BAB III METODE PENELITIAN
F. Jadwal Penelitian
b. Uji signifikansi parsial
Secara parsial, pengujian hipotesis dilakukan dengan uji t-test. Menurut Ghozali (2005 : 84) “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/ independen secara individual dalam menerangkan variabel dependen”. Uji ini dilakukan dengan membandingkan signifikansi thitung dengan ketentuan:
− jika thitung < ttabel pada α 0.05, maka Hi ditolak dan
− jika thitung > ttabel pada α 0.05, maka Hi diterima.
lxiii BAB IV
ANALISIS HASIL PENELITIAN
A. Data Penelitian
Objek penelitian ini adalah perusahaan manufaktur sektor industri barang konsumen yang terdaftar di Bursa Efek Indonesia. Pada tanggal 30 November 2007 Bursa Efek Jakarta (BEJ) dan Bursa Efek Surabaya (BES) resmi berganti nama menjadi Bursa Efek Indonesia (BEI). Pada tahun 2006-2008 perusahaan- perusahaan yang dijadikan sampel masih terdaftar di BEJ, tetapi karena data penelitian diambil pada tahun 2010, maka peneliti menggunakan nama BEI.
Setelah dilakukan pemilihan sampel dengan teknik purposive sampling diperoleh 33 perusahaan. Daftar perusahaan berdasarkan tanggal listing di Bursa Efek Indonesia dapat dilihat pada tabel 4.1.
Tabel 4.1
Daftar Sampel Perusahaan Manufaktur Sektor Industri Barang Konsumen
No Stocks Nama Emiten Tanggal Berdiri Tanggal Listing 1 ADES PT Ades Waters Indonesia Tbk 6 Maret 1985 13 Juni 1994 2 AISA PT Tiga Pilar Sejahtera Food Tbk 31 Mei 1991 11 Juni 1997 3 AQUA PT Aqua Golden Mississippi Tbk 23 Februari 1973 1 Maret 1990 4 BATI PT BAT Indonesia Tbk 23 September 1979 20 Desember 1979 5 CEKA PT Cahaya Kalbar Tbk 3 Februari 1986 9 Juli 1996
6 DAVO PT Davomas Abadi Tbk 4 Maret 1968 22 Desember 1994 7 DLTA PT Delta Djakarta Tbk 15 Juni 1970 30 Januari 1989 8 DVLA PT Darya-Varia Laboratoria Tbk 5 Februari 1976 11 November 1984 9 GGRM PT Gudang Garam Tbk 30 Juni 1971 27 Agustus 1990 10 HMSP PT HM Sampoerna Tbk 19 Oktober 1963 15 Agustus 1990 11 INAF PT Indofarma Tbk 2 Januari 1996 17 April 2001 12 INDF PT Indofood Sukses Makmur Tbk 14 Agustus 1990 14 Juli 1994 13 KAEF PT Kimia Farma Tbk 16 Agustus 1971 4 Juli 2001 14 KDSI PT Kedawung Setia Industrial Tbk 9 Januari 1973 29 Juli 1996 15 KICI PT Kedaung Indah Can Tbk 11 Januari 1974 28 Oktober 1993 16 KLBF PT Kalbe Farma Tbk 10 September 1966 30 Juli 1991
50
Universitas Sumatera Utara
No Stocks Nama Emiten Tanggal Berdiri Tanggal Listing 17 LMPI PT Langgeng Makmur Plastic I Tbk 30 November 1972 17 Oktober 1994
18 MERK PT Merck Tbk 14 Oktober 1970 23 Juli 1981
19 MLBI PT Multi Bintang Indonesia Tbk 3 Juni 1929 15 Desember 1981 20 MRAT PT Mustika Ratu Tbk 14 Maret 1978 27 Juli 1995 21 MYOR PT Mayora Indah Tbk 17 Februari 1977 4 Juli 1990 22 PSDN PT Prasidha Aneka Niaga Tbk 16 April 1974 18 Oktober 1994 23 PYFA PT Pyridam Farma Tbk 27 November 1976 16 Oktober 2001 24 RMBA PT Bentoel International Investama Tbk 19 Januari 1979 5 Maret 1990 25 SCPI PT Schering Plough Indonesia Tbk 1 November 1970 8 Juni 1990 26 SKLT PT Sekar Laut Tbk 19 Juli 1979 8 September 1993 27 SQBI PT Bristol-Myers Squibb Indonesia Tbk 8 Juli 1970 29 Maret 1983 28 STTP PT Siantar Top Tbk 12 Mei 1987 16 Desember 1996 29 SUBA PT Suba Indah Tbk 19 Agustus 1994 9 Desember 1991 30 TCID PT Mandom Indonesia Tbk 5 November 1969 30 September 1993 31 TSCP PT Tempo Scan Pacific Tbk 20 Mei 1970 19 Juni 1994 32 ULTJ PT Ultra Jaya Milk Tbk 2 November 1970 2 Juli 1990 33 UNVR PT Unilever Indonesia Tbk 5 Desember 1933 11 Januari 1982
Sumber: Data diolah penulis, 2008
Periode penelitian dimulai dari tahun 2005 sampai dengan tahun 2007 sehingga data penelitian secara keseluruhan berjumlah 99 sampel. Berikut ini akan dijelaskan mengenai data variabel penelitian yang dianalisis dalam penelitian ini.
