BAB IV ANALISIS DATA DAN PEMBAHASAN
A. Deskriptif Data statistik deskriptif dalam penelitian ini memberikan gambaran mengenai current ratio (CR), debt ratio (DR), Inventory Turnover (IT), Receivable turnover (RT) dan rasio Return On Asset (ROA). Selanjutnya, deskripsi dari masing-masing variabel dijelaskan seperti berikut ini:
Tabel 4.1. Statistik Deskriptif Descriptive Statistics N ROA 32 CR 32 DR 32 IT 32 RT 32 Valid N 32 (listwise)
Minimum 2.32 66.83 .14 .86 1.67
Maximum 71.51 614.81 1.21 18.03 14.65
Mean 16.4428 236.0622 .4353 9.5930 7.8225
Std. Deviation 13.74401 148.50281 .20735 4.34231 3.33726
Data diolah (2016)
Hasil analisis pada tabel 4.1 nilai rata rata ROA Tahun 2012-juni 2015 adalah 16,44 %. Hal ini menunjukkan bahwa ROA pada perusahaan manufaktur normal karena nilai standar deviasi ROA adalah sebesar 16,44% yang lebih kecil dari nilai rata-ratanya Semakin kecil nilai standar deviasis
emakin
baik,
karena
kecilnya
nilai
standar
deviasi
mengindikasikan penyimpangan yang kecil. Nilai minimum ROA dari
36
37
seluruh sampel adalah sebesar 2,32% dan nilai maksimumnya sebesar 71,51%. Nilai rata-rata CR adalah 236,06%, nilai standar deviasi CR adalah sebesar 148,50% yang lebih kecil dari nilai rata-ratanya.Artinya data CR adalah normal. Nilai minimum CR dari seluruh sampel adalah sebesar 66,83% dan nilai maksimumnya sebesar 614,81%. Nilairata-rata DR adalah 0,44% dengan standar deviasi sebesar 0,21%. Nilai standar deviasi DR lebih kecil dari nilai rata-ratanya yang menunjukkan
adanya
penyimpangan
yang
relatif
kecil,
sehingga
mengindikasikan adanya data yang normal. Nilai minimum dari seluruh sampel adalah sebesar 0,14% dan nilai maksimumnya sebesar 1,21% Nilai rata-rata It adalah 9,59% nilai standar deviasi IT adalah sebesar 4,34% yang lebih kecil dari nilai rata-ratanya. Artinya data IT adalah normal. Nilai minimum It dari seluruh sampel adalah sebesar 0,86 dan nilai maksimumnya sebesar18,03. Nilai rata-rata RT adalah 7,82%. Nilai standar deviasi RT adalah sebesar 3,34% yang lebih kecil dari nilai rata-ratanya. Hal ini mengindikasikan bahwa data RT adalah normal. Semakin kecil nilai standar deviasi semakin baik, karena kecilnya nilai standar devias imengindikasikan penyimpangan yang kecil. Nilai minimum RT dari seluruh sampel adalah sebesar1,67% dan nilai maksimumnya sebesar 14,65%.
38
B. Analisis Data 1. Uji Asumsi Klasik a.Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah dalam modelregresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Pengujian normalitas yang dilakukan dalam penelitian ini menggunakan analisis grafik dan analisis statistik. 1) Analisis Grafik Analisis grafik dilakukan dengan melihat grafik histogram dan grafik P-Plot.Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Data yang baik adalah data yang memiliki pola distribusi normal seperti Gambar 4.1. berikut:
39
Gambar 4.1. Grafik Histogram
Sumber: Output SPSS 21, 2015 data diolah. Dilihat
dari
tampilan
grafik
histogram
tersebut
dapat
disimpulkan bahwa kurva membentuk lonceng dan tidak melenceng ke kiri atau kanan, maka dapat dikatakan model berdistribusi normal.Jika dilihat dari grafik normal P-Plot sebagaimana ditampilkan pada Gambar 4.2.berikut:
40
Gambar 4.2. Grafik Normal Plot
Sumber : data yang diolah (2016) Grafik probabilitas pada gambar 4.1 di atas menunjukkan data terdistribusi secara normal karena distribusi data residualnya terlihat mendekati garis normalnya, sehingga dapat disimpulkan dalam model regresi, variabel residual berdistribusi normal. 2)
Analisis Statistik Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama.Oleh sebab itu,
41
dilakukan kembali uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah residual terdistribusi normal maka dilakukan
uji
Kolmogorov-Smirnov
(K-S).
