BAB IV HASIL DAN PEMBAHASAN
A.
Statistik Deskriptif Dengan statistik deskriptif memberikan informasi tentang karakteristik
sampel yang digunakan secara lebih rinci. Informasi yang dapat diperoleh dari statistika deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, serta kecendrungan gugus data. Hasil pengolahan data dengan menggunakan SPSS versi 19 dapat dilihat pada tabel berikut ini: Tabel 4.1 Statistik Diskriptif Descriptive Statistics N
Minimum
Maximum
Mean
Std. De Deviation
ROA
51
4,00
14,00
8,2549
2,52066
B.Operasional onal
51
32546,00
3287685,00
880430,3529
764704,48341 764704,
L.Bersih
51
1056,00
512411,00
192157,4118
142180,34601 142180,
istwise) Valid N (listwise)
51
Sumber: ber: Output SPSS, diolah penulis 2015 (dalam jutaan) Dari tabel 4.1 diatas dapat diketahui bahwa respon (N) dalam penelitian ini adalah 51 sampel berarti , dan diketahui bahwa kinerja keuangan (ROA) terendah adalah 4 % dialami oleh PT.Catur Sentosa, Adiprana Tbk (CSAP), dan Matahari Putra Prima Tbk (MPPA). ROA tertinggi adalah 14 % dialami oleh PT. Permata Prima Sakti Tbk (TKGA). Rata-rata variabel ROA adalah 8,2549 dan standar deviasi 2,52066.
47
http://digilib.mercubuana.ac.id/
Biaya operasional terendah adalah 32.546 dialami oleh PT. Centrin Online Tbk (CENT), dan tertinggi 3.287.685 di alami oleh Mitra Adi Perkasa Tbk (MAPI). Rata-rata variabel 880.430,3529 dan standar deviasi 764.704,48341. Laba bersih terendah 1.056 dialami oleh PT. Permata Prima Sakti Tbk (TKGA) dan laba bersih tertinggi 512.411 dialami oleh PT.Trikomsel Oke Tbk (TRIO), dengan Rata-rata variabel 142.180, 34601. B. Uji Asumsi Klasik Syarat yang menjadi dasar penggunaan model Regresi Liniear Berganda adalah dipenuhinya semua asumsi klasik, agar hasil pengujian tidak bersifat tidak bias dan efisien (Best Best Linier Unbiased Estimator Estimator). Dalam artian garis regresi merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi merupakan cara memahami pola hubungan antara dua seri data atau lebih. Garis regresi baik jika garis itu menghasilkan error yang terkecil. Error itu sendiri adalah perbedaan antara nilai observasi dan nilai yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased unbiased, maka estimator regresi disebut efisien. Estimator regresi akan disebut linier apabila estimator itu merupakan fungsi linier dari sampel. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan uji normalitas, uji multikolinieritas, uji heteroskedastisitas. 1.
Uji Normalitas Model regresi yang baik mensyaratkan adanya normalitas pada data penelitian atau pada nilai residualnya bukan pada masing-masing variabelnya (Ghozali, 2010).Untuk mengetahui hal tersebut digunakan Uji Kolmogorov-
48
http://digilib.mercubuana.ac.id/
Smirnov dengan menggunakan taraf signifikansi 0,05. Berdasarkan olah data menggunakan SPSS v.19 diperoleh hasil sebagai berikut :
Tabel 4.2 Uji Normalitas Uji Normalitas dengan Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
51
Normal Parameters
Mean
a,b
Std. Deviation
Most Ex Extreme Differences
0E-7 2,36093202
Absolute
,082
Positive
,082
Negativ Negative
-,058
Kolmogorov-Smirnov Z Kolmogoro
,589
Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
,879
Sumber: Output SPSS, diolah penulis 2015
Jika hasil ouput Asymp. Sig. (2-tailed) SPSS < 0.05 maka data tersebut tidak berdistribusi normal. Berdasarkan uji normalitas dengan menggunakan metode one-sample Kolmogorov-Smirnov (K-S) seperti pada tabel 4.2 diatas dapat disimpulkan bahwa data berdistribusi normal. Hal ini terlihat dari nilai Asymp. Sig. (2-tailed) 0,879 > 0.05. 2. Uji Multikolonieritas Ada atau tidaknya multikolinieritas dalam model regresi, dapat dilihat dari nilai tolerance dan awalnya, Nilai Variance Inflation Factor (VIF). Batas dari tolerance value adalah 0,10 dan batas VIF adalah 10. Nilai tolerance value jika di bawah 0,10 atau nilai VIF di atas 10 maka terjadi multikolinieritas. 49