Tabel 4.2
Data Variabel Penelitian Tahun 2005
Emiten CR DR TATO ROA ROE GPM Perubahan Laba ADES 0.2180 1.4185 0.6844 -0.5677 1.3567 0.1637 -0.1130 AISA 0.8173 0.7340 0.6428 0.0001 0.0004 0.1725 -0.6111 AQUA 7.0987 0.4344 2.1344 0.0881 0.1592 0.0666 -0.2954 BATI 2.1707 0.3858 2.2153 0.0280 0.0462 0.4320 -1.9353 CEKA 1.6556 0.4545 0.7333 -0.0658 -0.1206 0.0833 -0.1089 DAVO 24.4029 0.5537 0.6416 0.0516 0.1155 0.1576 -0.0898 DLTA 3.6942 0.2434 0.8047 0.1049 0.1389 0.4791 0.4572 DVLA 3.5023 0.2906 0.9815 0.1300 0.1832 0.6579 0.4370 GGRM 1.7329 0.4068 1.1228 0.0854 0.1441 0.2070 0.0555 HMSP 1.7060 0.5960 2.0663 0.1997 0.5208 0.2965 0.1964 INAF 1.6227 0.4888 1.3184 0.0185 0.0362 0.2913 0.3255 INDF 1.4699 0.6792 1.2691 0.0084 0.0288 0.2357 -0.6795
lxv
Emiten CR DR TATO ROA ROE GPM Perubahan Laba KDSI 0.9023 0.7940 1.6395 -0.0192 -0.0933 0.1076 -1.2979 KICI 1.4097 0.5208 0.5769 -0.0630 -0.1321 0.0796 -0.4403 KLBF 3.9400 0.3932 1.2671 0.1351 0.2684 0.5047 0.3892 LMPI 2.0594 0.2584 0.5195 0.2580 0.3479 0.1406 -3.5663 MERK 4.7222 0.1727 1.7720 0.2646 0.3199 0.5557 0.0081 MLBI 0.6805 0.6038 1.4818 0.1512 0.3818 0.4394 -0.0034 MRAT 7.0582 0.1205 0.7160 0.0293 0.0333 0.5520 -0.3529 MYOR 3.5368 0.3758 1.1686 0.0313 0.0511 0.2209 -0.4627 PSDN 6.2213 0.6521 1.3640 0.4165 1.4743 0.1595 150.2554 PYFA 1.4120 0.1709 0.5178 0.0173 0.0209 0.5904 -0.0726 RMBA 2.2125 0.3953 1.1812 0.0587 0.0971 0.1961 0.3364 SCPI 0.7081 0.9860 1.7931 -0.0117 -0.8324 0.4688 1.6024 SKLT 1.4173 0.8133 1.7714 0.9694 5.3004 0.1782 -3.1487 SQBI 2.4084 0.3865 1.0109 0.0548 0.0894 0.5756 -0.7758 STTP 2.1520 0.3118 1.3440 0.0223 0.0324 0.1374 -0.6281 SUBA 0.0287 1.1077 0.2612 -0.3925 3.6366 -0.2934 1.5091 TCID 4.4231 0.1581 1.6580 0.1702 0.2021 0.3716 0.1257 TSPC 3.8027 0.2014 1.0649 0.1265 0.1655 0.4343 -0.0813 ULTJ 1.5846 0.3501 0.5674 0.0036 0.0056 0.3034 0.0263 UNVR 1.3522 0.4316 2.6005 0.3749 0.6627 0.4930 -0.0162
Sumber: Data diolah penulis, 2008
Tabel 4.2 menunjukkan bahwa pada tahun 2005 nilai CR tertinggi adalah PT Davomas Abadi Tbk dan terendah adalah PT Suba Indah Tbk. Nilai DR tertinggi adalah PT Ades Waters Indonesia Tbk dan nilai terendah adalah PT Mustika Ratu Tbk. Nilai TATO tertinggi adalah PT Unilever Tbk dan nilai terendah adalah PT Suba Indah Tbk. Nilai ROA tertinggi adalah PT Sekar Laut Tbk dan nilai terendah adalah PT Ades Waters Indonesia Tbk. Nilai ROE tertinggi adalah PT Sekar Laut Tbk dan nilai ROE terendah adalah PT Schering Plough Indonesia Tbk. Nilai tertinggi GPM adalah PT Darya-Varia Laboratoria Tbk dan nilai terendah GPM adalah PT Aqua Golden Mississippi Tbk. Nilai tertinggi perubahan laba adalah PT Prasidha Aneka Niaga Tbk yang memiliki perubahan laba yang sangat tinggi jika
Universitas Sumatera Utara
dibandingkan dengan perusahaan-perusahaan lainnya dan nilai terendah perubahan laba adalah PT Langgeng Makmur Plastic I Tbk.