Data
dikatakan
berdistribusi normal jika memiliki nilai signifikansi lebih dari 5%. Hasil uji K – S dapat dilihat pada Tabel 4.2 sebagai berikut: Tabel 4.2. Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Residual N Normal Parametersa,b Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
32 .0000000 8.71130276 .155 .155 -.087 .876 .426
Sumber: Output SPSS 21, 2016data diolah Berdasarkan hasil pada tabel 4.2 di atas, data terdistribusi normal. Hal ini ditunjukkan dengan nilai Kolmogorov – Smirnov sebesar 0,876 dan signifikan pada 0,426 yang lebih besar dari dari 0,05. Hal ini berarti data residualnya terdistribusi secara normal.
42
b.
Uji Multikolonieritas Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel. Dalam mendeteksi ada tidaknya gejala multikolonieritas antar variabel independen pada model persamaan pertama digunakan variance inflation factor (VIF). Berdasar hasil yang ditunjukkan dalam output SPSS maka besarnya VIF dari masing-masing variabel independen dapat dilihat padatabel 4.3.sebagai berikut: Tabel 4.3. Uji Multikolonieritas
Model
1
Collinearity Statistics Tolerance VIF CR DR IT RT
.450 .435 .848 .920
2.221 2.300 1.179 1.087
Sumber: output SPSS, 2015data diolah.
Berdasarkan tabel 4.3.menunjukkan bahwa keempat variabel independen tidak terjadi multikolonieritas karena memiliki nilai Tolerance lebih dari 0,1 dan nilai VIF kurang dari 10. Sehingga dapat disimpulkan bahwa pada penelitian ini tidak terdapat masalah antar variabel independen dalam model regresi
atau disebut
tidak
terjadi
43
multikolinieritas. Dengan demikian, keempat variabel independen (CR, DR, IT, dan RT) dapat digunakan untuk memprediksi ROA. c.
Uji Autokorelasi
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). Penyimpangan autokorelasi dalam penelitian diuji dengan uji DurbinWatson (DW-test). Untuk mengetahui ada tidaknya autokorelasi dapat dilihat dari nilai uji D-W dengan ketentuan sebagai berikut:1 Tabel 4.4. Pengambilan Keputusan Korelasi Hipotesis nol
Keputusan
Jika
ada autokorelasi positif
Tolak
0 < d < dl
Tdk ada autokorelasi
No decision
dl ≤ d ≤ du
ada korelasi negative
Tolak
4 – dl < d < 4
Tdk ada korelasi negative
No decision
4 – du ≤ d ≤ 4 – dl
Tdk ada autokorelasi,
Tdk ditolak
du < d < 4 – du
positif
positif atau negatif
1
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program IBM SPSS 19, (Semarang: Badan Penerbit Universitas Diponegoro, 2011), Cet. Ke-5, hal. 111.
