4. ANALISA DATA. Tabel 4.1 Hasil Analisis Statistik Deskriptif. Std. Deviasi Short Term Debt to Total Asset. Variabel N Minimum Maksimum Mean

(1)

31

Universitas Kristen Petra

4. ANALISA DATA

4.1 Statistik Deskriptif

Pada analisis deskriptif, akan dijelaskan mengenai nilai tertinggi, nilai terendah, nilai rata-rata, dan standart deviasi variabel Short Term Debt to Total Asset, Long Term Debt to Total Asset, Debt to Total Asset, Firm Size, Sales Growth dan Return On Equity pada tahun periode 2007 - 2012. Berikut adalah hasil statistik deskriptif data Short Term Debt to Total Asset, Long Term Debt to Total Asset, Firm Size, Sales Growth dan Return On Equity pada perusahaan yang menjadi sampel dalam penelitian ini:

Tabel 4.1

Hasil Analisis Statistik Deskriptif

Variabel N Minimum Maksimum Mean Std.

Deviasi Short Term Debt to Total

Asset 525 0,010 3,122 0,396 0,390

Debt to Total Asset 525 0,040 5,030 0,612 0,530 Long Term Debt to Total

Asset 525 0,000 4,829 0,215 0,342

Sales Growth 525 -0,915 143,131 0,482 6,693

Firm Size 525 9,373 18,849 13,970 1,557

Return On Equity 525 -59,270 6,078 -0,057 3,0420 Sumber : Lampiran 12

Berdasarkan Tabel 4.1 diketahui rata-rata variable short term debt to total asset dari 105 perusahaan menjadi 525 observasi adalah 0,396, dengan standar deviasi sebesar 0,390. Nilai short term debt to total asset tertinggi yaitu 3,122 dan terendah yaitu 0,010. Rata-rata variable long term debt to total asset adalah 0,215, dengan standar deviasi sebesar 0,342. Nilai long term debt to total asset tertinggi yaitu 4,829 dan terendah yaitu 0,000. Rata-rata variable debt to total asset adalah 0,612, dengan standar deviasi sebesar 0,530. Nilai short term debt to total asset tertinggi yaitu 5,030 dan terendah yaitu 0,040. Rata-rata variable sales growth

(2)

32

adalah 0,482, dengan standar deviasi sebesar 6,693. Nilai sales growth tertinggi yaitu 143,131 dan terendah yaitu -0,915. Rata-rata variable firm size adalah 13,970, dengan standar deviasi sebesar 1,557. Nilai firm size tertinggi yaitu 18,849 dan terendah yaitu 9,373. Rata-rata variable return on equity adalah -0,57, dengan standar deviasi sebesar 3,420. Nilai return on equity tertinggi yaitu 6,078 dan terendah yaitu -59,270.

4.2 Uji Asumsi Klasik

Asumsi klasik adalah 4 syarat dasar yang harus dipenuhi suatu model regresi agar menghasilkan estimator yang terbaik, linear, dan tidak bias. Keempat asumsi tersebut adalah distribusi normal, non-multikolinieritas. non- heterokedastisitas, dan non-autokorelasi.

1. Normalitas

Pengujian normalitas dilakukan untuk memastikan model regresi yang terbentuk telah memenuhi distribusi normal. Pengujian asumsi normalitas dengan menggunakan metode Kolmogorov-Smirnov dimana model dikatakan mengikuti distribusi normal jika nilai signifikansi yang dihasilkan lebih besar dari 0,05.

Berikut adalah hasil pengujian normalitas dengan metode Kolmogorov- Smirnov untuk model regresi yang dihasilkan:

Tabel 4.2 Uji Normalitas Awal

Model ROE₁ ROE₂ ROE₃ Kolmogorov-Smirnov Z 8,395 8,604 8,513 Signifikansi 0,000 0,000 0,000 Sumber: Lampiran 13

Berdasarkan tabel di atas, diketahui bahwa ketiga model regresi tersebut memiliki nilai signifikansi lebih kecil dari 0,05. Yang berarti masih belum memenuhi asumsi normalitas data. Untuk mengatasi masalah ini peneliti mencoba melakukan uji deteksi outlier pada masing-masing variable penelitian dengan

(3)

33

menggunakan kriteria Z Score yang disebut sebagai univariate outlier. Kriteria Z Score yang berada di luar rentang -3 sampai dengan +3 berarti merupaka univariate outlier (Ghozali, 2005). Hasil selengkapnya deteksi univariate outlier tercantum pada Lampiran 2 penelitian ini. Setelah dilakukan deteksi univariate outlier tersisa sebanyak 64 perusahaan sampel dengan jumlah sebanyak 320 observasi.