Tabel 4.3
Data Variabel Penelitian Tahun 2006
Emiten CR DR TATO ROA ROE GPM Perubahan Laba ADES 0.1171 1.9290 0.5790 -0.5522 0.5944 0.0620 0.0800 AISA 1.0811 0.7381 0.9163 0.0004 0.0014 0.1450 2.7143 AQUA 7.1822 0.4312 2.1173 0.0614 0.1092 0.0690 -0.2429 BATI 1.7831 0.4265 0.8330 -0.1015 -0.1770 0.3809 -4.2556 CEKA 2.4746 0.3000 1.3926 0.0545 0.0787 0.0780 -1.7081 DAVO 5.9847 0.6383 0.6118 0.0725 0.2011 0.1794 1.1786 DLTA 3.7486 0.2415 0.6945 0.0758 0.1002 0.4755 -0.2326 DVLA 4.6928 0.2602 1.0347 0.0942 0.1274 0.6598 -0.2664 GGRM 1.8862 0.3938 1.2119 0.0464 0.0766 0.1791 -0.4667 HMSP 1.6805 0.5429 2.3338 0.2789 0.6200 0.2861 0.4815 INAF 1.4846 0.5917 1.4946 0.0222 0.0543 0.2493 0.5884 INDF 1.1818 0.6501 1.3488 0.0406 0.1313 0.2361 4.3316 KAEF 2.1271 0.3099 1.7357 0.0349 0.0505 0.2715 -0.1673 KDSI 0.9810 0.6454 1.4962 0.0167 0.0471 0.1214 -1.9936 KICI 1.2940 0.5822 0.5356 -0.0207 -0.0494 -0.0386 -0.7151 KLBF 5.0417 0.2336 1.3129 0.1463 0.2259 0.5104 0.0806 LMPI 4.1136 0.2573 0.5319 0.0065 0.0088 0.1770 -0.9746 MERK 5.4199 0.1667 1.7248 0.3061 0.3674 0.5841 0.4998 MLBI 0.5284 0.6748 1.4596 0.1205 0.3708 0.4762 -0.1544 MRAT 9.2450 0.0941 0.7759 0.0312 0.0344 0.5596 0.0689 MYOR 3.9094 0.3621 1.2692 0.0602 0.0965 0.2571 1.0463 PSDN 2.1734 0.5942 1.8045 0.0411 0.1285 0.1295 -0.9000 PYFA 1.6915 0.2157 0.7379 0.0208 0.0265 0.6561 0.3020 RMBA 1.6073 0.4927 1.2762 0.0620 0.1222 0.2339 0.3452 SCPI 0.6585 1.0147 1.2517 -0.0252 1.7146 0.5708 1.8854 SKLT 1.7417 0.4400 1.1980 0.0286 0.0512 0.2015 -0.9493 SQBI 2.4097 0.3695 1.1745 0.2084 0.3306 0.5780 3.7714 STTP 2.6925 0.2662 1.1876 0.0309 0.0421 0.1564 0.3565 SUBA 0.0317 1.2133 0.0475 -0.0654 0.3647 -0.1202 -0.8422 TCID 8.7808 0.0960 1.4157 0.1489 0.1648 0.3910 0.0781 TSPC 4.3895 0.1804 1.1008 0.1099 0.1403 0.4100 -0.0817 ULTJ 1.1845 0.3468 0.6687 0.0118 0.0181 0.3016 2.2535 UNVR 1.2659 0.4862 2.4503 0.3722 0.7269 0.4968 0.1951 Sumber : Data diolah penulis, 2008
lxvii
Tabel 4.3 menunjukkan bahwa pada tahun 2006 nilai CR tertinggi adalah PT Aqua Golden Mississippi Tbk dan nilai terendah PT Suba Indah Tbk. Nilai DR tertinggi adalah PT Ades Waters Indonesia Tbk dan nilai terendah adalah PT Mustika Ratu Tbk. Nilai TATO tertinggi adalah PT HM Sampoerna Tbk dan terendah adalah PT Suba Indah Tbk. Nilai tertinggi ROA adalah PT Unilever Indonesia Tbk dan nilai terendah adalah PT Ades Waters Indonesia Tbk. Nilai ROE tertinggi adalah PT Schering Plough Indonesia Tbk dan nilai terendah adalah PT BAT Indonesia Tbk. Nilai tertinggi GPM adalah PT Darya-Varia Laboratoria Tbk dan nilai terendah adalah PT Suba Indah Tbk. Nilai perubahan laba tertinggi PT Indofood Sukses Makmur Tbk dan nilai terendah adalah PT BAT Indonesia Tbk. Pada tahun 2006 tidak ada perusahaan yang memiliki perubahan laba yang terlalu tinggi atau terlalu rendah.
