BAB III METODE PENELITIAN. sebab-akibat (causal research), yaitu penelitian yang dilakukan untuk

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 yang dimiliki perusahaan dalam laporan keuangannya dinilai cukup dan memadai

Universitas Sumatera Utara

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 NonProbability 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 diteliti oleh peneliti.


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.

25

UNTX

PT Unitex 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.

Laba Setelah Pajak Return on Equity (ROE)

= Total Ekuitas


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 Rata-rata piutang usaha


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 Rata-rata kewajiban lancar


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 www.idx.co.id

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, skripsi, dan buku-buku referensi untuk mendapatkan gambaran masalah yang


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 www.idx.co.id per 31 Desember setiap tahunnya. Sedangkan untuk data mengenai harga saham dapat dilihat dan didownload dari situs www.duniainvestasi dan www.saham.us.

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: Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + e


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 dengan melihat histogram yang membandingkan antara data


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 regresi memenuhi asumsi normalitas.


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

: data residual berdistribusi normal Bila signifikansi <0,05 dengan α = 5% berarti distribusi

data tidak normal dan Ho diterima, sebaliknya bila signifikansi


>0,05 berarti distribusi data normal dan H 1 diterima. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto (2004 : 172), yaitu: a) Dengan melakukan transformasi data ke bentuk lain, yaitu: logaritma natural, akar kuadrat, atau logaritma 10 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. Koefisienkoefisien 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 tidaknya hubungan linear antar variabel independen dalam satu


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 digunakan untuk menguji apakah suatu model regresi terjadi


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-titik, dimana titiktitik 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 telah terjadi heteroskedastisitas,


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 regresi yang didapat signifikan. Pengujian hipotesis ini dilakukan


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: H 0 : b 1 = b 2 = b 3 = b 4 = b 5 = 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). H 1 : b 1 ≠ b 2 ≠ b 3 ≠ b 4 ≠ b 5 ≠ 0, artinya secara simultan variabel perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran kewajiban lancar, dan perputaran modal kerja bersih


telah memenuhi model penelitian dan mempunyai pengaruh yang signifikan secara bersama-sama terhadap Return on Equity (ROE). Kriteria pengambilan keputusan: H 0 diterima jika F hitung ≤ F tabel pada α = 5% H 1 diterima jika F hitung > F tabel 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 t hitung , maka selanjutnya nilai t hitung tersebut dibandingkan dengan nilai t tabel . Bentuk pengujiannya sebagai berikut: H 0 : b 1 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran kas terhadap ROE secara parsial. H 1 : b 1 ≠ 0, artinya terdapat pengaruh signifikan dari variabel perputaran kas terhadap ROE secara parsial. H 0 : b 2 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran piutang usaha terhadap ROE secara parsial. H 1 : b 2 ≠ 0, artinya terdapat pengaruh signifikan dari variabel perputaran piutang usaha terhadap ROE secara parsial.


H 0 : b 3 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran persediaan terhadap ROE secara parsial. H 1 : b 3 ≠ 0, artinya terdapat pengaruh signifikan dari variabel perputaran persediaan terhadap ROE secara parsial. H 0 : b 4 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran kewajiban lancar terhadap ROE secara parsial. H 1 : b 4 ≠ 0, artinya terdapat pengaruh signifikan dari variabel perputaran kewajiban lancar terhadap ROE secara parsial. H 0 : b 5 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran modal kerja bersih terhadap ROE secara parsial. H 1 : b 5 ≠ 0, artinya terdapat pengaruh signifikan dari variabel perputaran modal kerja bersih terhadap ROE secara parsial. Pada penelitian ini, t hitung akan dibandingkan dengan t tabel pada tingkat signifikansi (α) = 5%. Kriteria pengambilan keputusan: Jika t hitung < t tabel , maka H 0 diterima dan H 1 ditolak Jika t hitung > t tabel , maka H 0 ditolak dan H 1 diterima. Jika tingkat signifikansi di bawah 0,05 maka H 0 ditolak dan H 1 diterima.