Hasil dari uji normalitas setelah menghilangkan data perusahaan univariate outlier adalah:

Tabel 4.3

Uji Normalitas Tahap II

Model ROE1 ROE2 ROE3

Kolmogorov-Smirnov Z 1,103 1,370 1,471 Signifikansi 0,317 0,150 0,101 Sumber: Lampiran 14

Berdasarkan tabel di atas, diketahui bahwa ketiga model regresi tersebut semua model regresi ROE1 – ROE3 dengan variable bebas SDA (Short Debt to Total Asset), LDA (Long Term Debt to Total Asset) dan DAR (Debt to Total Asset) sudah memiliki nilai signifikansi lebih besar dari 0,05. Dengan demikian asumsi normalitas sudah terpenuhi. Akan tetapi untuk uji non heterokedastisitas ternyata untuk model DAR (ROE2) masih belum terpenuhi. Dengan demikian dilakukan kembali uji outlier dengan casewise diagnostics. Hasil deteksi casewise untuk dua model didapatkan 3 perusahaan yang terdeteksi sebagai multivariate outlier.

Dengan menghilangkan 3 perusahaan hasil dari uji normalitas adalah sebagai berikut:

(4)

34

Tabel 4.4 Uji Normalitas Akhir

Model ROE₁ ROE₂ ROE₃ Kolmogorov-Smirnov Z 0,647 1,048 0,909 Signifikansi 0,705 0,293 0,406 Sumber: Lampiran 15

Berdasarkan tabel di atas, diketahui bahwa ketiga model regresi tersebut sudah memiliki nilai signifikansi yang lebih besar dari 0,05. Yang berarti model regresi terhadap ROE dengan 3 variabel rasio hutang sudah memenuhi asumsi normalitas data. Untuk selanjutnya maka analisis akan dilakukan dengan menggunakan data dari 61 perusahaan sampel.

2. Multikolinieritas

Multikolinieritas adalah terjadinya korelasi yang tinggi antar variabel independen. Pengujian asumsi non-multikolinieritas menggunakan nilai tolerance dan VIF dari tiap variabel independen dari model regresi. Dikatakan tidak terjadi multikolinieritas jika nilai tolerance yang dihasilkan lebih besar dari 0,1 atau nilai VIF kurang dari 10. Berikut adalah hasil pengujian multikolinieritas dari 3 model ROE yang dihasilkan dengan menggunakan 60 perusahaan yang akhirnya dijadikan sebagai sampel penelitian:

(5)

35

Tabel 4.5 Uji Multikolinieritas

Model Variabel

Terikat Variabel Bebas Tolerance VIF

1 Return On Equity

Short Term Debt to Total

Asset 0,987 1,013

Sales Growth 0,832 1,202

Firm Size 0,830 1,205

Debt to Total Asset 0,993 1,007

Firm Size 0,832 1,202

Long Term Debt to Total

Asset 1,000 1,000

Firm Size 0,834 1,199

Sumber: Lampiran 15

Berdasarkan tabel di atas diketahui bahwa pada 3 model regresi tidak terdapat nilai Tolerance yang kurang dari 0,1, tidak pula ditemukan bilai VIF yang lebih dari 10. Sehingga disimpulkan bahwa pada 3 model tidak terjadi kasus multikolinearitas dan asumsi non-multikolinearitas terpenuhi.

