BAB IV ANALISIS DATA DAN PEMBAHASAN A. Profil Responden Penelitian ini menggunakan data sekunder, yaitu peneliti dapat memperoleh data secara tidak langsung dari perusahaan. Data dalam penelitian ini diperoleh melalui bank data orbis. Data yang digunakan adalah laporan tahunan keuangan perusahaan ritel yang ada di Indonesia. Jenis data yang digunakan adalah data panel, yaitu gabungan antara data time series dan data cross-section. Sampel yang digunakan dalam penelitian ini adalah 22 perusahaan ritel yang terdaftar dalam dalam bank data orbis. Berikut ini adalah sampel perusahaan yang digunakan dalam penelitian ini : Tabel IV.1 Sampel Perusahaan Ritel di Indonesia No
Nama Perusahaan
1
ACE HARDWARE INDONESIA TBK, PT
2
CATUR SENTOSA ADIPRANA TBK, PT
3
HERO SUPERMARKET TBK
4
KOKOH INTI AREBAMA TBK., PT
5
MATAHARI PUTRA PRIMA TBK
6
MODERN INTERNASIONAL TBK
7
MULTI PRIMA SEJAHTERA TBK
8
PERDANA BANGUN PUSAKA TBK
9
PLAZA INDONESIA REALTY TBK
10
PT AKR CORPORINDO TBK
11
PT ASTRA GRAPHIA TBK
12
PT ENSEVAL PUTERA MEGATRADING TBK
13
PT KOKOH INTI AREBAMA TBK
32
14
PT MITRA ADIPERKASA TBK
15
PT MULTI INDOCITRA TBK
16
PT TIGARAKSA SATRIA TBK
17
PT TRIWIRA INSANLESTARI TBK
18
PT TUNAS RIDEAN TBK
19
PT UNITED TRACTORS TBK
20
PT WICAKSANA OVERSEAS INTERNATIONAL TBK
21
RAMAYANA LESTARI SENTOSA TBK
22
SUMBER ALFARIA TRIJAYA, PT
1. Statistik Deskriptif Statistik deskriptif menyajikan ringkasan karakteristik dari data penelitian sehingga dapat menggambarkan karakter sampel data yang digunakan pada penelitian ini. Data pada penelitian ini sebanyak 110 data dari 2010-2014 dan berasal dari 22 perusahaan. Berikut ini adalah hasil analisis deskriptif dalam penelitian ini : Tabel IV.2 Statistik Deskriptif Sampel Penelitian Mean 8.195900
Median 4.840500
Maximum 8.595300
Minimum 0.053
Std. Dev. 1.195243
Observations
IT GM
0.303836
0.2335
2.910000
0.036
0.305294
110
CI
0.808064
0.804
0.999
0.67
0.078632
110
SS
1.076555
1.086500
1.770000
0.292
0.221785
110
110
Sumber : Data Sekunder yang diolah,2016 Berdasarkan tabel statistik deskriptif diatas dapat diketahui mengenai variabel-variabel yang digunakan dalam penelitian ini : a) Perputaran persediaan Perputaran persediaan merupakan rasio yang digunakan untuk mengukur kecepatan
perputaran
persediaan
menjadi
kas. Hasil analisis deskriptif variabel menunjukkan bahwa variabel
33
Perputaran persediaan memiliki nilai rata-rata sebesar 8.195900, dengan capaian nilai maksimum sebesar 8.595300 dan nilai minimum sebesar 0.053 dengan nilai tengahnya sebesar 4.840500. Perputaran persediaan perusahaan ritel di Indonesia secara keseluruahan memiliki nilai ratio sebesar 8.195900. Berdasarkan hasil analisis deskriptif variabel Perputaran persediaan, peneliti mengelompokkan tingkat dari hasil mean Perputaran persediaan kedalam 3 kategori dengan interval sebagai berikut : Interval = (8.595-0.053)/3 = 2.84 Rendah jika nilai mean = 0.053 – 2.89 Sedang jika nilai mean = 2.90 – 5.79 Tinggi jika nilai mean = 5.80 – 8.59 Berdasarkan tabel IV.2 menunjukkan variabel Perputaran persediaan dikategorikan tinggi. b) Laba kotor Laba kotor
atau margin laba kotor
digunakan untuk
mengetahui keuntungan kotor perusahaan yang berasal dari penjualan setiap produknya. Berdasarkan tabel 1 diatas dapat diketahui bahwa dari 110 observasi nilai Laba kotor perusahaan minimum yaitu sebesar 0.036, nilai maksimum sebesar 2.910000 dan nilai rata-rata (mean) sebesar 0.303836. Sedangkan nilai untuk standar deviasinya sebesar 0.305294, hal tersebut berarti sebaran nilai laba kotor kurang baik karena standar deviasinya lebih besar dari nilai rata-rata (mean).