44
Hasil regresi dengan level of significance 0,05 (α=0,05) dengan jumlah variabel bebas (k = 4) dan banyaknya data (n = 32) diperoleh nilai dL = 0,978 dan dU = 1,7725 dan nilai D-W yang dapat dilihat pada Tabel 4.5. sebagai berikut: Tabel 4.5. Uji Durbin-Watson Model Summaryb Mode R R Square Adjusted R Std. Error of l Square the Estimate a 1 .773 .598 .539 9.33431 a. Predictors: (Constant), RT, CR, IT, DR b. Dependent Variable: ROA
DurbinWatson 1.811
Sumber : data diolah (2013)
Berdasarkan hasil analisis transformasi regresi diperoleh nilai DurbinWatson (DW) sebesar1,811. Sedangkan besarnya DW-tabel: du (batas dalam)=1,732;4–du = 2,268 dan d > du. Dengan demikian dapat disimpulkan bahwa DW-test terletak di dalam daerah uji yaitu du < d < 4 – du, maka dapat disimpulkan bahwa pada model regresi tidak terjadi gejala autokorelasi baik secara positif maupun negative. Gambar 4.3. Hasil Uji Durbin-Watson Autokorela si Positif
Daerah keraguraguan
Daerah keraguraguan
Autokorelasi negatif
1,811 7
1,177
1,732
2
2,368
2,823
45
d.
Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain.Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Pengujian heteroskedastisitas dalam penelitian ini dilakukan dengan menggunakan analisis grafik scatterplot sebagai berikut: Gambar 4.4. Grafik Scatterplot
Sumber: output SPSS 21, 2016 data diolah.
46
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun dibawah angka nol pada sumbu Y, hal ini dapat disimpulkan bahwa model tidak terjadi heteroskedastisitas dan model regresi layak digunakan. Tabel 4.6 Hasil uji galtser
Model
(Constant) CR
Coefficientsa Unstandardized Standardized Coefficients Coefficients B Std. Error Beta 6.029 3.676 -.011 .007 -.357
1 DR 2.585 IT -.200 RT .595 a. Dependent Variable: abs
5.060 .173 .216
.115 -.187 .428
t
Sig.
1.640 -1.608
.113 .119
.511 -1.154 2.752
.614 .259 .070
Hasil yang ditampilkan dari tabel di atas menunjukan nilai signifikansi masing masing variabel lebih besar dari 0,05, sehingga dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas.2 2. Analisis Regresi berganda Setelah melalui semua tahapan uji asumsi klasik, maka dapat dikatakan model regresi linear berganda sudah layak atau tepat digunakan sebagai dasar pengambilan keputusan pengujian hipotesis 2
hlm 185
V.wiratna sujarweni, belajar mudah spss, (Yogyakarta : glabal media informasi , 2002)
47
serta mengetahui pengaruh CR (X1), DR (X2), IT (X3),dan RT (X4) terhadap profitabilitas/ROA (Y) pada perusahaan manufaktur yang terdapat di JII. Berdasarkan hasil analisis regresi berganda dengan menggunakan SPSS 21 diperoleh hasil sebagai berikut: Tabel 47 Persamaan Regresi
Model
1
(Constant) CR DR IT RT
Unstandardized Standardized Coefficients Coefficients B Std. Error Beta -30.152 8.909 .039 .017 .424 49.583 12.263 .748 1.109 .653
.419 .524
.350 .159
T
Sig.
-3.385 2.332 4.043
.002 .027 .000
2.644 1.248
.013 .223
