BAB IV ANALISIS DAN PEMBAHASAN
A. Analisa Deskriptif
1. Deskriptif Statistik Dengan rasio aktivitas, kita dapat mengetahui tingkat persediaan, penjualan serta perputaran aktiva tetap pada suatu perusahaan. Rasio aktivitas merupakan salah satu rasio yang dapat menentukan tingkat likuiditas dan kesehatan pada suatu perusahaan. Tujuan dari analisa deskriptif adalah untuk mengetahui gambaran umum mengenai kecendrungan dari rentabilitas ekonomis, perputaran piutang, perputaran persediaan, perputaran aktiva tetap dan perputaran total aktiva. Tabel 4. 1
Descriptive Statistics
N
Minimum
Maximum
Mean
Std. Deviation
Rentabilitas Ekonomi
120
.00
1.00
.1268
.14941
Perputaran piutang
120
.01
303.19
16.6403
49.91743
Perputaran persediaan
120
.00
13928.41
363.5000
1974.33021
Perputaran aktiva tetap
120
.00
19.94
3.9242
4.10978
Perputaran total aktiva
120
.00
7.01
1.0769
1.24501
Valid N (listwise)
120
35
Dari tabel 4.1 dapat diketahui bahwa tingkat rentabilitas ekonomis selama tahun 2006-2009 atau selama 4 tahun adalah sebesar 0,1268 dengan tingkat fluktuasi sebesar 0,14941. Rerata perputaran piutang adalah sebesar. 16,6403 dengan tingkat fluktuasi 49,91743. Rerata perputaran persediaan adalah sebesar 363,5000 dengan tingkat fluktuasi 1974,33021. Rerata perputaran aktiva tetap sebesar 3,9242 dengan tingkat fluktuasi sebesar 4,10978 dan rerata perputaran total aktiva adalah sebesar 1,0769 dengan tingkat fluktuasi 1,24501. Analisa tersebut merupakan analisa deskriptif tanpa diikuti oleh analisa verifikatif. Oleh karena itu agar lebih akurat maka perlu dibuat analisa verifikatif pada bagian pengujian hipotesis selanjutnya. 2. Uji Hipotesis Sesuai dengan hipotesis semula yang menyatakan bahwa antara perputaran piutang, perputaran persediaan, perputaran aktiva tetap dan perputaran total aktiva mempunyai pengaruh signifikan variabel rentabilitas ekonomis. Untuk itu akan digunakan regresi linier berganda. Analisa ini dilakukan dengan menggunakan SPSS versi 17.0. Untuk mempermudah menilai variabel independen yang layak dilanjutkan maka dalam hal ini digunakan metode enter karena variabel yang tidak mungkin dilanjutkan akan langsung dikeluarkan, sehingga yang tinggal hanyalah variabel yang bisa diterima.
36
B. Uji Normalitas
Uji asumsi normalitas one sample kolmograv-smirnov digunakan untuk menguji keselarasan data yang berskala ordinal maupun nominal. Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti mengikuti atau mendekati normal. Oleh karena itu uji kolmogrov-smirnov ini untuk menguji keselarasan data, maka data yang akan diuji ini adalah variabel independent sebagai Rasio Perputaran Piutang, Rasio Piutang, Rasio Aktiva tetap, Rasio perputaran Total Aktiva, dan variabel dependent yaitu Rentabilitas Ekonomi. Data yang baru adalah data yang mempunyai probabilitas lebih tinggi dari 0,05 karena kriteria pengujian antara lain, yaitu : 1. Angka signifikan (SIG) > 0,05 maka data berdistribusi normal. 2. Angka Signifikan (SIG) < 0,05 maka data tidak berdistribusi normal. Uji normalitas data statistic non parametic one sample kolmograv – sminorv test akan disajikan dalam output dibawah ini. Tabel 4. 2 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b)
120 Mean
.0000000
Std. Deviation Most Extreme Differences
Absolute
.69954323 .118
37
Positive
.092
Negative
-.118
Kolmogorov-Smirnov Z
1.288
Asymp. Sig. (2-tailed)
.072
a Test distribution is Normal. b Calculated from data.