34
Berdasarkan hasil analisis deskriptif variabel Laba kotor, peneliti mengelompokkan tingkat dari hasil mean Laba kotor kedalam 3 kategori dengan interval sebagai berikut : Interval = (2.910000-0.036)/3 = 0.949 Rendah jika nilai mean = 0.036 – 0.985 Sedang jika nilai mean = 0.986 – 1.935 Tinggi jika nilai mean = 1.936 – 2.91 Berdasarkan tabel IV.2 menunjukkan variabel Laba kotor dikategorikan rendah. c) Intensitas modal Intensitas modal adalah jumlah modal perusahaan yang diinvestasikan pada aktiva tetap perusahaan. Berdasarkan tabel 1 diatas dapat diketahui bahwa dari 110 observasi, Intensitas modal perusahaan minimum yaitu sebesar 0.67, nilai maksimum sebesar 0.999 dan nilai rata-rata (mean) sebesar 0.808064. Sedangkan nilai untuk standar deviasinya sebesar
0.078632,
dapat di ketahui bahwa sebaran nilai Intensitas Modal baik karena nilai rata-rata (mean) lebih besar dari standar deviasinya yaitu 0.808064 > 0.078632. Berdasarkan hasil analisis deskriptif variabel Intensitas modal, peneliti mengelompokkan tingkat dari hasil mean Intensitas modal kedalam 3 kategori dengan interval sebagai berikut : Interval = (0.999-0.67)/3 = 0.109 Rendah jika nilai mean = 0.67 – 0.779 Sedang jika nilai mean = 0.780 – 0.889
35
Tinggi jika nilai mean = 0.890 – 0.999 Berdasarkan tabel IV.2 menunjukkan variabel Intensitas modal dikategorikan sedang.
d) Sales Surprise Peramalan penjualanadalah ratio antara penjualan aktual dengan penjualan yang diharapkan pada tahun tersebut. Berdasarkan tabel 1 diatas dapat diketahui bahwa dari 110 observasi, Peramalan penjualan perusahaan minimum yaitu sebesar 0.292, nilai maksimum sebesar 1.770000 dan nilai ratarata (mean) sebesar 1.076555. Sedangkan nilai untuk standar deviasinya sebesar 0.221785, dapat di ketahui bahwa sebaran nilai Peramalan penjualan baik karena nilai rata-rata (mean) lebih besar dari standar deviasinya yaitu 1.076555 > 0.221785. Berdasarkan hasil analisis deskriptif variabel Sales Surprise, peneliti mengelompokkan tingkat dari hasil mean Peramalan penjualankedalam 3 kategori dengan interval sebagai berikut : Interval = (1.77-0.292)/3 = 0.492 Rendah jika nilai mean = 0.292 – 0.784 Sedang jika nilai mean = 0.785 – 1.277 Tinggi jika nilai mean = 1.278 – 1.77 Berdasarkan tabel IV.2 menunjukkan variabel Peramalan penjualan dikategorikan sedang.
36
B. Uji Asumsi Klasik Penelitian ini menggunakan teknik regresi data panel. Uji asumsi klasik digunakan dalam kasus ini yang terdiri dari uji multikolinearitas, uji heterokedastisitas, dan uji autokorelasi. 1.
Uji Normalitas Uji normalitas bertujuan untuk melihat normalitas dari distribusi datanya. Normalitas dari distribusi tersebut dilihat dari nilai Kolmogorov-Smirnov Z nya, apabila nilainya lebih besar dari signifikansinya sebesar α = 1% (0,01) maka bertribusi normal. Tabel IV.3 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 110 Normal Parametersa Mean -4.799191E-16 Std. Deviation 0.335539664 Most Extreme Differences Absolute 0.127075608 Positive 0.127075608 Negative -0.11156361 Kolmogorov-Smirnov Z 1.332780219 Asymp. Sig. (2-tailed) 0.057298401 a. Test distribution is Normal. Sumber : Data Sekunder yang diolah, 2016
Dari
hasil
uji
normalitas
dengan
Kolmogorov-Smirnov
menunjukkan nilai sebesar 1.332780219 dan nilai signifikansinya sebesar α = 1% (0,01) maka dapat disimpulkan bahwa distribusinya normal. 2.