Tabel 4.4
Data Variabel Penelitian Tahun 2007
Emiten CR DR TATO ROA ROE GPM Perubahan Laba ADES 0.3438 0.6246 0.7359 -0.8662 -2.3076 -0.0021 0.2023 AISA 0.7520 0.7846 0.9695 0.0306 0.1421 0.1762 120.2308 AQUA 7.0916 0.4235 2.1897 0.0739 0.1299 0.0611 0.3492 BATI 1.5691 0.5025 0.9856 -0.0506 -0.1018 0.3368 -0.4492 CEKA 1.3590 0.6431 1.3242 0.0402 0.1127 0.1101 0.6138 DAVO 9.2651 0.6926 0.7238 0.0539 0.1760 0.1995 0.0623 DLTA 4.1726 0.2221 0.7425 0.0799 0.1032 0.4491 0.0935 DVLA 5.3626 0.1760 0.9083 0.0890 0.1080 0.6384 -0.0493 GGRM 1.9348 0.4091 1.1768 0.0603 0.1022 0.1805 0.4324 HMSP 1.7797 0.4856 1.8997 0.2311 0.4494 0.2948 0.0265 INAF 1.3104 0.7112 1.2613 0.0110 0.0380 0.2277 -0.2732 INDF 0.9210 0.6326 0.9435 0.0332 0.1376 0.2361 0.4827 KAEF 2.0607 0.3452 1.7059 0.0376 0.0575 0.2739 0.1862 KDSI 1.2404 0.5897 1.7019 0.0267 0.0652 0.1048 0.9725 KICI 6.2704 0.2171 0.7982 -0.1961 -0.2505 -0.0055 4.4358 KLBF 4.9826 0.2182 1.3633 0.1373 0.2084 0.5070 0.0430
Universitas Sumatera Utara
Emiten CR DR TATO ROA ROE GPM Perubahan Laba LMPI 2.9002 0.2659 0.5701 0.0233 0.0318 0.1658 2.7428 MERK 6.1733 0.1535 1.6530 0.2703 0.3193 0.5815 0.0341 MLBI 0.5912 0.6819 1.5737 0.1357 0.4268 0.4523 0.1468 MRAT 7.6802 0.1153 0.7979 0.0352 0.0398 0.5558 0.2236 MYOR 2.9311 0.4147 1.4941 0.0748 0.1309 0.2222 0.5130 PSDN 2.2240 0.6070 2.0570 -0.0296 -0.1035 0.1155 -1.7298 PYFA 1.4520 0.2965 0.9105 0.0183 0.0200 0.6421 0.0081 RMBA 3.7236 0.6006 1.1883 0.0629 0.1576 0.2191 0.6694 SCPI 0.7682 0.9860 1.3250 0.0200 1.4280 0.4814 -2.0305 SKLT 1.5309 0.4724 1.2975 0.0314 0.0596 0.1733 0.2383 SQBI 2.9720 0.3022 1.1443 0.3408 0.4883 0.5760 0.2086 STTP 1.7689 0.3069 1.1602 0.0301 0.0435 0.1402 0.0810 SUBA 0.0241 1.6850 0.0462 0.0378 -0.1559 0.0493 -1.5492 TCID 17.6092 0.0711 1.4042 0.1534 0.1651 0.3958 0.1110 TSPC 4.0547 0.2013 1.1265 0.1004 0.1316 0.4096 0.0212 ULTJ 2.3716 0.3893 0.8268 0.0222 0.0365 0.2863 1.0579 UNVR 1.1098 0.4949 2.3521 0.3684 0.7298 0.5020 0.1412
Sumber: Data diolah penulis, 2008
Tabel 4.4 menunjukkan bahwa pada tahun 2007 nilai CR tertinggi adalahPT Mandom Indonesia Tbk dan nilai terendah adalah PT Ades Waters Indonesia Tbk.