Dari hasil uji K-S pada table dapat diketahui nilai Asymp. Sig. (2tailed) adalah sebesar 0,072, angka tersebut menunjukan diatas α = 0.05 jadi dapat disimpulkan bahwa kita menerima hipotesis nol yang berarti data berdistribusi normal. C. Uji Asumsi Klasik
1. Uji Autokorelasi Syarat pertama dari suatu model regresi linier berganda adalah tidak boleh adanya autokorelasi. Untuk mengetahui apakah suatu model regresi linier berganda dapat dilakukan dengan bantuan d-test atau pengujian Durbin-Watson. Pengujian Durbin – Watson ini dilakukan dengan membandingkan antara d hitung dengan d-tabel. Ketentuan pengambilan keputusan: a. (4-dL) < DW < 4 artinya terjadi autokorelasi b. (4-dU) < DW < (4-dL) artinya tanpa kesimpulan c. dU < DW < (4-dU) artinya tidak ada autokorelasi d. dL < DW < dU artinya tanpa kesimpulan e. 0 < DW < dL artinya terjadi autokorelasi
38
Tabel 4. 3 Model Summary(b)
Mode l
DurbinWatson
1
2.001(a)
a. Predictors: (Constant), Perputaran total aktiva, Perputaran persediaan, Perputaran aktiva tetap, Perputaran piutang b. Dependent Variable: Rentabilitas Ekonomi
Dari table 4.3 terlihat bahwa d-hitung atau model Durbin-Watson diperoleh sebesar 2,001. Jika dilihat dari d-tabel akan diperoleh angka dL dan dU untuk N=30 dan 1 variabel serta α = 5 % adalah sebesar 1,070 dan 1,339. Sedangkan 4-dU diperoleh sebesar 2,661. Sehingga jika diformulasikan maka akan diperoleh: dL < dU < d-hitung < 4-dU = 1,070 < 1,339 < 2,001 < 2,661
Sesuai dengan formulasi maka bisa didapat bahwa model ini bebas dari pengaruh autokorelasi. 2. Uji Multikolinearitas Uji Multikolinearitas digunakan untuk mengetahui atau tidaknya penyimpangan asumsi klasik multikolinearitas. Pada metode regresi linier berganda juga tidak dibenarkan adanya pengaruh multikolinearitras. Dalam menguji multikolinearitas biasanya dapat dilakukan dengan melihat besarnya hubungan antara sesama variable independen. Cara praktis untuk
39
mencari multikolinearitas adalah dengan menghitung Variance Inflation Factor (VIF). Dengan batasan bahwa jika angka VIF > 10 maka variabel tersebut diindikasikan adanya multikolinearitas. Sebaliknya jika angka VIF < 10 maka diindikasikan tidak mengandung multikolinearitas. Tabel 4. 4 Coefficients(a)
Collinearity Statistics Model 1
Tolerance
VIF
Perputaran piutang
.034
28.992
Perputaran persediaan
.037
27.354
Perputaran aktiva tetap
.176
5.674
Perputaran total aktiva
.205
4.882
a Dependent Variable: Rentabilitas Ekonomi
Dari tabel 4.4 dapat diketahui bahwa terdapat 2 variabel yang mengandung multikolinearitas yakni pada variabel perputaran Piutang (X1) yakni sebesar 28,992 dan variabel perputaran persediaan (X2), yakni sebesar 27,354.
40
2. Uji Heteroskesdasitas Uji heteroskedasitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual serta pengamatan ke pengamatan yang lain. Dalam pengujian ini menggunakan Uji Park. Kriteria pengujiannya adalah sebagai berikut : 1. Ho: tidak ada gejala heterokedastisitas 2. Ha: ada gejala heterokedastisitas 3. Ho diterima bila –t tabel ≤ t hitung ≤ t tabel berarti tidak terdapat heterokedastisitas dan Ho ditolak bila t hitung > t tabel atau –t hitung < -t tabel yang berarti terdapat heterokedastisitas Tabel 4.5 Coefficientsa
Unstandardized Coefficients Model 1
B (Constant)
Std. Error -2.548
.357
ln_x1
.326
.419
ln_x2
.168
ln_x3 ln_x4
Standardized Coefficients Beta
t
Sig.
-7.133
.000
.295
.780
.437
.187
.169
.901
.369
-.786
.410
-.684
-1.916
.058
.333
.236
.248
1.413
.160
Dari tabel di atas dapat dilihat bahwa nilai t hitung adalah 0,780 (ln_x1), 0,901(ln_x2), -1,916(ln_x3), dan 1,413(ln_x4). Sedangkan nilai t tabel dengan df = n – 2 = 30 – 2 = 28 yaitu sebesar 2,048407 . Karena nilai
41
t hitung berada pada - t tabel ≤ t hitung ≤ t tabel, maka Ho diterima artinya pengujian tidak ada gejala heteroskedastisitas. 4. Uji Linearitas Pengujian ini bertujuan untuk mengetahui apakah persamaan bersifat linear, kuadrat atau kubik. Dalam uji ini menggunakan uji
lagerange
multiplier. Tabel 4. 6 Model Summary
Model 1
R
Adjusted R Square
R Square .099a
.010
Std. Error of the Estimate
-.025
.08135995
a. Predictors: (Constant), x42, x12, x32, x22
ANOVAb Model 1
Sum of Squares Regression
.008
4
.002
Residual
.761
115
.007
Total
.769
119
a. Predictors: (Constant), x42, x12, x32, x22 b.Dependent Variable: Unstandardized Residual
Mean Square
Df
42
F .287
Sig. .886a
Coefficientsa
Unstandardized Coefficients Model 1
B (Constant)
a.