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

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 variabelvariabel 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 dan variabel dependen (Erlina, 2011). Informasi yang dibutuhkan dalam


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 Perputaran Kas Perputaran Piutang Usaha Perputaran Persediaan Perputaran Kewajiban Lancar Perputaran Modal Kerja ROE Valid N (Listwise) Sumber : output SPSS

N Minimum Maximum 30 ,06 143,50 30 1,92 65,70 30 ,37 25,30 30 1,13 15,40 30 ,91 103,00 30 -4,61 2,78 30

Mean

Std. Deviation

52,6417 14,1387 9,1963 3,6550 25,5943 -1,5339

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 dari data variabel tersebut lebih kecil daripada nilai rata-ratanya).


6,79104 2,75652 1,16106 ,56296 6,50474 ,32870

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 variabel tersebut lebih besar daripada nilai rata-ratanya).


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 KolmogorovSmirnov (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 Z hitung (Kolmogrov Smirnov) < Z tabel (1,96) atau angka signifikan > signifikansi (α) 0,05 maka distribusi data dikatakan normal.


2.

Jika Z hitung (Kolmogrov Smirnov) > Z hitung (1,96) atau angka signifikansi < signifikansi (α) 0,05 maka distribusi data dikatakan tidak normal.

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: 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 ExtremeAbsolute .200 Differences 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 Z hitung (Kolmogrov Smirnov) 1,095 < Z tabel (1,96). Hasil uji normalitas dengan menggunakan grafik histogram dan normal probability plot juga menunjukan bahwa data terdistribusi normal. Hal tersebut dilihat melalui grafik histogram dan normal probability plot dibawah ini.


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 dibawah ini.


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 berdistribusi normal.


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 Perputaran Piutang Usaha Perputaran Persediaan Perputaran Kewajiban Lancar Perputaran Modal Kerja Sumber : output SPSS Berdasarkan pada tabel diatas, dapat disimpulkan

.611 .610 .687 .558 .403 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 Kas 1,637; Perputaran Piutang Usaha 1,639; Perputaran Persediaan


1,637 1,639 1,456 1,793 2,483

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 mengamati penyebaran titik-titik pada gambar.


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 acak dan tidak membentuk suatu pola tertentu serta tersebar baik di atas


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 titiktitik yang menyebar menjauh dari 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 Tidak ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidk ada korelasi negatif Tolak 4-dl < d < 4 Tidak ada korelasi negatif No decision 4-du ≤ d ≤ 4-dl Tidak ada korelasi, positif atau negatif Tidak ditolak Du < d < 4-du Sumber : ghozali (2005:96)


Tabel 4.5 Hasil uji statistik durbin-watson Model Summaryb Model

1

R

R Square

a

,654

,428

Adjusted R

Std. Error of the

Square

Estimate ,309

Durbin-Watson

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 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:


4.2.3.1. Uji signifikansi parsial (t-test) Uji t dilakukan untuk mengetahui hubungan antara variabelvariabel independen terhadap variabel dependen secara parsial. Hipotesis yang akan diuji adalah: H 0 = 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; H a = 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. Uji ini dilakukan dengan membandingkan signifikansi t hitung dengan ketentuan: − jika t hitung < t tabel pada α 0,05, maka Ha ditolak, dan − jika t hitung > t tabel pada α 0,05, maka Ha diterima. Tabel 4.6 Hasil uji parsial (t-test) Coefficientsa Model

Unstandardized Coefficients

Standardized

t

Sig.