Uji Multikolinearitas
37
Uji Multikolinearitas bertujuan untuk melihat hasil koefisien korelasinya. Dapat dikatakan tidak ada multikolinearitas apabila nilai koefisien korelasinya < 0,80. Tabel 6 berikut adalah hasil dari uji multikolinearitas : Tabel IV.4 Uji Multikolinearitas IT
GM
CI
SS
IT
1.00
-.01
.57
.25
GM
-.01
1.00
.26
-.31
CI
.57
.26
1.00
-.17
SS
.25
-.31
-.17
1.00
Sumber : Data Sekunder yang diolah, 2016 Dari hasil uji multikolinearitas diatas dapat dilihat bahwa pada setiap variabel Independennya memiliki nilai koefisien korelasi < 0,80. Dapat disimpulkan bahwa model regresi dalam penelitian ini tidak mengalami multikolinearitas dan model ini dapat digunakan. 3.
Uji Heterokedastistas Uji heterokedastistas ini menggunakan uji Glejser. Pada uji ini akan dilihat seberapa besar nilai signifikansinya sehingga dapat diketahui terdapat heterokedastistas atau tidak dalam model regresi ini.
Berikut
ini
adalah
hasil
Uji
heterokedastistas
dengan
menggunakan uji Glejser : Tabel IV.5 Uji Heterokedastistas Coefficientsa
Model
Unstandardiz ed Coefficients Std.
38
Standar dized Coeffici ents Beta
t
Sig.
1
(Constant) gm ci ss
-4.74368E-16 0.000 0.000 0.000
Error 0.099 0.111 0.805 0.040
0.000 0.000 0.000
0.000 0.000 0.000 0.000
1.000 1.000 1.000 1.000
a. Dependent Variable:AbUt
Sumber : Data Sekunder yang diolah, 2016 Dari
hasil
uji
tersebut
dapat
dilihat
dari
variabel
independennya memiliki nilai signifikansi (1,000) > 0,01 sehingga dapat dikatakan bahwa tidak ada heterokedastistas dalam model regresi ini. 4.
Uji Autokorelasi Selanjutnya dilakukan uji autokorelasi dengan menggunakan uji Durbin-Watson untuk mengetahui apakah terjadi autokorelasi atau tidak. Tabel 7 berikut merupakan hasil uji Autokorelasi :
Tabel IV.6 Uji Autokorelasi Model Summaryb Model
R
R Square
1
0.6816
0.4645
Adjusted R Square 0.4494
Std. Error of the Estimate 0.3403
Durbin-Watson 1.195
a.Predictors:(Constant),ss,ci,gm b. Dependent Variable: it
Sumber : Data Sekunder yang diolah, 2016
Pengujian dilakukan dengan melihat nilai dari uji Durbin-Watson, dimana pada penelitian ini menggunakan nilai signifikansi sebesar α = 1% (0,01) dengan jumlah n=22 dan k=3 maka dapat diketahui nilai dari tabel Durbin-Watson dimana nilai dL adalah sebesar 0.832 dan
39
nilai dU sebesar 1.407. pengujian yang dilakukan adalah dengan deteksi autokorelasi : jika nilai dw lebih kecil dari dL atau lebih besar dari (4-dL) maka hipotesis nol ditolak yang berarti terdapat autokorelasi. Dari deteksi diatas didapatkan hasil sebagai berikut : 1.195 > 0.832 atau 1.195 < 3.168, hasil tersebut menunjukkan bahwa hipotesis nol diterima yang berarti tidak terdapat autokorelasi. C. Analisis Regresi Data Panel 1.