Nilai DR tertinggi adalah PT Suba Indah Tbk dan nilai terendah adalah PT Mandom Indonesia Tbk. Nilai TATO tertinggi adalah PT HM Sampoerna Tbk dan terendah adalah PT Suba Indah Tbk. Nilai ROA tertinggi adalah PT Unilever Indonesia Tbk dan nilai terendah PT Ades Waters Indonesia Tbk. Nilai ROE tertinggi adalah PT Schering Plough Indonesia Tbk dan nilai terendah PT Ades Waters Indonesia Tbk. Nilai GPM tertinggi adalah PT Pyridam Farma Tbk dan nilai terendah adalah PT Kedaung Indah Can Tbk. Nilai perubahan laba tertinggi adalah PT Tiga Pilar Sejahtera Food Tbk yang memiliki perubahan laba yang sangat tinggi dan berbeda dengan perusahaan lainnya dan nilai perubahan laba
lxix B. Statistik Deskriptif
Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata (mean), dan nilai standar deviasi dari variabel-variabel independen dan variabel dependen.
Tabel 4.5 Statistik Deskriptif
N Minimum Maximum Mean Std. Deviation
Ln_CR 99 -3.7255 3.1947 .666811 1.1443435
Ln_DR 99 -2.6437 .6570 -.907250 .6244679
Ln_TATO 99 -3.0748 .9557 .063946 .6242510
Ln_ROA 84 -9.2103 -.0311 -2.899856 1.3780317
Ln_ROE 88 -7.8240 1.6678 -2.119558 1.4761838
Ln_GPM 94 -3.0098 -.4158 -1.336088 .6647675
Ln_Perubahan_Laba 58 -4.8159 5.0123 -1.083034 1.8724984
Valid N (listwise) 52
Sumber: Data diolah penulis, 2008
Tabel 4.5 menunjukkan bahwa semua variabel memiliki nilai minimum negatif, sedangkan variabel yang memiliki nilai maksimum negatif adalah variabel ROA dan GPM. Nilai negatif yang ditunjukkan pada nilai rata-rata ROA, ROE, GPM, dan perubahan laba tidak menunjukkan bahwa rata-rata perusahaan mengalami kerugian. Hal ini dikarenakan transformasi data ke dalam bentuk logaritma natural sehingga setiap nilai negatif secara tidak langsung dihilangkan karena tidak dapat dilogaritma natural. Berikut ini adalah perincian data deskriptif yang telah diolah:
1. Variabel CR memiliki nilai minimum sebesar -3.7255, nilai maksimum sebesar 3.1947, nilai rata-rata sebesar 0.666811, dan standar deviasi sebesar 1.1443435 dengan jumlah pengamatan sebanyak 99.
Universitas Sumatera Utara
2. Variabel DR memiliki nilai minimum sebesar -2.6437, nilai maksimum sebesar 0.6570, nilai rata-rata sebesar -0.907250, dan standar deviasi sebesar 0.6244679 dengan jumlah pengamatan sebanyak 99.
3. Variabel TATO memiliki nilai minimum sebesar -3.0748, nilai maksimum sebesar 0.9557, nilai rata-rata sebesar 0.063946, dan standar deviasi sebesar 0.6242510 dengan jumlah pengamatan 99.
4. Variabel ROA memiliki nilai minimum sebesar -9.2103, nilai maksimum - 0.0311, nilai rata-rata -2.899856, dan standar deviasi sebesar 1.3780317 dengan jumlah pengamatan sebesar 84.
5. Variabel ROE memiliki nilai minimum sebesar -7.8240, nilai maksimum sebesar 1.6678, nilai rata-rata sebesar -2.119558, dan standar deviasi 1.4761838 dengan jumlah pengamatan sebesar 88.
6. Variabel GPM memiliki nilai minimum sebesar -3.0098, nilai maksimum sebesar -0.4158, nilai rata-rata sebesar -1.336088, dan standar deviasi 0.6647675 dengan jumlah pengamatan sebesar 94.