Std. Error -.003
.009
x12
7.520E-7
.000
x22
-5.255E-10
x32 x42
Standardized Coefficients Beta
t
Sig. -.348
.729
.133
.453
.651
.000
-.155
-.528
.598
5.777E-5
.000
.044
.187
.852
.000
.003
.042
.178
.859
Dependent Variable: Unstandardized Residual
Dari output di atas menunjukkan nilai R2 sebesar 0.010 dengan jumlah n observasi 30. Maka besarnya nilai c2 hitung = 30 x 0.010 = 0,3 dan c2 tabel dengan df=30 dengan tingkat signifikan 0.05 didapat hilai c2 tabel sebesar 43,77297178. Oleh karena nilai c2 hitung lebih kecil dari c2 tabel maka dapat disimpulkan bahwa model adalah linear.
D. Uji regresi
Berdasarkan hasil perhitungan regresi dengan menggunakan SPPS versi 17.0 diperoleh persamaan regresi linier berganda sebagai berikut : 1. Analisis Regresi Berganda Regresi berganda adalah metode regresi yang memiliki variabel lebih dari satu. Dari perhitungan SPSS dapat ditentukan nilai koefisien a dan b sebagai berikut:
43
Tabel 4. 7 Coefficientsa Unstandardized Coefficients Model 1
B (Constant)
Standardized Coefficients
Std. Error .022
.010
-.005
.001
Perputaran persediaan
.000
Perputaran aktiva tetap Perputaran total aktiva
Perputaran piutang
Beta
t
Sig.
2.154
.033
-1.552
-5.745
.000
.000
1.786
6.807
.000
.022
.004
.592
4.957
.000
.045
.013
.372
3.360
.001
a. Dependent Variable: RENTABILITAS EKONOMI
a = 0,022 b1 = - 0,005 b2 = 0,000 b3 = 0,022 b4 = 0,045 Sehingga dapat ditentukan persamaan sebagai berikut : Y = 0,022 – 0,005X1 + 0,000X2 + 0,022X3+ 0,045X4 Interpretasi dari persamaan regresi linier berganda adalah sebagai berikut : 1. Jika segala sesuatu pada variabel-variabel independent dianggap konstan maka Rentabilitas Ekonomi (Y) adalah sebesar 0.022.
44
2. Jika terjadi peningkatan perputaran piutang sebesar 1% maka Rentabilitas Ekonomi (Y) akan meningkat sebesar 0,005. 3. Jika terjadi peningkatan perputaran persediaan sebesar 1% maka Rentabilitas Ekonomi (Y) akan meningkat sebesar 0,000. 4. Jika terjadi peningkatan perputaran aktiva tetap sebesar 1% maka Rentabilitas Ekonomi (Y) akan meningkat sebesar 0,022. 5. Jika terjadi peningkatan perputaran total aktiva sebesar 1% maka Rentabilitas Ekonomi (Y) akan meningkat sebesar 0,045. 1). Overall Test (Uji F) Tujuan dari uji F adalah untuk mengetahui apakah seluruh variable X (Independen) secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel dependen (rentabilitas ekonomis). Koefisien uji F bisa dilihat dari hasil
perhitungan SPPS, dimana untuk mengujinya
perlu
dibandingkan antara F-hitung dengan F-tabel, namun untuk mempermudah analisa bisa langsung dari koefisien signifikan atau 15 probabilitas yang ada. Dalam analisa ini digunakan α = 5% artinya kemungkinan kesalahan hanya boleh kecil 5 %. Jika lebih dari 5 % model dianggap tidak signifikan .