Menggunakan pendekatan Common Effect Pendekatan
Common
Effect
merupakan
metode
untuk
mengkombinasikan data time series dan cross section. Berikut hasil regresi menggunakan pendekatan Common Effect :
Tabel IV.7 Estimasi regresi pendekatan Common Effect Variable GM CI SS R-squared Adjusted RSquared
Coefficient
Std. Error
-0.7742 6.0779 0.8063 0.4935
0.1086 0.7924 0.3073
t-Statistic -7.1246 7.6701 2.6237
Prob. 0.0000 0.0000 0.0100
0.4792
Sumber : Data Sekunder yang diolah, 2016
Dari hasil yang di tunjukkan menggunakan metode Common Effect diatas Adjusted R-Squared memiliki nilai sebesar
40
47,92%. Hal tersebut menunjukkan variabel independen Laba kotor, Intensitas Modal, dan Peramalan Penjualan memiliki hubungan dengan variabel dependen yaitu Perputaran Persediaan, sedangkan 53,08% dijelaskan oleh variabel lain diluar penelitian. Secara statistik hal ini dapat ditunjukkan dengan melihat nilai probabilitasnya, dimana nilainya lebih kecil dari nilai α (taraf signifikansi =1%). 2.
Menggunakan pendekatan Fixed Effect Model Pada pendekatan Fixed Effect Model slopenya tetap hanya saja intersepnya berbeda pada setiap individunya. Oleh karena itu pada pendekatan ini menggunakan variable dummy. Berikut merupakan hasil regresi menggunakan variabel dummy :
Tabel IV.8 Estimasi regresi pendekatan Fixed Effect Model Variable
Coefficient
C GM CI SS R-squared Adjusted RSquared
0.63906 -.64037100 3.770844 0.018333 0.83512
Std. Error 0.122181 0.129261 0.890079 0.02757
t-Statistic 5.230444 -4.954091 4.236527 0.664954
Prob. 0.0000 0.0000 0.0001 0.5079
0.788565
Sumber : Data Sekunder yang diolah,2016 Dari hasil regresi menggunakan Fixed Effect Model di atas, dapat diketahui
bahwa hasil Adjusted R-Squared lebih besar dari hasil
menggunakan Common Effect, yaitu sebesar 0.788565 > 0.479227. Dapat dilihat pula hanya variabel Laba Kotor dan Intensitas Modal yang signifikan secara statistik dilihat dari nilai probabilitasnya yang
41
lebih kecil dibandingkan dengan α (taraf signifikansi = 1%), artinya memiliki hubungan dengan Perputaran persediaan. 3.
Menggunakan Random Effect Model Pada
pendekatan
ini
intersep
dianggap
sebagai
variabel
acak/random yang memiliki nilai rata-rata. Intersep tidak dianggap konstan. Berikut hasil regresi menggunakan Random Effect Model :
Tabel IV.9 Estimasi regresi pendekatan Random Effect Model Variable
Coefficient
C GM CI SS R-squared Adjusted RSquared
Std. Error
0.655249 -.6867870 4.240681 0.021028 0.363607
t-Statistic
0.122136 0.114305 0.800764 0.026941
5.364.898 -6.008.362 5.295.794 0.780536
Prob. 0.0000 0.0000 0.0000 0.4368
0.345596
Sumber : Data Sekunder yang diolah,2016
Dari hasil regresi menggunakan pendekatan Random Effect Model, dapat dilihat bahwa nilai Adjusted R-Squared menghasilkan nilai yang lebih rendah dari pada menggunakan pendekatan fixed effect
model,
yaitu
hanya
sebesar
34,55%.
Seperti
halnya
menggunakan pendekatan fixed effect model pada pendekatan ini variabel Laba Kotor dan Intensitas Modal yang probabilitasnya dikatakan signifikan jika dibandingkan dengan α (taraf signifikansi = 1%), artinya memiliki hubungan dengan Perputaran persediaan. D. Estimasi Regresi Data Panel 1.
Pemilihan model dengan Uji Chow
42
Uji ini dilakukan untuk memilih model antara model efek tetap (fixed effect model) dengan model koefisien tetap (common effect). Berikut ini adalah hasil model dengan Uji Chow : Tabel IV.10 Uji Chow Effect Test Cross-section F Cross-section Chi-square
Statistic 9.157955
d.f. (21,85)
Prob. 0
130.076119
21
0
Sumber : Data Sekunder yang diolah, 2016 Tabel hasil model dengan uji chow diatas menunjukkan bahwa nilai probabilitas baik dari uji F dan Chi-square menunjukkan angka yang signifikan dimana secara statistik taraf signifikansinya p value < α (α = 1%). Dari hasil tersebut membuktikan bahwa Hipotesis nol ditolak dan hipotesis satu diterima sehingga model regresi terbaik menggunakan pendekatan fixed effect model. Untuk memperkuat kembali pemilihan model regresi maka selanjutnya dapat melakukan uji Hausman. 2.