7. Variabel perubahan laba memiliki nilai minimum sebesar -4.8159, nilai maksimum sebesar 5.0123, nilai rata-rata sebesar -1.083034, dan standar deviasi 1.8724984 dengan jumlah pengamatan sebesar 58. Nilai rata-rata perubahan laba menunjukkan rendahnya perubahan laba dalam perusahaan yang diambil sebagai sampel pada periode pengamatan.
lxxi C. Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statistik non parametrik Kolmogorov-Smirnov (K- S) dengan membuat hipotesis.
H0 : Data residual berdistribusi normal HA : Data residual tidak berdistribusi normal
Apabila nilai signifikansi lebih besar dari 0.05, maka H0 diterima dan sebaliknya jika nilai signifikansi lebih kecil dari 0.05, maka H0 ditolak atau HA diterima.
Tabel 4.6 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 99
Normal Parameters(a,b) Mean .0000000
Std. Deviation 18.69375751
Most Extreme Differences
Absolute
.378
Positive .378
Negative -.286
Kolmogorov-Smirnov Z 3.756
Asymp. Sig. (2-tailed) .000
Sumber: Data diolah penulis, 2008
Universitas Sumatera Utara
Dari hasil pengolahan data pada tabel 4.6 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 3.756 dan signifikan pada 0.000. Nilai siginifikansi lebih kecil dari 0.05, maka H0 ditolak yang berarti data residual berdistribusi tidak normal. Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier menurut Erlina (106 : 2007) yaitu:
− lakukan transformasi data ke bentuk lainnya,
− lakukan trimming, yaitu membuang data outlier
− lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual agar berdistribusi normal, penulis melakukan transformasi data ke model logaritma natural (Ln) dari Perubahan Laba = f(CR, DR, TATO, ROA, ROE, GPM) menjadi Ln_Perubahan Laba = f(Ln_CR, Ln_DR, Ln_TATO, Ln_ROA, Ln_ROE, Ln_GPM). Transformasi data ke dalam bentuk logaritma natural menyebabkan data yang bernilai negatif tidak dapat ditransformasi sehingga menghasilkan missing values. Setiap data yang terdapat missing values akan dihilangkan dan diperoleh jumlah sampel yang valid menjadi 52 pengamatan. Kemudian data diuji ulang berdasarkan asumsi normalitas, berikut ini hasil pengujian dengan Kolmogorov-Smirnov.
lxxiii Tabel 4.7
Hasil Uji Normalitas Pada Data Setelah Transformasi Logaritma Natural One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 52
Normal Parameters(a,b) Mean .0000000
Std. Deviation 1.47098055
Most Extreme Differences
Absolute
.067
Positive .061
Negative -.067
Kolmogorov-Smirnov Z .487
Asymp. Sig. (2-tailed) .972
Sumber: Data diolah penulis, 2008
Dari hasil pengolahan data pada tabel 4.7 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0.487 dan signifikan pada 0.975. Nilai signifikansi lebih besar dari 0.05, maka H0 diterima yang berarti data residual berdistribusi normal. Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas berikut ini dilampirkan grafik histogram dan grafik p-plot data yang telah berdistribusi normal.
Universitas Sumatera Utara
Regression Standardized Residual
3 2
1 0
-1 -2
-3
Frequency
12.5
10.0
7.5
5.0
2.5
0.0
Histogram Dependent Variable: Ln_Perubahan_Laba
Mean =1.57E-15 Std. Dev. =0.939 N =52
Gambar 4.1 Histogram Sumber: Data diolah penulis, 2008
Grafik histogram pada gambar 4.1 menunjukkan pola distribusi normal karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
lxxv Gambar 4.2 Grafik Normal P-Plot Sumber: Data diolah penulis, 2008
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expected Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Ln_Perubahan_Laba
Universitas Sumatera Utara
error menjadi tidak terhingga. Cara yang digunakan untuk mendeteksi ada tidaknya multikolinearitas adalah dengan melihat nilai tolerance dan VIF. Pada suatu model regresi dinyatakan terjadi multikolinearitas apabila nilai tolerance <
0.10 dan VIF > 10 (Ghozali, 2005 : 92).
