BAB IV HASIL DAN PEMBAHASAN
A.
Gambaran Umum Hasil Penelitian Penelitian ini dilakukan pada perusahaan yang telah go public dan terdaftar
di Bursa Efek Indonesia periode 2010-2013. Pengolahan data dalam penulisan skripsi ini menggunakan program Statistical Package for the Social Sciences (SPSS) Versi 20 for windows. Data yang diolah adalah data sekunder yang berasal dari laporan keuangan yang diperoleh dari Bursa Efek Indonesia. Dalam penelitian ini adalah semua perusahaan sub sektor property dan real estate yang terdaftar di Bursa Efek Indonesia untuk tahun 2010-2013 yaitu sebanyak 10 perusahaan. Teknik pengambilan sampel adalah purposive random sampling dimana pengambilan sampel dalam hal ini terbatas subjek tertentu yang dapat memberikan informasi yang diinginkan.
B.
Statitik Deskriptif Statistik deskriptif merupakan analisa yang bertujuan untuk mengetahui
hubungan antara pengumpulan data, serta hasil peringkasan tersebut. Data ini diperoleh dari minimum, maksimum, mean, dan standar deviasi dari hasil penelitian yang dilakukan.
54
55
Adapun untuk statistik deskriptif dalam penelitian ini dapat dilihat dalam tabel dibawah ini: Tabel 4.1 Statistik Deskriptif
Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
Current Ratio
40
,39
1,99
1,1382
,36485
Return On Asset
40
,03
,15
,0830
,03406
Inventory Turnover
40
,09
1,37
,5688
,28613
Financial Distress
40
,01
,03
,0145
,00677
Valid N (listwise)
40
Sumber : Output perhitungan SPSS 20.0 Berdasarkan tabel 4.1, dapat diketahui variabel-variabel dengan jumlah data (N) masing-masing sebanyak 40, dideskripsikan sebagai berikut : a.
Variabel Current Ratio memiliki nilai minimum 0,39 dan maksimum 1,99 dengan rata-ratanya sebesar 1,1382 sedangkan standar deviasinya sebesar 0,36485.
b.
Variabel Return On Asset memiliki nilai minimum 0,03 dan maksimum 0,15 dengan rata-ratanya sebesar 0,830 sedangkan standar deviasinya sebesar 0,3406
c.
Variabel Inventory Turnover memiliki nilai minimum 0,09 dan maksimum 1,37 dengan rata-ratanya sebesar 0,5688 sedangkan standar deviasinya sebesar 0,28613
56
d.
Variabel Financial Distress memiliki nilai minimum 0,01 dan maksimum 0,03 dengan rata-ratanya sebesar 0,0145 sedangkan standar deviasinya sebesar 0,00677.
C.
Uji Asumsi dan Kualitas Instrumen Penelitian Beberapa hal yang mendasari tentang perlunya melakukan uji asumsi
klasik atau uji persyaratan regresi linear berganda adalah agar besaran atau koefisien statistik yang diperoleh benar-benar merupakan penduga parameter yang memang dapat dipertanggungjawabkan atau akurat. Pengujian terhadap penyimpangan asumsi klasik dalam penelitian ini terdiri dari Uji Normalitas, Uji Multikolinearitas, Uji Heteroskedastisitas, dan Uji Autokorelasi.
1.
Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah data penelitian pada
sebuah model regresi, baik variabel dependent maupun variabel independent ataupun keduanya mempunyai distribusi normal atau tidak, model regresi yang baik adalah distribusi data normal atau mendekati normal. Uji Normalitas dengan menggunakan metode uji analisis statistik, dengan melihat nilai pada Kolmogorov-Smirnov, dan dinyatakan berdistribusi normal jika signifikansi lebih dari 0,05 atau 5%.
57
Hasil Uji Normalitas dengan Uji Analisis Statistik dapat dilihat melalui tabel 4.2 berikut ini: Gambar 4.2 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
40
Normal Parameters
a,b
Most Extreme Differences
Mean Std. Deviation
0E-7 ,00444037
Absolute
,137
Positive
,137
Negative
-,092
Kolmogorov-Smirnov Z
,866
Asymp. Sig. (2-tailed)
,442
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output Perhitungan SPSS 20.0 Berdasarkan Tabel 4.2 uji normalitas terhadap residual dengan menggunakan Uji Statistik Non Parametik Kolmogorof, hasil pengolahan data diperoleh bahwa data dalam penelitian ini terdistribusi secara normal, dimana variabel memiliki nilai Asymp. Sig (2-tailed) yang lebih besar dari 0,05 yaitu uji normalitas dilakukan secara keseluruhan dengan melihat nilai Asymp. Sig (2-tailed) Unstandardized Residual yaitu 0,442 (0,442 > 0,05) sehingga data telah berdistribusi secara normal.