Dependent variable : ROA Sumber: output SPSS 21, 2016 data diolah Berdasarkan tabel 4.7, koefisien dalam persamaan regresi diperoleh nilai koefisien persamaan adalah 0,424 untuk koefisien CR, 0,748 untuk koefisien DR,0,350 untuk koefisien IT, 0,159 untuk koefisien RT. Dengan hasil tersebut maka dapat disusun persamaan linier regresi linier berganda sebagai berikut : Y = 0,424 X1 +0,748 X2 + 0,350 X3 + 0,159 X4 ROA = 0,424CR + 0,748 DR + 0,350 IT + 0,159 RT Hasil Persamaan transformasi regresi di atas mempunyai makna terhadap hipotesis penelitian sebagai berikut :
48
a. Pengaruh CR terhadap ROA Berdasarkan persamaan regresi linier diata smenunjukkan apabila terjadi kenaikan CR sebesar satu satuan akan meningkatkan ROA sebesar nilai koefisien variabel X1 yaitu sebesar 0,424 satuan. hal ini juga berarti apabila nilai CR semakin besar maka nilai ROA perusahaan akan semakin besar, Sehingga semakin kecil nilai CR maka semakin kecil nilai ROAnya. b. Pengaruh DR terhadap ROA Koefisien transformasi regresi X2 untuk variabel DR adalah sebesar 0,748 Nilai koefisien menunjukkan bahwa a p a b i l a n i l a i DR meningkat satu satuan maka Return On Asset (ROA) dari perusahaan manufaktur yang terdaftar di Jakarta Islamic Index periode tahun 2012 –juni 2015 akan mengalami peningkatan sebesar 0,748 satuan.hal ini juga berarti apabila nilai DR semakin besar maka nilai ROA perusahaan meningkat. Sehingga semakin kecil nilai DR maka semakin kecil nilai ROAnya. c. Pengaruh IT terhadap ROA Koefisien transformasi regresi X3 atau untuk variabel It adalah sebesar 0,350.Apabila IT meningkat sebesar satu satuan maka akan mengakibatkan ROA meningkat 0,35 satu saatuan. Nilai koefisien menunjukkan bahwa apabila IT mengalami peningkatan m ak a Return OnAsset (ROA) dari perusahaan manufaktur yang terdaftar di Jakarta Islamic Index periode tahun 2012–Juni 2015 akan mengalami
49
peningkatan , apabila IT menurun maka ROA menurun. d. PengaruhRTterhadapROA KoefisientransformasiregresiX4atauuntukvariabel ITadalahsebesar 0,159.Hal ini berarti apabila RT perusahaan meningkat sebesar satu satuan
maka
ROA
meningkat
Nilaikoefisienmenunjukkanbahwa
sebesar
0,159
satu
satuan.
RTsebesar
0,159
meningkatnyaReturnOnAsset(ROA)dariperusahaanmanufakturyang terdaftar di Jakarta Islamic Index periode tahun 2012–juni2015. 3. Uji Hipotesis Analisis data dengan menggunakan pengujian regresi linier berganda untuk mengetahui pengaruh secara serempak dan secara parsial antaraCR, DR, IT, dan RT terhadap ROA.Pengujian hipotesis dalam penelitian ini menggunakan dua metode, yakni metode berdasarkan uji t statistik dan uji F statistik. a. Hasil Uji t (Parsial) Uji statistik t pada dasarnya menunjukkan apakah variabel independen yang dimasukkan dalam model mempunyai pengaruh secara parsial terhadap variabel dependennya. Berdasar output SPSS secara parsial pengaruh dari kelima variabel independen yaitu CR, DR, IT, dan RT terhadap ROA ditunjukkan pada tabel 4.8sebagai berikut :
Tabel 4.8 Uji Statistik t
50
Model
1
Unstandardized Coefficients
(Constant) CR DR IT
Standardized Coefficients
B -30.152 .039 49.583 1.109
Std. Error 8.909 .017 12.263 .419
.653
.524
RT
T
Sig.
Beta .424 .748 .350
-3.385 2.332 4.043 2.644
.002 .027 .000 .013
.159
1.248
.223
Sumber: Output SPSS 21, 2016 data diolah.