Tabel 4.8
Hasil Uji Multikolinearitas
Model Collinearity Statistics Tolerance VIF
1 (Constant)
Ln_CR .349 2.864
Ln_DR .137 7.296
Ln_TATO .511 1.957
Ln_ROA .019 51.800
Ln_ROE .020 49.556
Ln_GPM .466 2.148
Sumber: Data diolah penulis, 2008
Dari data pada tabel 4.8, dapat disimpulkan bahwa terjadi multikolinearitas pada variabel ROA dan ROE karena ROA dan ROE memiliki nilai tolerance <
0.10 dan VIF > 10, sehingga tidak dapat dilakukan analisis dengan model regresi.
Tindakan perbaikan yang dilakukan adalah mengeluarkan variabel independen yang memiliki nilai VIF yang terbesar yaitu ROA dengan nilai VIF sebesar 51.800. Dengan demikian persamaan regresi yang dapat diterima adalah Ln_Perubahan Laba = f(Ln_CR, Ln_DR, Ln_TATO, Ln_ROE, Ln_GPM).
Setelah dilakukan uji multikolinearitas ulang diperoleh hasil sebagai berikut:
lxxvii Tabel 4.9
Hasil Uji Miltikolinearitas Setelah Tindakan Perbaikan
Model Collinearity Statistics Tolerance VIF
1 (Constant)
Ln_CR .395 2.532
Ln_DR .265 3.774
Ln_TATO .729 1.373
Ln_ROE .580 1.723
Ln_GPM .561 1.783
Sumber: Data diolah penulis, 2008
Dari data pada tabel 4.9 dapat dilihat bahwa tidak ada variabel yang memiliki nilai tolerance < 0.10 dan nilai VIF > 10. Dengan demikian dapat disimpulkan bahwa dalam model regresi sudah tidak terjadi multikolinearitas antar variabel independen.
Tindakan perbaikan dengan mengeluarkan variabel ROA dari model regresi dapat mempengaruhi normalitas data. Untuk mengetahui apakah variabel residual tetap berdistribusi normal setelah dilakukan tindakan perbaikan dengan membuang variabel ROA, maka harus dilakukan uji normalitas kembali. Adapun hasil uji normalitas tersebut dengan menggunakan uji Kolmogorov Smirnov dapat dilihat pada tabel 4.10.
Universitas Sumatera Utara
Tabel 4.10
Hasil Uji Kolmogorov Smirnov Setelah Tindakan Perbaikan Atas Terjadinya Multikolinearitas
Unstandardized Residual
N 54
Normal Parameters(a,b) Mean .0000000
Std. Deviation 1.65822291
Most Extreme Differences
Absolute
.109
Positive .109
Negative -.100
Kolmogorov-Smirnov Z .799
Asymp. Sig. (2-tailed) .546
Sumber: Data diolah penulis, 2008
Dari hasil pengolahan data pada tabel 4.10 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0.799 dan signifikan pada 0.546. Nilai signifikansi lebih besar dari 0.05 yang berarti data residual berdistribusi normal. Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain dalam model regresi.
Model regresi yang baik adalah tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Dalam model regresi dinyatakan telah terjadi heteroskedastisitas apabila titik-titik yang ada membentuk pola tertentu yang teratur. Dalam model regresi tidak terjadi heteroskedastisitas apabila titik-titik yang ada tidak membentuk pola tertentu yang teratur dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y.
lxxix
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Regression Studentized Residual
4 2
0 -2
Regression Standardized Predicted Value
3
2
1
0
-1
-2
Scatterplot Dependent Variable: Ln_Perubahan_Laba
Gambar 4.3
Hasil Uji Heteroskedastisitas (Scatterplot) Sumber: Data diolah penulis, 2008
Dari garfik scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi perubahan laba perusahaan manufaktur sektor industri barang konsumen yang terdaftar di BEI berdasarkan masukan variabel independen CR, DR, TATO, ROE, dan GPM.
Universitas Sumatera Utara
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. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu pada data yang tersusun, baik berupa data cross sectional dan/ atau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson (DW). Dalam model regresi tidak terjadi autokorelasi apabila nilai du < dw < 4 – du.
Tabel 4.12 menyajikan hasil uji Durbin Watson dengan menggunakan program SPSS versi 15.
Tabel 4.11 Hasil Uji Autokorelasi
Model R R Square
Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 .473(a) .224 .143 1.7424496 2.221
Sumber: Data diolah penulis, 2008
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson (dw) sebesar 2.221, nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan signifikansi 5%, jumlah pengamatan 54 (n), dan jumlah variabel independen 5 (k=5), maka berdasarkan tabel Durbin Watson didapat nilai batas atas (du) sebesar 1. 7698 dan nilai batas bawah (dl) sebesar 1.3506. Oleh karena
lxxxi
itu, nilai (dw) lebih besar dari 1.7698 dan lebih kecil dari 4 – 1.7698 atau dapat dinyatakan bahwa 1.7698 < 2.221 < 4 - 1.7698 (du < dw < 4 – du). Dengan demikian dapat disimpulkan tidak terdapat autokorelasi baik positif maupun negatif.