58
Uji Multikolinearitas
2.
Uji multikolinearitas adalah keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linier yang sempurna atau mendekati sempurna. Uji multikolinearitas digunakan untuk mengetahui ada tidaknya hubungan linier antar variabel independen dalam model regresi. Salah satu cara untuk mendeteksi ada tidaknya multikolinearitas dengan cara melihat nilai Tolerance (t) dan Variance Inflation Factor (VIF). Jika nilai tolerance > 0,10 dan VIF < 10 maka dapat diartikan tidak terdapat multikolinieritas pada penelitian tersebut. Dan sebaliknya jika nilai tolerance < 0,10 dan VIF > 10 maka terjadi multikolinieritas. Hipotesis : Ho = Tidak terjadi multikolinearitas Ha = Terjadi multikolinearitas Dalam penelitian ini Uji Multikolinearitas dapat dilihat dari tabel berikut ini:
Tabel 4.3 Uji Multikolinearitas Coefficients
Model
a
Collinearity Statistics Tolerance
VIF
(Constant) 1
Current Ratio
,916
1,092
Return On Asset
,903
1,108
Inventory Turnover
,964
1,038
a. Dependent Variable: Financial Distress D Sumber : Output Perhitungan SPSS 20.0
59
ari hasil tabel 4.3 dapat diketahui nilai variance inflation factor (VIF) masing-masing variabel yaitu Current Ratio (CR) sebesar 1,092, Return On Asset (ROA) sebesar 1,108 dan Inventory Turnover(ITO) sebesar 1,038. Ketiga variabel tersebut memiliki nilai variance inflation factor (VIF) < 10 dan Tolerance (t)> 0,1. Sehingga dapat disimpulkan bahwa ketiga variabel tersebut tidak terjadi multikolinearitas.
3.
Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Sebuah model regresi dikatakan baik yaitu homoskedastisitas atau tidak terjadi heteroskedastisitas. Dalam penelitian ini Uji Heteroskedastisitas dapat dilihat dari gambar berikut ini : Tabel 4.4 Uji Heteroskedastisitas
Coefficients Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
,002
,002
Current Ratio
,000
,001
Return On Asset
,005 ,001
S
u1
m
Inventory Turnover
a
t
Sig.
Beta ,933
,357
,043
,252
,803
,013
,069
,401
,691
,001
,165
,989
,329
ba. Dependent Variable: ABS_RES1 e Sumber : Output Perhitungan SPSS 20.0
60
Dari
hasil
tabel
4.4
menunjukkan
tidak
ada
gangguan
heteroskedastisitas yang terjadi dalam proses estimasi parameter model glejser test dimana tidak ada nilai t hitung yang signifikan atau nilai signifikan (sig) lebih dari 0,05 (p>0,05). Sehingga dapat disimpulkan bahwa ketiga variabel tersebut tidak terjadi heteroskedastisitas.
4.
Uji Autokorelasi Uji Autokorelasi digunakan untuk mengetahui apakah dalam sebuah
model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Tentu saja model regresi yang baik adalah regresi yang bebas dari autokorelasi. Salah satu cara mengetahui ada tidaknya autokorelasi pada model regresi adalah dengan menggunakan Uji Durbin Watson (D-W), yang bisa dilihat pada buku statistik yang relevan. Namun demikian secara umum Uji Dublin Watson dapat dikategorikan sebagai berikut : 1. Angka D-W di bawah – 2 ada autokorelasi positif. 2. Angka D-W di antara - 2 sampai + 2, berarti tidak ada autokorelasi. 3. Angka D-W di atas + 2 berarti ada autokorelasi negatif.
61
Dalam penelitian ini Uji Autokorelasi dapat dilihat pada tabel berikut ini : Tabel 4.5 Uji Autokorelasi b
Model Summary Model
R
1
R Square
,755
a
Adjusted R
Std. Error of the
Square
Estimate
,570
,535
Durbin-Watson
,00462
1,651
a. Predictors: (Constant), Inventory Turnover, Current Ratio, Return On Assets b. Dependent Variable: Financial Distress
Sumber : Output Perhitungan SPSS 20.0 Berdasarkan tabel 4.5, didapat nilai Durbin-Watson (D-W) dari model regresi adalah +1,651 dan pedoman suatu model regresi yang bebas dari autokorelasi. Jika angka D-W diantara -2 sampai 2, berarti tidak ada autokorelasi. Maka dapat disimpulkan bahwa hasil ini tidak terjadi autokorelasi. 5.