Hasil pengujian hipotesis masing-masing variabel independen secara parsial terhadap variabel dependennya dapat dianalisis sebagai berikut : 1. Hipotesis 1 Berdasarkanujistatistik
secaraparsial
4.8diperolehnilaithitungsebesar2,332
dan
t
pada
tabel
tabel
sebesar
2,037sehingga t hitung lebih besar dari t tabel (2,332>2,037). Tabel di atas juga menunjukkan nilai taraf signifikasi t sebesar 0,027 < 0,05. Dengan demikian, dapat disimpulkan terdapat pengaruh positif-signifikan
antaraCR
terhadap
ROA
pada
perusahaan
manufaktur di Jakarta islamix index periode 2012 – juni 2015. 2. Hipotesis 2 Berdasarkanujistatistik
secaraparsial
4.10diperolehnilaithitungsebesar4,043
dan
t
pada
tabel
tabel
sebesar
2,037sehingga t hitung lebih besar dari t tabel (4,043>2,037). Tabel di atas juga menunjukkan nilai signifikan-t sebesar 0,000 yang lebih
51
kecil dari 0,05 sehingga dapat disimpulkan terdapat pengaruh positifsignifikan antara DR terhadap ROA pada perusahaan manufaktur di Jakarta islamix index periode 2012 – juni 2015. 3. Hipotesis 3 Berdasarkanujistatistiksecaraparsial 4.8diperolehnilaithitungsebesar2,644
pada dan
t
tabel
tabel sebesar
2,037sehingga t hitung lebih kecil dari t tabel (2,644<2,037). Tabel di atas juga menunjukkan nilai signifikan-t sebesar 0,013 yang lebih besar dari 0,05. Dengan demikian, dapat disimpulkan terdapat pengaruh signifikan antara IT terhadap ROA pada perusahaan manufaktur di Jakarta islamix index periode 2012 – juni 2015. 4. Hipotesis 4 Berdasarkanujistatistiksecaraparsial 4.8diperolehnilaithitung
sebesar1,248
pada dan
t
tabel
tabel sebesar
2,037sehingga t hitung lebih besar dari t tabel (1,248<2,037). Tabel di atas juga menunjukkan nilai signifikan-t sebesar 2,33 yang lebih besar dari 0,05. Dengan demikian, dapat disimpulkan terdapat pengaruh positif-signifikan antara
RT terhadap ROA pada
perusahaan manufaktur di Jakarta islamix index periode 2012 – Juni 2015.
52
b. Hasil Uji F (Simultan) Berdasarkan output SPSS 21 nampak bahwa pengaruh secara bersama-sama lima variabel bebas pada persamaan pertama CR, DR, IT, dan RT terhadap ROA pada perusahaan manufaktur di jakarta islamic index periode 2012-juni215 di Indonesia seperti ditunjukkan pada tabel 4.9 sebagai berikut: Tabel 4.9 Uji Statistik F
Model
ANOVAa Df
Sum of Squares
Mean Square
Regression 3503.339 4 1 Residual 2352.491 27 Total 5855.830 31 a. Dependent Variable: ROA b. Predictors: (Constant), RT, CR, IT, DR
875.835 87.129
F
Sig.
10.052
.000b
Sumber : data diolah (2013) PadaTabel4.9menunjukkanbahwanilaiFhitungsebesar10,052yan g lebihbesardariFtabelsebesar2,64dannilaisignifikansisebesar0,000.Kare na
nilaiF-
hitunglebihbesardarinilaiFtabeldannilaisignifikansilebihkecildari5%ma kahipotesisditerima.Olehkarenaitusecarabersama-sama(simultan) variabelindependen
CR,
variabeldependenROA.
DR,
IT,
dan
RT
mempengaruhi
53
4. Koefisien Determinasi (R2) Koefisien ini dinyatakan dalam R2. Nilai R2 menunjukkan tingkat kemampuan semua variabel bebas untuk mempengaruhi variabel terikat, sedangkan sisanya ditentukan oleh variabel lain diluar variabel bebas.Nilai koefisien determinasi adalah antara nol sampai dengan satu. Semakin tinggi nilai koefisien determinasi, maka akan semakin baik pula kemampuan variabel independen dalam menjelaskan variabel dependen. Berikut merupakan hasil koefisien determinasi pada penelitian ini. Koefisien ini dinyatakan dalam R2. Nilai R2 menunjukkan tingkat kemampuan semua variabel bebas untuk mempengaruhi variabel terikat, sedangkan sisanya ditentukan oleh variabel lain diluar variabel bebas.Nilai koefisien determinasi adalah antara nol sampai dengan satu. Semakin tinggi nilai koefisien determinasi, maka akan semakin baik pula kemampuan variabel independen dalam menjelaskan variabel dependen. Berikut merupakan hasil koefisien determinasi pada penelitian ini. Tabel 4.10. Koefisien Determinasi
Mode l 1
Model Summaryb R R Square Adjusted R Std. Error of Square the Estimate a .773 .598 .539 9.33431
a. Predictors: (Constant), RT, CR, IT, DR
54
b. Dependent Variable: ROA Sumber : data diolah (2016) Tabel4.10diatasmenunjukkanbahwanilaiadjustedR2 modeladalah sebesar0,539atau53,9%,artinyasebesar53,9%variasiROAbisadijelaskan olehvariasivariabelindependendalammodeltersebutyaitu,CR, DR, IT, dan
RT.Sisanyasebesar46,1%dijelaskanolehvariabellaindi
luar
penelitian ini.