http://digilib.mercubuana.ac.id/
Tabel 4.3 Hasil Uji Multikonieritas Coefficientsa
Collinearity Statistics Model 1 (Constant)
T 15,893
Sig. ,000
,633
,530
,614
1,628
L.Bersih -2,363 a. Dependent Variable: ROA
,022
,614
1,628
B.Operasional
Tolerance
VIF
Sumber : Hasil Output SPSS, diolah oleh penulis, 2015 Sum Pada tabel 4.3 Hasil perhitungan nilai tolerance menunjukkan tidak terjadinya korelasi antar variabel independen dimana nilai tolerance biaya operasional sebesar 0,614 lebih besar dari 0,10 demikian pula dengan nilai VIF biaya operasional sebesar 1,628 lebih kecil dari 10. Nilai tolerance laba bersih sebesar 0,614 lebih besar dari 0,10 demikian pula dengan nilai VIF laba bersih sebesar 1,628 lebih kecil dari 10. Berdasarkan gambar tersebut dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinieritas antar variabel independen dalam model ini. 3. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan kepengamatan lain. Jika varian dari satu pengamatan kepengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
50
http://digilib.mercubuana.ac.id/
Pendeteksian gejala heteroskedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan program SPSS.V.19 Dasar pengambilan keputusannya adalah sebagai berikut: 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah
angka
0
pada
sumbu
Y,
maka
tidak
terjadi
heteroskedastisitas. Berikut ini grafik scatterplot untuk menganalisis apakah terjadi gejala heteroskedastisitas atau tidak dengan cara mengamati penyebaran titik-titik pada grafik. Tabel 4.4 Uji Heteroskedastisitas
Sumber : Output SPSS, diolah penulis, 2015 51
http://digilib.mercubuana.ac.id/
Dari grafik scatterplot terlihat bahwa titik-titik menyebar cukup baik diatas maupun dibawah angka 0 pada sumbu Y, hal ini dapat menyimpulkan tidak terjadi heteroskedastisitas pada model regresi. Dengan demikian, model ini layak dipakai untuk memprediksi variabel dependen (kinerja keuangan) berdasarkan masukan variable independen (biaya operasinal dan laba bersih) penelitian ini. 4. Uji Autokorelasi Uji Autokorelasi digunakan untuk melihat apakah terjadinya korelasi antar kesalahan pengganggu pada periode tertentu dengan kesalahan pada periode sebelumnya. Model regresi yang baik adalah yang bebas autokorelasi. Menurut Ghozali (2010), karena nilai sig. yang 0.05 dapatlah disimpulkan tejadi autokorelasi antara nilai residual. Metode pengujian yang digunakan adalah dengan uji Durbin-Watson (uji D-W) dengan ketentuan sebagai berikut: (1) jika d lebih kecil dari dl atau lebih besar dari (4-dl), maka hipotesis nol ditolak, yang berarti terdapat autokorelasi. Tabel 4.5 Uji Autokorelasi Model Summary
Model 1
R a ,350
R Square ,123
b
Adjusted R Square ,086
Std. Error of the Estimate 2,40962
a. Predictors: (Constant), L.Bersih, B.Operasional b. Dependent Variable: ROA
Sumber: Output SPSS, diolah oleh penulis 2015
52
http://digilib.mercubuana.ac.id/
DurbinWatson 1,744
Dari tabel 4.5 diatas bahwa nilai Durbin Watson adalah sebesar 1,744 Sementara nilai dL dan dU dapat dilihat pada tabel Durbin-Watson pada signifikansi 0,05, n=51, dan k=2 (n adalah jumlah data dan k adalah jumlah variabel independen). Berdasarkan tabel Durbin-Watson, didapat nilai dL=1,468 dan dU=1,631 Dengan demikian, maka diperoleh hasil dL < dw < 4-dU atau 1,468 < 1,744 < 2,369 Jadi, dapat disimpulkan bahwa tidak terdapat autokorelasi pada model regresi dalam penelitian ini. C.