D. Analisis Regresi
Dari hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator (BLUE) dan layak dilakukan analisis regresi.
1. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh Ln_CR (X1), Ln_DR (X2), Ln_TATO (X3), Ln_ROE (X4), Ln_GPM (X5) terhadap Ln_Perubahan Laba (Y). Hasil regresi dapat dilihat pada tabel 4.12.
Tabel 4.12 Analisis Hasil Regresi
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -.225 1.011 -.222 .825
Ln_CR .653 .444 .298 1.471 .148
Ln_DR 1.739 .737 .583 2.361 .022
Ln_TATO -.489 .748 -.097 -.654 .516
Ln_ROE .003 .242 .002 .014 .989
Ln_GPM -.259 .538 -.082 -.481 .633
Sumber: Data diolah penulis, 2008
Universitas Sumatera Utara
Berdasarkan penjelasan dari pengujian asumsi klasik sebelumnya, model regresi dalam penelitian ini telah diubah menjadi model logaritma natural, sehingga beta dan koefisien dari penelitian ini juga dalam bentuk logaritma natural. Model regresi berdasarkan hasil analisis regresi dinyatakan dalam bentuk fungsi Ln_Perubahan Laba.
Y = -0.225 + 0.653 X1 + 1.739 X2 – 0.489 X3 + 0.003 X4 - 0.259 X5 Kemudian model regresi tersebut akan diinterpretasikan.
β0 = -0.225
Nilai konstanta ini menunjukkan bahwa apabila tidak ada variabel Ln_CR, Ln_DR, Ln_TATO, Ln_ROE, Ln_GPM (X1=X2=X3=0), maka Ln_
perubahan laba adalah sebesar -0.225.
β1 = 0.653
Koefisien regresi β1 ini menunjukkan bahwa setiap variabel Ln_CR meningkat sebesar satu satuan, maka Ln_perubahan laba akan bertambah sebesar 0.653 atau 65,3% dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
β2 = 1.739
Koefisien regresi β2 ini menunjukkan bahwa setiap variabel Ln_DR meningkat sebesar satu satuan, maka Ln_perubahan laba akan bertambah sebesar 1.739 atau 173.9% dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
lxxxiii
β3 = -0.489
Koefisien regresi β3 menunjukkan bahwa setiap variabel Ln_TATO meningkat sebesar satu satuan, maka Ln_perubahan laba akan menurun sebesar 0.489 atau 48.9% dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
β4 = 0.003
Koefisien regresi β4 menunjukkan bahwa setiap variabel Ln_ROE meningkat sebesar satu satuan, maka Ln_perubahan laba akan meningkat sebesar 0.003 atau 0.3% dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
β5 = -0.259
Koefisien regresi β5 menunjukkan bahwa setiap variabel Ln_GPM meningkat sebesar satu satuan, maka Ln_perubahan laba akan menurun sebesar 0.259 atau 25.9% dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.
2. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat jika nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-
Universitas Sumatera Utara
variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen. Oleh karena itu, digunakan nilai adjusted R square untuk mengevaluasi mana model regresi terbaik.
Tabel 4.13
Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi Model Summary
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .473(a) .224 .143 1.7424496
a Predictors: (Constant), Ln_GPM, Ln_TATO, Ln_CR, Ln_ROE, Ln_DR b Dependent Variable: Ln_Perubahan_Laba
Sumber: Data diolah penulis, 2008
Tabel 4.13 menunjukkan bahwa nilai koefisien korelasi (R) sebesar 0.473 yang berarti bahwa korelasi atau hubungan antara variabel perubahan laba dengan variabel independennya (Ln_CR, Ln_DR, Ln_TATO, Ln_ROE, Ln_GPM) tidak kuat. Defenisi korelasi ini tidak kuat didasarkan pada nilai R yang berada dibawah 0.5.
Angka koefisien determinasi (Adjusted R Square) adalah 0.143. Hal ini berarti 14,3% variasi dari Ln_perubahan laba dijelaskan oleh variasi dari kelima variabel independen (Ln_CR, Ln_DR, Ln_TATO, Ln_ROE, Ln_GPM), sedangkan sisanya 85,7% lagi dijelaskan oleh variasi atau faktor lainnya.