42
BAB IV ANALISIS HASIL DAN PEMBAHASAN
A.
Statisitik Deskriptif Statistik deskriptif digunakan untuk gambaran secara umum data yang telah dikumpulkan dalam penelitian ini. Dari 34 perusahaan barang konsumsi sebanyak 30 perusahaan yang masuk ke dalam kriteria penelitian dan di uji selama 3 tahun. Berikut hasil analisis statistik deskriptif yang telah diperoleh dan dapat dilihat dalam tabel 4.1 sebagai berikut. Tabel 4.1 Hasil Statistik Deskriptif Descriptive Statistics Std. N
Minimum
Maximum
Mean
Deviation
piutang_usaha
90
6439358458
2.E12
3.56E11
5.294E11
current_ratio
90
.51
113.71
5.0190
13.19251
Valid N (listwise)
90
Sumber: Output SPSS 17.0 Dari tabel 4.1 diatas dapat diketahui bahwa : 1. Jumlah sampel ( N ) ada 90 yang terdiri dari 30 perusahaan barang konsumsi selama 3 tahun yang terdiri dari variabel piutang usaha dan current ratio. 2. Piutang
usaha
memiliki
Rp.356.000.000.000,00
nilai dengan
rata
-
standar
rata
(mean) deviasi
sebesar sebesar
Rp.529.400.000.000,00. Dari 90 sampel ini piutang usaha terendah
43
(minimum) adalah Rp 6.439.358.458,00 yaitu PT. Kedaung Indah Can Tbk
tahun
2009.
Dan
terbesar
(maximum)
adalah
Rp
2.400.483.000.000,00 yaitu PT. Indofood Sukses Makmur Tbk tahun 2010. 3. Current ratio memiliki nilai rata – rata (mean) sebesar 5,0190 dengan standar deviasi sebesar 13,19251. Current ratio minimum adalah 0,51 yaitu PT. Ades Waters Indonesia Tbk tahun 2008. Dan current ratio maximum adalah 113,71 yaitu PT. Davomas Abadi Tbk tahun 2009.
Standar deviasi (σ) menunjukkan seberapa jauh kemungkinan nilai yang diperoleh menyimpang dari nilai yang diharapkan (dalam hal ini variable piutang usaha dan current ratio). Semakin besar nilai standar deviasi maka semakin besar kemungkinan nilai riil menyimpang dari yang diharapkan. Dalam kasus seperti ini, dimana nilai mean masing-masing variabel lebih kecil dari pada standar deviasinya, biasanya didalam data terdapat outlier (data yang terlalu ekstrim). “Outlier adalah data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim” (Ghozali, 2006 : 40). Data - data outlier tersebut biasanya akan mengakibatkan tidak normalnya distribusi data (hal ini dibuktikan pada sub bab berikutnya dimana data terbukti tidak normal pada tahap uji normalitas). Langkah perbaikan yang dilakukan agar distribusi data menjadi normal, salah satunya adalah dengan melakukan transformasi
44
Logaritma Natural (ln). Adapun data setelah dilakukan transformasi logaritma natural (ln) sebagai berkut : Tabel 4.2 Hasil Statistik Deskriptif (setelah Transformasi ln) Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
Lnpiutang
90
22.59
28.51
25.7660
1.31228
lnCR
90
-.67
4.73
.9604
.87883
Valid N (listwise)
90
Sumber: Output SPSS 17.0
Setelah dilakukan transformasi, terlihat bahwa standart deviasi masing – masing variabel mempunyai nilai yang lebih kecil daripada mean-nya, dan semua data menunjukkan layak untuk diolah. Standart deviasi pada variabel piutang usaha sebesar 1,31228 dan standart deviasi pada variabel current ratio (rasio lancar) sebesar 0,87883. Dari tabel 4.2 diatas juga dapat disimpulkan data yang “valid” atau layak diolah.
B.
Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Untuk menguji apakah distribusi data normal atau tidak, ada dua cara untuk mendeteksinya, yaitu dengan analisis grafik dan uji statistik. Analisis grafik merupakan cara yang termudah untuk melihat normalitas
45
residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
Gambar 4.1 Grafik Histogram (data asli)
Dari gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan tetapi jika kesimpulan normal tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
46
Gambar 4.2 Normal Probability Plot (data asli)
Grafik probabilitas pada gambar grafik P P-lot 4.2 diatas,terlihat titik-titik tidak menyebar di sekitar garis diagonal dan jauh dari garis diagonal.. pengujian normalitas data hanya dengan melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan.Pengujian normalitas data secara analisis statistik dilakukan dengan menggunakan Uji Kolmogorov–Smirnov. Secara multivariat pengujian normalitas data dilakukan terhadap nilai residualnya. Data yang berdistribusi normal ditunjukkan dengan nilai signifikansi diatas 0,05 atau 5%. Hasil uji Kolmogorov Smirnov dapat dilihat pada tabel 4.3
47
Tabel 4.3 Uji Kolmogorov Smirnov (data asli tahun 2008 – 2010) One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
90 a,,b
Normal Parameters
Mean Std. Deviation
Most Extreme Differences
.0000000 13.12525882
Absolute
.379
Positive
.379
Negative
-.341
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
3.596 .000
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS 17.0
Berdasarkan hasil pada tabel diatas, menunjukkan bahwa data belum terdistribusi normal. Hal ini ditunjukkan dengan nilai KolmogorovSmirnov adalah 3,596 dan signifikan pada 0,000. Hal ini berarti data residual terdistribusi secara tidak normal, karena nilai signifikansinya kurang dari 0,05. Dari serangkaian tes diatas menunjukkan bahwa walaupun pada analisis grafik, data residual terlihat terdistribusi normal, tetapi saat kita uji dengan uji Kolmogorov-Smirnov ternyata diketahui bahwa distribusi data residual tidak normal. Jika asumsi normalitas data residual tidak dapat dipenuhi, maka salah satu langkah perbaikan dilakukan dengan mentransformasikan variabel dependen dan variabel independen menjadi bentuk logaritma natural. Setelah dilakukan
48
transformasi, penulis melakukan pengujian ulang terhadap uji normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi normal atau tidak. Berikut hasil uji normalitas setelah transformasi : Tabel 4.4 Uji Kolmogorov Smirnov (data setelah transformasi ln) One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
90 a,,b
Normal Parameters
Mean Std. Deviation
Most Extreme Differences
.0000000 .87387216
Absolute
.095
Positive
.095
Negative
-.082
Kolmogorov-Smirnov Z
.898
Asymp. Sig. (2-tailed)
.395
a. Test distribution is Normal. b. Calculated from data.
Sumber: Output SPSS 17.0
Dari hasil pengujian kedua diatas, menunjukkan nilai KolmogorovSmirnov sebesar 0,898 dan signifikan pada 0,395. Nilai signifikansi yang didapat ini melebihi 0,05, hal ini berarti bahwa data residual telah terdistribusi secara normal. Hasil terakhir diatas juga didukung hasil analisis grafiknya, yaitu dari grafik histogram maupun grafik Normal Probability Plot-nya seperti gambar 4.3 dan 4.4 berikut ini:
49
Gambar 4.3 Grafik Histogram (setelah Transformasi ln)
Gambar 4.4 Normal Probability Plot (setelah Transformasi ln) Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa pada distribusi data mendekati normal. Kemudian pada grafik normal plot terlihat titik-titik sebaran lebih mendekati garis normal jika
50
dibandingkan dengan grafik normal plot saat sebelum dilakukan transformasi ke logaritma natural.
C.
Analisis Regresi Linier Sederhana Tabel 4.5 Hasil Perhitungan Regresi Linier Sederhana a
Coefficients
Standardized Unstandardized Coefficients Model 1
B
Std. Error
(Constant)
2.791
1.831
lnpiutang
-.071
.071
Coefficients Beta
t
-.106
Sig.
1.524
.131
-1.001
.320
a. Dependent Variable: lnCR
Sumber: Output SPSS 17.0
Berdasarkan tabel Coefficients, diketahui bahwa besarnya nilai t test = - 1,001 sedangkan besarnya signifikansi = 0,320 lebih besar dari 0,05. Dengan demikian Ho diterima yang berarti tidak ada pengaruh variabel current ratio terhadap piutang usaha. Dan dari tabel Coefficients di atas, kolom B pada Constant (a) adalah 2,791 sedangkan nilai piutang usaha (b) adalah -0,071 . Sehingga persamaan regresinya adalah :
Y = a + bX + e LnCR = 2,791 - 0,071Lnpiutang + e
51
Keterangan : a. Nilai konstanta adalah 2,791 artinya apabila variabel piutang usaha bernilai nol (tidak ada) maka current ratio akan bernilai sebesar 2,791 b. Nilai koefisien piutang usaha adalah -0,071 artinya setiap kenaikan piutang usaha akan menurunkan nilai current ratio sebesar 0,071
D.
Hasil Uji Hipotesis
a.
Uji koefisien Determinasi (Uji R2) Koefisien Determinasi (R²) bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen untuk mengetahui kemampuan variabel piutang usaha dalam menjelaskan kemampuan terhadap rasio lancar ( current ratio ). Tabel 4.6 Hasil Uji R2 b
Model Summary
Model 1
R
R Square a
.106
Adjusted R
Std. Error of the
Square
Estimate
.011
.000
.87882
a. Predictors: (Constant), lnpiutang b. Dependent Variable: lnCR
Sumber: Output SPSS 17.0 Kesimpulan : 1) Angka R square adalah 0,011 (adalah pengkuadratan dari koefisien korelasi atau 0,106 x 0,106 = 0,011).