Analisis Koefisien Determinasi (Uji R²) Analisis Koefisien determinasi berganda (R2) bertujuan untuk
mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai R2 sama dengan 1 berarti persentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen adalah sempurna, atau variasi independen yang digunakan dalam model menjelaskan 100% variasi variabel dependen. Sebaliknya, jika nilai R2 sama dengan 0 berarti tidak ada sedikitpun persentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen.
62
Dalam penelitian ini Analisis Koefisien Determinasi (Uji R2) dapat dilihat pada tabel berikut ini: Tabel 4.6 Analisis Koefisien Determinasi b
Model Summary Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
,755
a
,570
,535
,00462
a. Predictors: (Constant), Inventory Turnover, Current Ratio, Return On Asset b. Dependent Variable: Financial Distress
Sumber : Output Perhitungan SPSS 20.0 Berdasarkan tabel 4.6, dari hasil perhitungan diperoleh Adjusted R Square sebesar 0,535 atau 53,5%. Hal ini berarti bahwa presentase kontribusi variabel antara Current Ratio, Return on Assets, Inventory Turnover terhadap Financial Distress sebesar 53,5%. Sedangkan sisanya sebesar 46,5% dipengaruhi variabel lain yang diluar variabel penelitian ini. D.
Pengujian Hipotesis Hasil pengujian secara hipotesis akan dijabarkan dalam Uji secara simultan
atau Uji F, Uji secara parsial atau Uji t, dan Analisis Regresi Linier Berganda. a. Uji F (Uji pengaruh secara Simultan) Uji Simultan (Uji F) ini dilakukan untuk menggambarkan seberapa jauh pengaruh variabel bebas atau independen (Current Ratio , Retun On Asset dan Inventory Turnover secara bersama-sama dalam menerangkan variabel terikat atau dependen (Financial Distress).
63
Kriteria uji hipotesis yang digunakan adalah sebagai berikut :
Jika signifikan penelitian < 0,05 maka Ho ditolak dan Ha diterima
Jika signifikan penelitian > 0,05 maka Ho diterima dan Ha ditolak
Atau dengan cara melihat F tabel :
Jika Fhitung< Ftabel, maka Ho diterima
Jika Fhitung> Ftabel, maka Ho ditolak
Berikut ini dalah hasil Uji F ( Uji Simultan) sebagai berikut :
Tabel 4.7 Uji F ( Uji Simultan) a
ANOVA Model
Sum of
df
Mean Square
F
Sig.
Squares
1
Regression
,001
3
,000
Residual
,001
36
,000
Total
,002
39
15,934
,000
b
a. Dependent Variable: Financial Distress b. Predictors: (Constant), Inventory Turnover, Current Ratio, Return On Asset
Sumber : Output Perhitungan SPSS 20.0 Hipotesis :
Ho : Current Ratio, Return on Asset, dan Inventory Turnover secara simultan tidak berpengaruh terhadap Financial Distress. Ha4 : Current Ratio, Return on Asset, dan Inventory Turnover secara simultan berpengaruh terhadap Financial Distress.
64
Dari Uji ANOVA atau Uji F pada table 4.7 menunjukkan nilai Fhitung 15,934 dan nilai signifikan sebesar 0,000. Dengan df1 = 3 dan df2 = 36 maka diperoleh Ftabel sebesar 2,87. Dalam hal ini Fhitung >Ftabel yaitu 15,934 > 2,87 dan nilai signifikan 0,000 < 0,05 maka Ho ditolak dan Ha4 diterima yang artinya terdapat pengaruh secara signifikan antara Current Ratio, Return On Asset, dan Inventory Turnover secara simultan terhadap Financial Distress.
b. Hasil Pengujian Hipotesis secara Parsial (Uji t) Uji t atau Uji parsial dilakukan untuk menggambarkan seberapa jauh pengaruh satu variabel independen (Current Ratio, Return On Asset dan Inventory Turnover) secara parsial atau sendiri-sendiri dalam menerangkan variabel dependen (Financial Distress). Cara pengambilan keputusan, berdasarkan signifikansi :
Jika signifikansi > 0,05 maka Ho diterima Jika signifikansi < 0,05 maka Hoditolak
Atau dengan cara melihat t tabel :
Ho diterima jika -t hitung ≥ -t tabel atau t hitung ≤ t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
65
Dalam penelitian ini Uji t dapat dilihat pada tabel berikut ini : Tabel 4.8 Uji t (Uji Parsial) Coefficients Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1
Std. Error
(Constant)
-,001
,004
Current Ratio
-,001
,002
,142 ,008
Return On Asset Inventory Turnover
a
T
Sig.