Coefficients B (Constant)

1

Std. Error

Beta

-3,656

,676

Perputaran_kas

,030

,010

Perputaran_piutang_usaha

,022

Perputaran_persediaan Perputaran_kewajiban_lanc ar Perputaran_Modal_kerja

-5,406

,000

,623

3,156

,004

,024

,184

,932

,361

,104

,053

,369

1,982

,059

,034

,121

,058

,280

,782

-,034

,012

-,665

-2,736

,012


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: H 0 = 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. H a = kinerja keuangan yang terdiri dari perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn persediaan lancar


dan perputaran modal kerja mempunyai pengaruh secara simultan terhadap ROE. Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan ketentuan: − Jika F hitung < F tabel pada α 0.05, maka Ha ditolak, dan − Jika F hitung > F tabel pada α 0.05, maka Ha diterima. Tabel 4.7 Hasil uji simultan (F-test) ANOVAa Model

1

Sum of Squares

Df

Mean Square

Regression

40,254

5

8,051

Residual

53,742

24

2,239

Total

93,996

29

F 3,595

Sig. ,014b

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 F hitung sebesar 3,595 > dari F tabel sebesar 3,59, sehingga H a diterima dan H 0 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 simultan mempunyai pengaruh yang signifikan terhadap ROE.


4.2.3.3. Koefisien determinasi (R2) Koefisien determinasi (R Square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R Square (R2) dikatakan baik jika di atas 0,5 karena nilai R Square (R2) berkisar antara 0 sampai 1. Apabila nilai R Square (R2) 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. 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 (R2) 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 adjusted R Square dianggap Nol.


Tabel 4.8 Hasil Koefisien Determinasi Model Summaryb Model

1

R

R Square

a

,654

,428

Adjusted R

Std. Error of the

Square

Estimate ,309

Durbin-Watson

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 tepat dalam memprediksi variabel dependen.


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 t hitung sebesar 3,156 > t tabel sebesar 0,030 artinya adalah H a diterima dan H 0 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.

2.

Perputaran Piutang Usaha 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 terhadap ROE. Dalam pengujian hipotesis yang dilakukan, diketahui bahwa


t hitung sebesar 0,932 < t tabel sebesar 1,663 sehingga H 0 diterima dan H a 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. 3.

Perputaran Persediaan 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 t hitung sebesar 1,982 < t tabel sebesar 1,663 sehingga H a ditolak dan H 0 diterima.

4.

Perputaran Kewajiban Lancar terhadap ROE 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 t hitung sebesar 0,280 < t tabel sebesar 1,663 sehingga H a ditolak dan H 0 diterima. Perputaran Kewajiban Lancar secara parsial memiliki koefisien negatif dan tidak berpengaruh signifikan terhadap ROE. Hasil ini sejalan dengan hasil yang diperoleh oleh Ika Yuli Wijayanti (2007)


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 t hitung sebesar -2,736 < t tabel sebesar 1,663 sehingga H a ditolak dan H 0 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 positif terhadap ROE.


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 t hitung sebesar 3,156 > t tabel sebesar 0,030 dengan nilai signifikansi sebesar 0,004 < dari signifikansi 0,05. 2. Variabel perputaran piutang usaha secara parsial tidak berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari t hitung 0,932 < t tabel sebesar 1,663 dengan nilai signifikansi sebesar 0,361 > dari signifikansi 0,05. 3. Variabel perputaran persediaan secara parsial tidak berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari t hitung sebesar 1,982 < t tabel sebesar 1,663 dengan nilai signifikansi sebesar 0,782 > dari signifikansi 0,05. 4. Variabel perputarn persediaan lancar secara parsial tidak berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari t hitung sebesar 0,280 < t tabel sebesar 1,663 dengan nilai signifikansi sebesar 0,059 > dari signifikansi 0,05.


5. Variabel perputaran modal kerja secara parsial tidak berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari t hitung sebesar 2,736 < t tabel sebesar 1,663 dengan nilai signifikansi sebesar 0,012 > dari signifikansi 0,05. 5.2. Saran 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 sosial pada perusahaan garmen dan tekstil di Indonesia.


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 persediaan, perputaran persediaan lancar dan perputaran modal kerja.


BAB III METODE PENELITIAN. sebab-akibat (causal research), yaitu penelitian yang dilakukan untuk

Recommend Documents