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
32
Universitas Kristen Petra
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
33
Universitas Kristen Petra
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:
34
Universitas Kristen Petra
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:
35
Universitas Kristen Petra
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
2 Return On Equity
Debt to Total Asset 0,993 1,007
Sales Growth 0,833 1,201
Firm Size 0,832 1,202
3 Return On Equity
Long Term Debt to Total
Asset 1,000 1,000
Sales Growth 0,834 1,199
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
36
Universitas Kristen Petra
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
1 Return On Equity
Short Term Debt to Total
Asset -1,843 0,066
Sales Growth 0,017 0,987
Firm Size 1,215 0,225
2 Return On Equity
Debt to Total Asset -0,732 0,465
Sales Growth -0,036 0,971
Firm Size 0,968 0,334
3 Return On Equity
Long Term Debt to Total
Asset -0,225 0,822
Sales Growth 0,266 0,790
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.
37
Universitas Kristen Petra
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 :
38
Universitas Kristen Petra
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.
39
Universitas Kristen Petra
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:
40
Universitas Kristen Petra
Tabel 4.10
Hasil Uji t Persamaan Regresi (Uji Signifikansi Parsial)
Model Variabel
Terikat Variabel Bebas t Sig t Keterangan
1 Return On Equity
Short Term Debt to Total
Asset -2,871 0,004 Sig
Sales Growth 2,446 0,000 Sig
Firm Size 4,113 0,000 Sig
2 Return On Equity
Debt to Total Asset -4,911 0,000 Sig
Sales Growth 2,539 0,012 Sig
Firm Size 4,278 0,000 Sig
3 Return On Equity
Long Term Debt to Total
Asset -3,270 0,001 Sig
Sales Growth 2,274 0,024 Sig
Firm Size 3,913 0,000 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
41
Universitas Kristen Petra
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.