C. Pembahasan 1.
Pengaruh CR terhadap ROA Hasil regresi CR menunjukkan nilai yang diperoleh dari hasil koefisien sebesar 0,424 dengan tingkat signifikansi 0,027. Hal ini berarti CR berpengaruh positif dan signifikan terhadap ROA dan menunjukkan bahwa meningkatnya nilai CR akan meningkatkan ROA. Apabila ROA meningkat satu satuan maka CR akan meningkat 0,424 satu satuan. UJi Hipotesi CR nilai t hitung lebih besar dari t tabel (2,332>2,037) dan menunjukkan nilai signifikan-t sebesar 0,027 yang lebih kecil dari 0,05.Artinya terdapat pengaruh positif-signifikan antara jumlah CR terhadap profitabilitas pada perusahaan manufaktur di Jakarta islamix index periode 2012 – Juni 2015.
55
2.
Pengaruh DR terhadap ROA Hasil regresi DR menunjukkan nilai yang diperoleh dari hasil koefisien sebesar 0,748 dengan tingkat signifikansi 0,000. Hal ini berarti DR memiliki pengaruh positif signifikan terhadap ROA..Nilai t hitung lebih besar dari t tabel (4,043>2,037). dan nilai signifikan-t sebesar 0,000 yang lebih kecil dari 0,05 artinya terdapat pengaruh positif-signifikan antara DR terhadap profitabilitas pada perusahaan manufaktur di Jakarta islamix index periode 2012 – juni 2015.
3.
Pengaruh IT terhadap ROA Hasil regresi IT menunjukkan bahwa nilai yang diperoleh dari hasil koefisien sebesar 0,350 dengan tingkat signifikansi 0,13..Hal ini berarti IT berpengaruh positif dan signifikan terhadap ROA dan menunjukkan bahwa meningkatnya nilai CR akan meningkatkan ROA. UJi Hipotesis CR nilai t hitung lebih besar dari t tabel (12,48<2,037) dan menunjukkan nilai signifikan-t sebesar 0,223 yang lebih besar dari 0,05. Artinya terdapat pengaruh positif-signifikan antara jumlah CR terhadap profitabilitas
4.
Pengaruh RT terhadap ROA Hasil regresi RT menunjukkan bahwa nilai yang diperoleh dari hasil koefisien sebesar 0,159 dengan tingkat signifikansi sebesar 0,223. Hal ini berarti RTtidak berpengaruh secara signifikan terhadap ROA. UJi Hipotesi CR nilai t hitung lebih besar dari t tabel (2,644>2,037) dan menunjukkan nilai signifikan-t sebesar 0,223yang
56
lebih besar dari 0,05. Artinya tidak terdapat pengaruh signifikan antara jumlah RT terhadap profitabilitas 5.
Pengaruh CR, DR, IT, dan RT terhadap ROA Dalam penelitian ini hasilregresi menunjukkan bahwa secara simultan variabel independen (CR, DR, IT, dan RT) berpengaruh terhadap variabel dependen (ROA). Hal ini dibuktikandari hasil uji F yang menghasilkan Fhitungsebesar 10,052 yang lebih besar dari Ftabel sebesar 2,64 dengan tingkat signifikansi sebesar 0,000 yang lebih kecil dari 0,05. hasil ini memberikan informasi mengenai ROA yaitu rasio yang diukur dengan CR, DR, IT dan RT secara bersama-sama dapat digunakan untuk memprediksi ROA.
