan hasil penelitian Ika Yuli Wijayanti (2007) dan
Marselina Sinaga (2008) yang menyatakan bahwa perputaran piutang usaha
secara parsial tidak berpengaruh terhadap ROE.
Dari penjelasan uji t diatas diketahui bahwa Perputaran Persediaan (X3)
memiliki koefisien regresi yang positif, yaitu sebesar 0,782 yang mana setiap
perubahan Perputaran Persediaan sebesar 1% akan diikuti oleh kenaikan ROE
sebesar 0,782 dengan asumsi variabel lain tetap. Hasil ini sejalan dengan teori
yang menyatakan Perputaran Persediaan berpengaruh positif terhadap ROE.
Dalam pengujian hipotesis yang dilakukan, diketahui bahwa thitung sebesar
1,982 < ttabel sebesar 1,663 sehingga Ha ditolak dan H0
4. Perputaran Kewajiban Lancar terhadap ROE
diterima.
Dari penjelasan uji t diatas diketahui bahwa Perputaran Kewajiban Lancar
(X4) memiliki koefisien regresi yang positif, yaitu sebesar 0,059 yang mana
setiap perubahan Perputaran Kewajiban Lancar sebesar 1% akan diikuti oleh
penurunan ROE sebesar 0,059 dengan asumsi variabel lain tetap. Hasil ini
bertolak belakang dengan teori yang menyatakan Perputaran Kewajiban
Lancar berpengaruh positif terhadap ROE. Dalam pengujian hipotesis yang
dilakukan, diketahui bahwa thitung sebesar 0,280 < ttabel sebesar 1,663 sehingga
Ha ditolak dan H0 diterima. Perputaran Kewajiban Lancar secara parsial
memiliki koefisien negatif dan tidak berpengaruh signifikan terhadap ROE.
yang menyatakan bahwa perputaran kewajiban lancar secara parsial
berpengaruh positif terhadap ROE.
5. Perputaran Modal Kerja Bersih terhadap ROE
Dari penjelasan uji t diatas diketahui bahwa Perputaran Modal Kerja Bersih
(X5) memiliki koefisien regresi yang positif, yaitu sebesar 0,012 yang mana
setiap perubahan Perputaran Modal Kerja Bersih sebesar 1% akan diikuti oleh
kenaikan ROE sebesar 0,012 dengan asumsi variabel lain tetap. Hasil ini
sesuai dengan teori yang menyatakan Perputaran Modal Kerja Bersih
berpengaruh positif terhadap ROE. Dalam pengujian hipotesis yang
dilakukan, diketahui bahwa thitung sebesar -2,736 < ttabel sebesar 1,663
sehingga Ha ditolak dan H0 diterima. Hasil ini sejalan dengan hasil yang
diperoleh oleh Ika Yuli Wijayanti (2007) dan Marselina Sinaga (2008) yang
menyatakan bahwa perputaran modal kerja bersih secara parsial berpengaruh
BAB V
KESIMPULAN DAN SARAN
5.1.Kesimpulan
Berdasarkan hasil analisis data dan pembahasan yang telah dikemukakan
dalam bab empat, kesimpulan yang dapat diambil dari penelitian ini adalah
perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn
persediaan lancar dan perputaran modal kerja terhadap ROE baik secara parsial
maupun simultan adalah:
1. Variabel perputaran kas secara parsial berpengaruh signifikan terhadap
ROE. Hal tersebut dapat dilihat dari thitung sebesar 3,156 > ttabel
2. Variabel perputaran piutang usaha secara parsial tidak berpengaruh
signifikan terhadap ROE. Hal tersebut dapat dilihat dari t
sebesar
0,030 dengan nilai signifikansi sebesar 0,004 < dari signifikansi 0,05.
hitung 0,932 < ttabel
3. Variabel perputaran persediaan secara parsial tidak berpengaruh signifikan
terhadap ROE. Hal tersebut dapat dilihat dari t
sebesar 1,663 dengan nilai signifikansi sebesar 0,361 > dari signifikansi
0,05.
hitung sebesar 1,982 < ttabel
4. Variabel perputarn persediaan lancar secara parsial tidak berpengaruh
signifikan terhadap ROE. Hal tersebut dapat dilihat dari t
sebesar 1,663 dengan nilai signifikansi sebesar 0,782 > dari signifikansi
0,05.
hitung sebesar
0,280 < ttabel sebesar 1,663 dengan nilai signifikansi sebesar 0,059 > dari
5. Variabel perputaran modal kerja secara parsial tidak berpengaruh
signifikan terhadap ROE. Hal tersebut dapat dilihat dari thitung sebesar
-2,736 < ttabel
5.2.Saran
sebesar 1,663 dengan nilai signifikansi sebesar 0,012 > dari
signifikansi 0,05.
Berdasarkan hasil penelitian dan keterbatasan ini, penulis memberikan saran.
Saran tersebut adalah sebagai berikut:
1. Penelitian selanjutnya disarankan untuk menggunakan sampel penelitian
yang lebih banyak dengan karakteristik yang lebih beragam dari berbagai
sektor selain itu untuk penelitian selanjutnya juga harus menambahkan
periode penelitiannya dengan periode terbaru sehingga dapat diperoleh
hasil penelitian terbaru.
2. Bagi peneliti selanjutnya, item-item pengungkapan sosial hendaknya
diperbaharui sesuai kondisi masyarakat serta peraturan yang berlaku.
3. Penelitian ini dapat memberikan pengetahuan yang lebih jauh mengenai
informasi dari pengambilan keputusan kepada perusahaan-perusahaan
besar yang ada di Indonesia. Bahwa semakin besar aset perusahaan
semakin besar informasi sosial yang diperoleh dari dalam maupun dari luar
perusahaan.
4. Penelitian ini dapat memberikan fenomena pengetahuan, untuk
menyumbang teori dan mampu melanjutkan penelitian mengenai informasi
5.3.Keterbatasan hasil penelitian
Penelitian ini memiliki beberapa batasan masalah baik dari jumlah sampel
yang digunakan, periode penelitian, maupun faktor-faktor yang diteliti. antara
lain:
1. Sampel yang digunakan hanya kelompok perusahaan industri tekstil dan
garmen yang terdaftar di Bursa Efek Indonesia, sehingga tidak diketahui
bagaimana pengaruh variabel independen terhadap variabel dependen pada
keseluruhan perusahaan manufaktur yang terdaftar di Bursa Efek
Indonesia dan Periode penelitian yang diamati terbatas yaitu tahun 2008
sampai dengan tahun 2010.
2. Penelitian mengenai ROE hanya terbatas pada informasi-informasi internal
masing-masing perusahaan industri tekstil dan garmen. Dimana informasi
internal tersebut hanya dilihat dari kinerja keuangan perusahaan melalui
analisis rasio berupa perputaran kas, perputaran piutang usaha, perputaran