45
Tabel 4. 8 ANOVA Model 1
Sum of Squares Regression Residual Total
df
Mean Square
1.888
4
.472
.769
115
.007
2.656
119
F 70.582
Sig. .000a
a. Predictors: (Constant), Perputaran total aktiva, Perputaran persediaan, Perputaran aktiva tetep, Perputaran piutang b. Dependent Variable: Rentabilitasn ekonomi
Berdasarkan hasil perhitungan diatas, diperoleh tingkat signifikan sebesar 0,000 yang artinya semua variabel independen secara bersama-sama berpengaruh terhadap variabel dependen yakni rentabilitas ekonomis dengan tingkat kesalahan sebesar 0,000. Hal ini menunjukkan bahwa semua variable independen secara bersama-sama mempunyai pengaruh yang signifikan terhadap variable dependen (rentabilitas ekonomis). 2) Individual Test (Uji t) Uji t dimaksudkan untuk mengetahui variable independen yang paling berpengaruh terhadap variabel dependen (rentabilitas ekonomis). Koefisien uji t bisa dilihat dari hasil perhitungan SPPS, dimana untuk mengujinya perlu dibandingkan antara t-hitung dengan t-tabel, namun untuk mempermudah analisa bisa langsung dilihat dari koefisien signifikan atau probabilitas yang ada.
46
Dalam analisa ini digunakan α = 5% artinya kemungkinan kesalahan hanya boleh lebih kecil atau sama dengan 2,5% (2 tails). Jika lebih dari 2,5% 16 dari model tersebut dianggap signifikan. Jika t-hitung > t-tabel, maka H0 ditolak dan H1 diterima atau P-value < α disebut signifikan dan sebaliknya. Tabel 4. 9 Coefficientsa Unstandardized Coefficients Model 1
B (Constant)
Std. Error .022
.010
-.005
.001
Perputaran persediaan
.000
Perputaran aktiva tetap Perputaran total aktiva
Perputaran piutang
a.
Standardized Coefficients Beta
t
Sig.
2.154
.033
-1.552
-5.745
.000
.000
1.786
6.807
.000
.022
.004
.592
4.957
.000
.045
.013
.372
3.360
.001
Dependent Variable: Rentabilitas ekonomi
Variabel (X1) memiliki nilai signifikan -5,745 lebih kecil dari 0.05 dan t hitung sebesar -5,745 > t tabel (α 0.05 untuk uji dua pihak ), dk =N – k – 1 yaitu sebesar 30 – 2 – 1 = 27 sebesar 2,05183. yang berarti signifikan dimana Ho diterima dan H1 ditolak, sehingga dapat dikatakan secara parsial perputaran piutang (X1) tidak berpengaruh terhadap Rentabilitas Ekonomi (Y). Variabel (X2) memiliki nilai signifikan 6,807 lebih besar dari 0.05 dan t hitung sebesar 6,807 > t tabel (α 0.05 untuk uji
47
dua pihak ), dk =N – k – 1 yaitu sebesar 30 – 2 – 1 = 27 sebesar 2,05183. yang berarti signifikan dimana Ho ditolak dan H1 diterima, sehingga dapat dikatakan secara parsial perputaran persediaan (X2) berpengaruh terhadap Rentabilitas Ekonomi (Y). Variabel (X3) memiliki nilai signifikan 4,957 lebih besar dari 0.05 dan t hitung sebesar 4,957 > t tabel (α 0.05 untuk uji dua pihak ), dk =N – k – 1 yaitu sebesar 30 – 2 – 1 = 27 sebesar 2,05183. yang berarti signifikan dimana Ho ditolak dan H1 diterima, sehingga dapat dikatakan secara parsial perputaran aktiva tetap (X3) berpengaruh terhadap Rentabilitas Ekonomi (Y). Variabel (X4) memiliki nilai signifika 3,360 lebih besar dari 0.05 dan t hitung sebesar 3,360 > t tabel (α 0.05 untuk uji dua pihak ), dk =N – k – 1 yaitu sebesar 30 – 2 – 1 = 27 sebesar 2,05183. yang berarti signifikan dimana Ho ditolak dan H1 diterima, sehingga dapat dikatakan secara persial total perputaran aktiva (X4) berpengaruh terhadap Rentabilitas Ekonomi (Y). 3. Koefisien Determinasi Koefisien determinasi (R2) adalah untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Tabel 4. 10
48
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.843a
.711
.701
.08177
a. Predictors: (Constant), Perputaran total aktiva, Perputaran persediaan, Perputaran aktiva tetap,Perputaran piutang Dari hasil output SPSS model summary nilai koefisien determinasi (R2) adalah sebesar 0.711, hal ini menunjukan bahwa sumbangan dari pengaruh secara bersama-sama (multiple regression) antara X1, X2, X3 dan X4 terhadap Y adalah hanya 71,1%, sedangkan sisanya 28,9% dipengaruhi oleh faktor lain.
49