Beta -,304
,763
-,030
-,267
,791
,023
,715
6,216
,000
,003
,341
3,061
,004
a. Dependent Variable: Financial Distress
Sumber :Output Perhitungan SPSS 20.0
Pada tabel 4.8 menerangkan koefisien regresi yang dihasilkan dari perhitungan SPSS. Dengan memperhatikan tabel di atas dapat dijelaskan koefisien regresi antara variabel independen yaitu Current Ratio, Return On Asset, Inventory Turnover terhadap Financial Distress secara lebih terperinci sebagai berikut : a)
Pengujian Koefisien regresi variable Current Ratio (CR) Hipotesis : Ho : Current Ratio secara parsial tidak berpengaruh terhadap Financial Distress. Ha1
:
Current Ratio secara parsial berpengaruh terhadap Financial Distress.
66
Berdasarkan tabel 4.8, hasil perbandingan antara thitung (-0,267) > ttabel (1,68830) dengan nilai signifikan (0,791 > 0,05) maka Ho diterima dan Ha1 ditolak, dapat disimpulkan bahwa secara parsial tidak terdapat pengaruh yang signifikan antara Current Assets terhadap Financial Distress.
b) Pengujian Koefisien regresi variable Return On Asset Hipotesis : Ho : Return On Asset secara parsial tidak berpengaruh terhadap Financial Distress. Ha2 : Return On Asset secara parsial berpengaruh terhadap Financial Distress. Berdasarkan tabel 4.8, hasil perbandingan antara thitung (6,216) > ttabel (1,68830) dengan nilai signifikan (0,000 < 0,05) maka Ho ditolak dan Ha2 diterima, dapat disimpulkan bahwa secara parsial terdapat pengaruh yang signifikan antara Return On Asset (ROA) terhadap Financial Distress.
c) Pengujian Koefisien regresi variable Inventory Turnover Hipotesis : Ho : Inventory Turnover secara parsial tidak berpengaruh terhadap Financial Distress. Ha3 : Inventory Turnover secara parsial berpengaruh terhadap Financial Distress.
67
Berdasarkan tabel 4.8, hasil perbandingan antara thitung (3,061) > ttabel (1,68830) dengan nilai signifikan (0,04 < 0,05) maka Ho ditolak dan Ha3 diterima, dapat disimpulkan bahwa secara parsial terdapat pengaruh yang signifikan antara Inventory Turnover (ITO) terhadap Financial Distress. c.
Analisis Regresi Linier Berganda Analisis
regresi
bertujuan
mengetahui
pengaruh
variabel
independen terhadap variabel dependen dan bagaimana variabel dependen dapat diprediksikan melalui variabel independen, secara individual (parsial) maupun secara bersama – sama (simultan). Dalam hal ini penulis menggunakan regresi linear berganda karena penulis akan menganalisis pengaruh dari beberapa variabel independen terhadap satu variabel dependen. Persamaan regresi linier berganda sebagai berikut:
FD = - 0,001- 0,001 CR+ 0,142 ROA+ 0,008 ITO+ e
Persamaan regresi tersebut diatas dapat dijelaskan, sebagai berikut : 1. Konstanta sebesar -0,001 artinya jika Current Ratio (X1), Return On Asset (X2) dan Inventory Turnover (X3), nilainya adalah 0 (nol), maka Financial Distress (Y) nilainya adalah -0,001.
68
2.
Koefisien regresi variabel Current Ratio (X1) sebesar -0,001 artinya jika variabel independen lain nilainya tetap dan Current Ratiomengalami kenaikkan sebesar 1%, maka Financial Distress (Y) akan mengalami penurunan sebesar -0,001%. Koefisien bernilai negatif artinya terjadi hubungan negatif antara variabel independen dengan variabel dependen, semakin meningkat jumlah Current Ratio maka semakin menurun jumlah Financial Distress, begitupun sebaliknya
3.
Koefisien regresi variabel Return On Asset (X2) sebesar 0,142 artinya jika variabel independen lain nilainya tetap dan Return On Assetsmengalami kenaikkan sebesar 1%, maka Financial Distress (Y) akan mengalami penurunan sebesar 0,142%. Koefisien bernilai positif artinya terjadi hubungan positif antara variabel independen dengan variabel dependen, semakin meningkat jumlah Return On Assets maka semakin meningkat juga jumlah Financial Distress, begitupun sebaliknya.