Pemilihan model dengan uji Hausmann Pada metode ini dilakukan uji untuk menentukan model yang baik digunakan apakah Random Effect Model (REM) atau Fixed Effect Model (FEM) sebagai penentu apakah hipotesisnya dapat diterima. Berikut ini adalah hasil dari uji Hausmann :
Tabel IV.11 Uji Hausmann Test Summary Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
2.869551
3
0.4122
Sumber : Data Sekunder yang diolah, 2016
43
Hausmann tes diatas menghasilkan nilai probabilitas sebesar 0,4122 bila menggunakan taraf signifikansi 0,01 (α = 1%) hasilnya menunjukkan bahwa Fixed Effect model adalah model yang digunakan karena hasilnya 0,4122 > 0,01 cukup membuktikan bahwa H1 diterima. E. Uji Hipotesis Penelitian ini bertujuan untuk mengetahui pengaruh Laba kotor, Intensitas modal, dan Peramalan penjualan terhadap Perputaran persediaan pada perusahaan ritel yang ada di Indonesia periode tahun 2010-2014. Pengujian Hipotesis terdiri dari : 1.
Uji Simultan (Uji F) Uji F dilakukan untuk mengetahui model regresi keseluruhan atas seluruh pengaruh variabel independen terhadap variabel dependen. Tabel berikut menunjukkan hasil dari uji simultan : Tabel IV.12 Uji Simultan F-statistic
1.793858
Prob(F-statistic)
0.00000
Sumber : Data Sekunder yang diolah, 2016 Dari uji simultan menunjukkan nilai f hitung sebesar 1.793858 dan nilai probabilitasnya sebesar 0.00. Bila dibandingkan dari hasil uji simultan diatas dengan nilai f tabel, maka nilai f hitung nilainya lebih besar yaitu 1.793858 < 4.58. Dari hasil tersebut menunjukkan bahwa hipotesis satu diterima. Hasil nilai probabilitasnya yang menunjukkan lebih kecil dari nilai statistiknya α (0.01) > 0.00 maka semua variabel independen Laba kotor, Intensitas modal, dan Peramalan penjualan
44
secara simultan tidak berpengaruh terhadap variabel dependen yaitu Perputaran persediaan. 2.
Uji Parsial (Uji Statistik t) Pengujian ini dilakukan untuk mengetahui pengaruh variabel Independen terhadap variabel dependen pada penelitian ini. Hasil uji parsial (uji statistik t) menunjukkan hasil sebagai berikut ini : Tabel IV.13 Uji Parsial Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.63906
0.12218
5.230444
0.0000
GM
-0.64037
0.12926
-4.954091
0.0000
3.77084
0.89007
4.236527
0.0001
0.664954
0.5079
CI
D
SS 0.01833 0.02757 a Sumber : Data Sekunder yang diolah, 2016
dari tabel diatas menunjukkan bahwa variabel Laba kotor memiliki nilai t sebesar -4.954 dengan nilai probabilitas sebesar 0.0000. Nilai t hitung menghasilkan nilai negatif dan probabilitasnya lebih kecil dari nilai α (0,01). Sehingga dapat disimpulkan bahwa hipotesis nol diterima, dengan kata lain Laba kotor berpengaruh negatif dan signifikan terhadap Perputaran persediaan. Pada variabel Intensitas modal hasil di tabel IV.13 menunjukkan nilai t sebesar 4.236 dengan nilai probabilitas sebesar 0.0001. Pada variabel ini nilai t hitung menghasilkan nilai positif dan nilai probabilitasnya lebih kecil dari nilai statistiknya yakni α (0.01) > 0.0001. Maka dapat disimpulkan dari uji parsial ini adalah Hipotesis satu diterima dimana Intensitas modal berpengaruh positif dan signifikan terhadap Perputaran persediaan.
45
Variabel Peramalan penjualan memiliki nilai t sebesar 0.6649 dan probabilitas sebesar 0.5079. Pada variabel ini nilai t hitung menghasilkan nilai positif dan nilai probabilitasnya lebih besar dari nilai statistik yaitu, α (0.01) < 0.5079. Maka dapat disimpulkan dari uji parsial ini adalah Hipotesis nol diterima dimana Peramalan penjualan berpengaruh negatif namun tidak signifikan terhadap Perputaran persediaan. 3.