3. Heterokedastisitas

Heterokedastisitas adalah terjadinya perbedaan varians yang besar antar residual. Untuk menguji ada tidaknya heteroskedasdisitas, dapat digunakan uji Glejser dengan meregresikan antara variabel independen dengan nilai absolute

(6)

36

residual. Kriteria pengambilan keputusan yaitu jika nilai signifikansi uji t > 0,01 (α=1%), maka dapat disimpulkan tidak terjadi heteroskedastisitas dan jika nilai signifikansi uji t < 0,01 (α=1%), maka dapat disimpulkan bahwa terjadi heteroskedastisitas. Hasil uji Glejser menggunakan alat bantu komputer dengan program SPSS 13.0 adalah sebagai berikut:

Tabel 4.6 Uji Glejser

Model Variabel

Terikat Variabel Bebas t Sig t

Asset -1,843 0,066

Firm Size 1,215 0,225

Debt to Total Asset -0,732 0,465

Sales Growth -0,036 0,971

Firm Size 0,968 0,334

Asset -0,225 0,822

Firm Size 1,024 0,307

Sumber : Lampiran 15

Berdasarkan tabel di atas, dapat diketahui bahwa besarnya nilai signifikansi uji t variabel independen dengan absolut residual pada model 1 hingga 3 bernilai lebih dari 0,05 sehingga disimpulkan tidak terjadi heteroskedastisitas pada model regresi dari 1 hingga 3.

(7)

37

4. Autokorelasi

Asumsi dari model regresi linier adalah bahwa residual yang masuk ke dalam fungsi regresi adalah random atau tidak berkorelasi. Jika tidak random atau berkorelasi, maka terjadi autokorelasi. Untuk mendeteksi ada/tidaknya autokorelasi, digunakan nilai Durbin-Watson.

Berdasarkan hasil output SPSS didapatkan nilai durbin-watson seperti pada tabel berikut:

Tabel 4.7 Uji Durbin-Watson

Model 1 2 3

Durbin-Watson

Statistic 2,215 2,220 2,192

Nilai Kritis (dU ≤ DW

≤ 4-dU)

1,65 ≤ DW ≤

2,35 1,65 ≤ DW ≤ 2,35 1,65 ≤ DW ≤ 2,35

Keterangan Non Autokorelasi Non Autokorelasi Non Autokorelasi Sumber : Lampiran 15

Pada tabel di atas didapati bahwa nilai Durbin-Watson Statistic ketiga model berada dalam selang nilai kritis du = 1,65 sampai dengan (4-du) = 2,35 (Sulaiman 2002 : 165) sehingga disimpulkan bahwa asumsi non-autokorelasi telah terpenuhi untuk ketiga model tersebut.

4.3. Analisis Regresi Linier Berganda

Tabel berikut ini adalah hasil regresi linier berganda yang melibatkan variabel Short Term Debt to Total Asset, Long Term Debt to Total Asset, Debt to Total Asset terhadap Return On Equity :

(8)

38

Tabel 4.8

Hasil Analisis Regresi Linier Berganda

Variabel Independen

Variabel Dependen:

ROE₁ ROE₂ ROE₃

Konstanta 0,162 0,204 0,146

Short Term Debt to Total Asset -0,147

Debt to Total Asset -0,207

Long Term Debt to Total Asset -0,194

Sales Growth 0,089 0,090 0,082

Firm Size 0,213 0,216 0,201

R-Square 0,122 0,165 0,129

Sumber: Lampiran 15

Dari pengolahan data diperoleh persamaan regresi sebagai berikut :

1. ROE = 0,162 - 0,147 SDA + 0,089 SALES GROWTH + 0,213 FIRM SIZE + e

2. ROE = 0,204 - 0,207 DAR + 0,090 SALES GROWTH + 0,216 FIRM SIZE + e

3. ROE = 0,146 - 0,194 LDA + 0,082 SALES GROWTH + 0,201 FIRM SIZE + e

Model 1 untuk variable SDA memiliki nilai koefisien sebesar -0,147 yang memiliki arti bahwa apabila variabel SDA meningkat satu persen maka ROE akan menurun sebesar -0,147 dengan asumsi variable sales growth dan firm size tidak mengalami perubahan.

Model 2 untuk variable DAR memiliki nilai koefisien sebesar -0,207 yang memiliki arti bahwa apabila variabel DAR meningkat satu persen maka ROE akan menurun sebesar -0,207 dengan asumsi variable sales growth dan firm size tidak mengalami perubahan.

(9)

39

Model 3 untuk variable LDA memiliki nilai koefisien sebesar -0,192 yang memiliki arti bahwa apabila variabel LDA meningkat satu persen maka ROE akan menurun sebesar -0,192 dengan asumsi variable sales growth dan firm size tidak mengalami perubahan.