4. Koefisien regresi variabel Inventory Turnover (X3) sebesar 0,008 artinya jika variabel independen lain nilainya tetap dan Inventory Turnover mengalami kenaikkan sebesar 1%, maka Financial Distress (Y) akan mengalami kenaikkan sebesar 0,008%. Koefisien bernilai positif artinya terjadi hubungan positif antara variabel independen dengan variabel dependen, semakin meningkat jumlah Inventory Turnover maka semakin meningkat juga jumlah Financial Distress, begitupun sebaliknya.
69
E.
PEMBAHASAN a)
Pengaruh Variabel Current Ratio (CR) terhadap Financial Distress Hasil pengujian hipotesis pertama, pada penelitian ini menunjukkan
bahwa Ho diterima dan Ha1 ditolak, sehingga dapat disimpulkan bahwa tidak terdapat pengaruh yang signifikan antara Current Ratio terhadap Financial Distress. Current Ratio digunakan sebagai alat ukur dalam melihat kemampuan membayar kewajiban jangka pendek perusahaan. Hal ini mengindikasikan bahwa semakin kecil Current Ratio suatu perusahaan maka semakin kecil kemampuan perusahaan dalam menutupi utang lancarnya. Sementara itu Current Ratio perusahaan yang mengalami Financial Distress umumnya berada di bawah 1, yang berarti asset lancar perusahaan tidak mampu menutupi utang lancar perusahaan. Menurut penelitian Wahyu widarjo dan Doddy S (2009) serta Orina Andre (2013) hasil penelitian tersebut menunjukan pengaruh Current Ratio secara statistik tidak berpengaruh signifikan terhadap Financial Distress. Hal ini membuktikan bahwa hasil penelitian ini dengan penelitian sebelumnya konsisten bahwa tidak terdapat pengaruh yang signifikan antara Current Ratio terhadap Financial Distress.
70
b)
Pengaruh Variabel Return on Assets (ROA) terhadapFinancial Distress. Hasil pengujian hipotesis kedua, pada penelitian ini menunjukkan
bahwa Ho ditolak dan Ha3 diterima, sehingga dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara Return On Asset terhadap Financial Distress. Hal ini mengindikasi bahwa semakin besar laba yang dihasilkan maka akan semakin kecil Financial Distress tersebut. Return On Assets yang tinggi akan meningkatkan laba per lembar saham perusahaan dan akan menarik minat investor untuk menanamkan modalnya dengan membeli saham pada perusahaan. Karena Return On Asset mencerminkan tingkat hasil pengembalian investasi bagi pemegang saham. Variable ROA disini merupakan variabel yang sangat kuat dari variabel-variabel yang lain karena selain menghasilkan nilai yang paling tinggi pada uji korelasi, ROA juga merupakan variabel yang sangat mempengaruhi Financial Distress, dimana Return On Asset merupakan rasio yang memprediksi seberapa jauh perusahaan memperoleh laba. Hasil penelitian Luciana Spica Almilia dan Emanuel Kristijadi, (2003) dan Amir Saleh dan Bambang Sudiyanto (2013), menunjukan pengaruh Return On Asset secara statistik berpengaruh signifikan terhadap probabilitas kebangkrutan. Hal ini membuktikan bahwa hasil penelitian ini dengan penelitian sebelumnya konsisten karena terdapat pengaruh yang signifikan antara Return On Asset terhadap Financial Distress.
71
c)
Pengaruh Variabel Inventory Turnover terhadap Financial Distress. Hasil pengujian hipotesis ketiga, pada penelitian ini menunjukkan
bahwa Ho ditolak dan Ha3 diterima, sehingga dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara Inventory Turnover (ITO) terhadap Financial Distress. Hal ini mengindikasi bahwa Perputaran Persediaan dikatakan dalam kondisi yang seimbang yakni jika perputaran persediaan kecil maka akan terjadi pernumpukan barang dalam jumlah yang banyak di gudang, namun jika perputaran persediaan terlalu tinggi maka jumlah barang yang tersimpan di gudang akan kecil, sehingga jika sewaktu-waktu terjadi kehilangan bahan/ barang di pasaran dalam kejadian yang diluar perhitungan seperti gagal panen, becana alam, kekacauan stabilitas politik dll. Hasil
penelitian
Pasaribu
(2008)
Rasio
ITO
menunjukkan
berpengaruh positif dan signifikan terhadap Financial Distress .Hal ini membuktikan bahwa hasil penelitian ini dengan penelitian sebelumnya konsisten bahwa terdapat pengaruh yang signifikan antara Inventory Turnover terhadap Financial Distress.