52
2) R square bisa disebut koefisien determinasi , yang dalam hal ini berarti 1,1 % variasi current ratio dapat dijelaskan oleh variasi dari variabel independen yaitu piutang usaha. Sedangkan sisanya (100 % - 1,1 % = 98,9 %) dijelaskan oleh variabel lain yang tidak terdapat dalam penelitian ini. 3) R square berkisar pada angka 0 sampai 1, dengan catatan semakin kecil angka R square, semakin lemah hubungan kedua variabel. b.
Uji t Statistik ( Uji Parsial ) Untuk menguji ke terkaitan antara variabel bebas secara parsial dengan variabel terikat, maka digunakan uji t statistik. Jika probabilitas kesalahan thitung lebih kecil dari tingkat signifikansi (5%), maka variabel tersebut mempunyai hubungan signifikan. Tabel 4.7 Hasil Uji t Statistik a
Coefficients
Standardized Unstandardized Coefficients Model 1
B
Std. Error
(Constant)
2.791
1.831
lnpiutang
-.071
.071
Coefficients Beta
t
-.106
Sig.
1.524
.131
-1.001
.320
a. Dependent Variable: lnCR
Sumber: Output SPSS 17.0 Analisis: Untuk menguji signifikan konstanta dan variabel dependen (Current Ratio) adalah:
53
1. Hipotesis Ho: koefisien regresi tidak signifikan Ha: koefisien regresi signifikan 2. Dasar pengambilan keputusan a. Dengan membandingkan statistik hitung dengan statistik tabel 1) Jika statistik thitung (angka t output) > statistik ttabel (tabel t) maka Ho ditolak. 2) Jika statistik thitung (angka t output) < statistik ttabel (tabel t) maka Ho diterima. Statistik t hitung : Dari tabel ouput di atas terlihat bahwa thitung adalah -1,001 Statistik tTabel : 1. Tingkat signifikan (α tingkat) adalah 5% (lihat input data pada bagian option yang memilih tingkat kepercayaan 95%). 2. Df (derajat kebebasan ) = jumlah data -1 atau 90-1 = 89 3. (Uji dilakukan 2 (dua ) sisi / pihak didapat angka b. Berdasarkan nilai probabilitas (tingkat signifikan) 1. Jika probabilitas > 0.05, maka Ho diterima 2. Jika probabilitas < 0.05, maka Ho ditolak Keputusan : Terlihat bahwa pada kolom Sig. atau Signifikan adalah 0,320 > 0,05 sedangkan hasil thitung menunjukkan bahwa thitung -1,001 < ttabel 1,98698 artinya tidak signifikan. Tidak signifikan disini berarti Ha
54
ditolak dan Ho diterima. Artinya piutang usaha secara parsial tidak berpengaruh terhadap Current Ratio. Hasil ttabel 1,98698 dapat dilihat dari tabel distribusi t uji dua arah pada kolom 0,05 atau 5% pada baris 89 (jumlah N dikurangi jumlah variabel bebas). Nilai thitung untuk variabel piutang usaha pada output coefficient sebesar -1,001. Berdasarkan hasil data penelitian diatas, dapat disimpulkan bahwa piutang usaha secara parsial tidak berpengaruh terhadap current ratio. Ketidaksignifikan pengaruh piutang usaha terhadap rasio lancar perusahaan adalah disebabkan karena pada kelompok aktiva lancar pada perusahaan barang konsumsi ternyata nilai atau jumlah (dalam bentuk rupiah) yang besar tidak hanya piutang usaha saja tetapi ada tertanam pada persediaan dan biaya dibayar dimuka yang nilainya cukup besar. Kemudian hal ini konsisten dengan hasil penelitian yang dilakukan oleh Adi Susanto Wijaya ( 2007 ) yang menyatakan pada hasil penelitiannya, tentang piutang usaha terhadap likuiditas dimana likuiditas diukur dengan current ratio (rasio cepat). Untuk tahun 2004 dapat diperoleh tingkat signifikan sebesar 0,595 dan untuk tahun 2005 tingkat signifikan sebesar 0,526 serta untuk tahun 2006 tingkat signifikansinya sebesar 0,657. Berdasarkan dari hasil ketiga tahun tersebut diperoleh kesimpulan bahwa piutang usaha tidak berpengaruh terhadap tingkat likuiditas perusahaan karena tidak signifikan lebih dari 0,05 ( 0,595 dan 0,526 serta 0,657 > 0,05 ).