Uji Kesesuaian Model 1. Uji Determinasi (R2) Uji determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen (Ghozali,2013). Pengujian ini digunakan untuk mengetahui persentase sumbangan pengaruh variable bebas (independent variable) terhadap variable terikat (dependent variable). Adapun hasil dari uji koefisien determinasi (R2) dengan pengolahan SPSS versi 19.0 for Windows sebagai berikut : Tabel 4.6 Uji Determinasi (R2) Model Summaryb
Model 1
R a ,350
R Square ,123
Adjusted R Square ,086
a. Predictors: (Constant), L.Bersih, B.Operasional b. Dependent Variable: ROA
53
http://digilib.mercubuana.ac.id/
Dari output model summary pada tabel 4.6 diatas, nilai koefisien korelasi (R) sebesar 0.350 yang berarti bahwa korelasi atau hubungan antara variable terikat (ROA) dengan variable bebas (Biaya Operasional dan Laba Bersih) tidak kuat karena berada dibawah 0.5. Nilai R Square diketahui sebesar 0.123 adalah pengkuadratan dari koefisien korelasi, atau 0.350. R Squre disebut dengan koefisien determinasi, yang dalam hal ini berarti 12.3% dari ROA dapat dijelaskan oleh biaya operasional dan laba bersih sedangkan sisanya sebesar 87.7% dapat dijelaskan oleh faktor atau bersih, variable lainnya diluar penelitian ini. 2. Uji F Uji F digunakan untuk menegtahui apakah secara bersama-sama variabel independent berpengaruh signifikan terhadap varibel dependent. Pengujian menggunakan tingkat signifikan 0,05. Tabel 4.7 Uji F a
ANOVA OVA Model
Sum of Squares Regression
1
H
Df
Mean Square
38,986
2
19,493
Residual
278,700
48
5,806
Total
317,686
50
F 3,357
Sig. b
,043
a. Dependent Variable: ROA b. Predictors: (Constant), L.Bersih, B.Operasional
Sumber : Output SPSS, diolah penulis, 2015 . Hasil uji F yang ditampilkan dalam tabel 4.7 menunjukkan bahwa nilai F hitung adalah 3,357 dengan tingkat signifikansi 0.043 yang lebih kecil dari 0,05 dengan menggunakan tabel F diperoleh nilai tabel f sebesar 3,16. 54
http://digilib.mercubuana.ac.id/
Hal tersebut menunjukkan bahwa F Hitung sebesar 3,357 lebih besar dari F tabel yaitu 3,16 artinya variabel independen yang diteliti secara serentak (bersama-sama) berpengaruh terhadap kinerja keuangan (ROA), Sig. 0,043 < 0.05 dengan demikian ada pengaruh biaya operasional dan laba bersih terhadap kinerja keuangan (ROA). D. Uji Hipotesis 1. Uji t Uji t dilakukan untuk mengetahui hubungan antara variabel-variabel independen terhadap variable dependen secara parsial. Uji t menggunakan hipotesis seperti yang dijelaskan berikut ini. Adapun kriteria pengujinnya. Penelitian ini pengambilan keputusan berdasarkan signifikan. Jika signifikan < 0,05 maka hipotesis diterima sedangkan jika signifikan > 0,05 maka hipotesis ditolak. Tabel 4.8 Uji t a
Coefficients
Unstandardized Coefficients B 9,326
Std. Error ,587
3,598E-07
,000
-7,224E06
,000
Model 1 (Constant) B.Operasional L.Bersih
Standardized Coefficients Beta
T 15,893
Sig. ,000
,109
,633
,530
-,407
-2,363
,022
a. Dependent Variable: ROA
Sumber : Output SPSS, diolah penulis, 2015
55
http://digilib.mercubuana.ac.id/
Berdasarkan tabel 4.8 diatas dapat disimpulkan mengenai uji hipotesis dari masing-masing variabel independen terhadap variabel dependen sebagai berikut: Ha1 : Biaya operasional tidak mempunyai pengaruh terhadap kinerja keuangan (ROA). Nilai signifikan sebesar 0,530 meunjukkan bahwa nilai signifikan untuk uji t persial lebih besar dari 0.05, hal ini menunjukkan bahwa biaya operasional tidak berpengaruh signifikan terhadap kinerja keuangan (ROA), dan dapat disimpulkan hipotesis 1 ditolak karena tidak didukung data dan tidak sesuai dengan ekspetasi penelitian. Ha2 : Laba bersih mempunyai pengaruh terhadap kinerja keuangan(ROA) Nilai signifikan sebesar 0,022 menunjukkan bahwa nilai signifikan untuk uji t lebih kecil dari 0,05 sehingga dapat disimpulkan bawa laba bersih mempunyai pengaruh terhadap kinerja keuangan (ROA). Dan dapat disimpulkan hipotesis 2 diterima. 