Nilai koefisien variable sales growth pada 3 model regresi semuanya bernilai positif adalah antara 0,082 hingga 0,090 yang memiliki arti bahwa apabila sales growth meningkat satu persen maka ROE juga akan meningkat sebesar 0,082 hingga 0,090. Sedangkan nilai koefisien untuk firm size adalah antara 0,201 hingga 0,216 yang berarti jika firm size meningkat 1 satuan maka akan meningkatkan nilai ROE sebesar 0,201 hingga 0,216.

Model 1 menghasilkan R-Square sebesar 0,122, model 2 sebesar 0,165 dan model 3 sebesar 0,129. Hal ini menunjukkan bahwa prosentase pengaruh dari variabel Long Debt to Total Asset terhadap perubahan pada ROE adalah yang paling besar dibandingkan dengan variabel Short Term to Total Asset dan Debt to Total Asset.

4.4. Pengujian Hipotesis

4.4.1. Pengujian Secara Parsial (Uji t)

Model-model tersebut memiliki nilai statistik t dan signifikansi seperti pada tabel berikut:

(10)

40

Tabel 4.10

Hasil Uji t Persamaan Regresi (Uji Signifikansi Parsial)

Model Variabel

Terikat Variabel Bebas t Sig t Keterangan

Asset -2,871 0,004 Sig

Sales Growth 2,446 0,000 Sig

Firm Size 4,113 0,000 Sig

Debt to Total Asset -4,911 0,000 Sig

Asset -3,270 0,001 Sig

Sumber : Lampiran 15

Besarnya nilai signifikansi statistik t pada model 1 variabel SDA adalah (0,004) yang lebih kecil dari α (0,05) sehingga disimpulkan bahwa variabel independen Short Term to Total Asset berpengaruh negatif dan bersifat signifikan secara parsial (individual) terhadap ROE.

Besarnya nilai signifikansi statistik t pada model 2 variabel DAR adalah (0,000) yang lebih kecil dari α (0,05) sehingga disimpulkan bahwa variabel independen Debt to Total Asset juga berpengaruh negatif dan bersifat signifikan secara parsial (individual) terhadap ROE.

Besarnya nilai signifikansi statistik t pada model 3 variabel LDA adalah (0,000) yang lebih kecil dari α (0,05) sehingga disimpulkan bahwa variabel

(11)

41

independen Long Term Debt to Total Asset berpengaruh negatif dan bersifat signifikan secara parsial (individual) terhadap ROE.

Uji t untuk variable control firm size dihasilkan nilai signifikansi uji di 3 model masing-masing sebesar 0,000 yang berarti bahwa adanya variable firm size memberikan kontribusi pengaruh yang signifikan untuk pengaruh variable Short Term Debt to Total Asset, Long Term Debt to Total Asset, Debt to Total Asset terhadap Return On Equity

Sementara uji t untuk variable sales growth dihasilkan nilai signifikansi uji di 3 model masing-masing sebesar 0,000 dan 0,012 yang berarti bahwa adanya variable sales growth juga memberikan kontribusi pengaruh signifikan untuk pengaruh variable Short Term Debt to Total Asset, Long Term Debt to Total Asset, Debt to Total Asset terhadap Return On Equity.

4.4.2. Pengujian Secara Serempak (Uji F) Tabel 4.9

Hasil Uji F Persamaan Regresi (Uji Signifikansi Serempak)

Variabel Independen

Variabel Dependen:

ROE₁ ROE₂ ROE₃

Fhitung 13,933 19,798 14,839

Sig. Fhitung 0,000 0,000 0,000

Sumber: Lampiran 15

Model 1 hingga model 3 memiliki nilai signifikansi F kurang dari α (0,05) sehingga disimpulkan bahwa ketiga model tersebut bersifat signifikan secara serentak. Dengan kata lain, variabel-variabel independen yaitu Short Term Debt to Total Asset, Long Term Debt to Total Asset, Debt to Total Asset dan variable control Sales Growth serta Firm Size secara bersama-sama berpengaruh signifikan terhadap Profitabilitas yang diukur dengan Return On Equity.