Koefisien Determinasi (R2 ) Koefisien determinasi bertujuan untuk mengukur seberapa jauh model dapat menerangkan variasi dari variabel dependen. Nilai dari R2 bertujuan untuk mengukur seberapa besar pengaruh dari variabel independennya terhadap variabel dependennya. Berikut adalah tabel hasil koefisiensi determinasinya R2 :
Tabel IV.14 Uji Koefisien Determinasi (R2 ) R-squared Adjusted R-Squared
0.83512 0.78856
Sumber : Data Sekunder yang diolah, 2016
Dari hasil tabel tersebut menunjukkan nilai Adjusted R-Squared sebesar 0.788 atau 78.8%. Hal ini berarti bahwa perubahan pada Perputaran persediaan sebesar 78.8% dipengaruhi oleh Laba kotor, Intensitas modal, dan Peramalan penjualan, sedangkan 21.2% dipengaruhi oleh variabel lain diluar penelitian.
46
F. Pengujian Hipotesis dan Pembahasan 1.
Pengaruh Laba kotor terhadap Perputaran persediaan. Hasil
penelitian
menunjukkan
pada
variabel
Laba
kotor
menunjukkan nilai koefisiennya bernilai negatif sebesar -4.954. Pada uji t untuk variabel ini diperoleh nilai probabilitasnya sebesar 0.0000 dan memiliki nilai statistik sebesar α (0,01), sehingga dapat ditarik kesimpulan bahwa variabel independen Laba kotor berpengaruh negatif
dan
signifikan
terhadap
variabel dependennya,
yaitu
Perputaran persediaan. Hasil temuan penelitian ini menunjukkan bahwa kenaikan
pada
Laba
kotor
justru
akan
menurunkan
Perputaran persediaan, namun sebaliknya penurunan pada Laba kotor akan menaikkan nilai dari Perputaran persediaan dan hal ini terjadi secara signifikan. Hal ini selaras dengan penelitian terdahulu yang dilakukan oleh Georgios (2010) dalam mengukur hubungan antara Laba kotor dan Perputaran persediaan. Penelitian tersebut menyimpulkan bahwa Laba kotor memiliki hubungan negatif dan signifikan terhadap dependen variabelnya yaitu Perputaran persediaan. Pada hasil regresinya menunjukkan nilai koefisiennya negatif sebesar -4.954 dan koefisiennya sebesar 0.000 dapat ditarik kesimpulan Laba kotor berhubungan
negatif
dan
signifikan
dengan
dibuktikan
nilai
probabilitasnya lebih kecil dari nilai statistiknya yaitu sebesar α (0,01). 2.
Pengaruh Intensitas modal terhadap Perputaran persediaan Analisis nilai statistik dari variabel independen Intensitas modal (CI) menunjukkan koefisiennya bernilai positif yaitu sebesar 4.236.
47
Nilai propabilitasnya menunjukkan nilai sebesar 0.000. Dari hasil uji yang didapat ditarik kesimpulan bahwa nilai koefisien tersebut menunjukkan bahwa setiap kenaikan pada Intensitas modal akan menaikkan nilai akan Perputaran persediaan dan hubungan ini bersifat signifikan. Hasil temuan tersebut konsisten dengan temuan fisher (2000) dimana setiap kenaikan Intensitas modal akan menaikkan pula angka dari Perputaran persediaan. Penambahan dalam bidang investasi pada perusahaan ritel akan menambah pula performa perusahaan pada persediaannya seperti penerapan teknologi (Gaur et al, 2004). 3.
Pengaruh Peramalan penjualan terhadap Perputaran persediaan. Temuan pada penelitian ini menunjukkan hasil pada variabel independen Peramalan penjualan memiliki hubungan yang positif dengan dependen variabel Perputaran persediaan dan tidak berpengaruh signifikan. Hal tersebut dibuktikan dengan nilai t hitung bernilai positif sebesar 0.664 dan nilai probilitas sebesar statistik α (0,01) < 0,5079. Dapat diambil keputusan bahwa Hipotesis ditolak dan tidak konsisten dengan penelitian Gaur et al (2010).
48