2. Analisis Regresi Linear Berganda Hasil penelitian akan diuji dengan menggunakan analisis regresi linear berganda dengan tingkat keyakinan 95% atau dengan tingkat signifikansi sebesar 0.05 (α = 0.05). Signifikansi merupakan besarnya probabilitas atau peluang untuk memperoleh kesalahan dalam mengambil keputusan. Jika penguji memakai tingkat signifikansi sebesar 0,05, artinya peluang memperoleh kesalahan maksimal sebesar 5%. Dengan kata lain kita percaya bahwa 95% keputusan adalah benar. Pengujian hipotesis dilakukan untuk mengetahui pengaruh biaya 56
http://digilib.mercubuana.ac.id/
operasional dan laba bersih terhadap kinerja keuangan dilakukan perusahaan dengan model regresi berganda melalui program pengolahan statistik yaitu SPSS ( Statistical Program For Social Science ) versi 19.0. Teknik pengolahan data yang dilakukan bantuan komputer SPSS versi19.0 menghasikan keluaran sebagai berikut : Tabel 4.9 Hasil Analisis Regresi Berganda a
Coefficients
Unstandardized Coefficients Model 1 (Constant) B.Operasional L.Bersih a.
B 9,326
Std. Error ,587
3,598
,000
-7,224
,000
Standardized Coefficients Beta
T 15,893
Sig. ,000
,109
,633
,530
-,407
-2,363
,022
Dependent Variable: ROA
Berdasarkan tabel 4.9 pada kolom Unstandardized coefficients bagian B diperoleh model persamaan regresi linear berganda yaitu: Y= bo+ b1X1 + b2X2 + ε Y= 9,326+3,598 Biaya Operasional – 7,224 Laba Bersih+ ε Dimana: Y
:Kinerja Keuangan (ROA)
.b0
: Konstanta
57
http://digilib.mercubuana.ac.id/
.b1,b2 : Koefisien Regresi X1
: Biaya Operasional
X2
: Laba Bersih : Error Term Dari persamaan model regresi di atas dapat dijelaskan bahwa konstanta
9.326, yang berarti menunjukan bahwa apabila variabel biaya operasional dan laba bersih sama dengan nol atau diabaikan maka besarnya ROA perusahaan akan menurun sebesar 9.326 satuan. Koefisien regresi biaya operasional menunjukan nilai 3.598 berarti terjadi pengaruh positif antara variabel biaya operasional dengan ROA perusahaan. Bila biaya operasional naik 1 satuan maka ROA akan naik 3.598 satuan. Koefisien regresi laba bersih menunjukan nilai –7.224 berarti terjadi pengaruh negatif antara variabel laba bersih terhadap ROA perusahaan. Bila laba bersih naik 1 satuan maka ROA perusahaan akan turun sebesar -7.224 satuan.
E. Pembahasan Penelitian dilakukan pengujian pengaruh biaya operasional dan laba bersih terhadap kinerja keuangan (ROA) pada perusahaan retail yang terdaftar di Bursa Efek Indonesia (BEI). Berdasarkan hasil penelitian yang dilakukan, diperoleh bahwa:
58
http://digilib.mercubuana.ac.id/
1. Variabel biaya operasional menunjukan pengaruh tidak signifikan terhadap kinerja keuangan (ROA). Hasil ini terlihat pada nilai signifikansi pengujian coeffisien sebesar 0,530 diatas tingkat signifikansi 0.05, sehingga variabel biaya operasional tidak dapat dijadikan indikator dalam menilai kinerja keuangan perusahaan. 2. Hasil pengujian variabel laba bersih terhadap kinerja keuangan (ROA) menunjukan pengaruh signifikan terhadap kinerja keuangan (ROA). Hasil ini terlihat pada nilai signifikansi pengujian sebesar 0.022 dibawah tingkat signifikansi 0.05, sehingga variabel laba bersih dapat dijadikan indikator dalam menilai kinerja keuangan (ROA).
59
http://digilib.mercubuana.ac.id/
