49
Indonesia Tbk 8
MAGP PT.Multi Agro Gemilang
Plantation Tbk
- Bukan Sampel
9 PALM
PT. Provident Agro Tbk
Sampel 10
SGRO PT. Sampoerna Agro Tbk
Sampel
11 SIMP
PT. Salim Ivomas Pratama Tbk
Sampel 12
SMAR PT. Sinar Mas Agro Resources
and Tehcnology Tbk
Sampel
13 SSMS
PT. Sawit Sumbermas Sarana Tbk
- Bukan
Sampel 14
TBLA PT. Tunas Baru Lampung Tbk
Sampel
15 UNSP
PT. Bakrie Sumatera Plantation Tbk
- Sampel
3.6 Jenis dan Sumber Data
Penelitian ini menggunakan data sekunder yaitu laporan keuangan dari tahun 2010 - 2013. Data tersebut didapatkan melalui Website Bursa Efek Indonesia
www.idx.co.id .
3.7 Metode Pengumpulan Data
Dalam penelitian ini metode data diperoleh dengan menggunakan metode dokumentasi yaitu pengumpulan data dengan cara mengumpulkan data sekunder dari
laporan keuangan Perusahaan Perkebunan yang telah dipublikasikan di Bursa Efek Indonesia tahun 2010 sampai dengan tahun 2013.
3.8 Teknik Analisis Data 3.8.1 Analisis Statistik Deskriptif
Universitas Sumatera Utara
50
Analisis statistik deskriptif merupakan statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah
terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi Sugiyono,2008:206. Analisis statistik deskriptif digunakan
untuk memberikan deskriptif tentang data setiap variabel- variabel penelitian yang digunakan di dalam penelitian ini. Data yang dilihat adalah jumlah data, nilai rata-
rata, standar deviasi, nilai minimum, dan nilai maksimum dari variabel dependen ROE, dan variabel independen yaitu modal kerja, perputaran modal kerja, operating
asset turnover dan inventory turnover pada perusahaan Perkebunan yang terdaftar di Bursa Efek Indonesia periode 2010-2013.
3.8.2 Model Analisis Data
Penelitian ini menggunakan analisis regresi berganda Multiple Regression Analysis. Analisis regresi linier berganda ini digunakan untuk menguji pengaruh
Modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover terhadap ROE dengan persamaan sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+b
4
X
4
+ e Keterangan :
Y : Pertumbuhan Laba a
: Kontansta b
: Koefisien X
1
: Modal Kerja
Universitas Sumatera Utara
51
X
2
: Perputaran Modal Kerja X
3
: Operating Asset Turnover X
4 :
Inventory Turnover e
: Error 3.9
Uji Asumsi Klasik
Sehubungan dengan menggunakan data sekunder dalam penelitian ini maka untuk mendapatkan ketepatan model yang akan dianalisi perlu dilakukan pengujian
atas beberapa persyaratan asumsi klasik yang mendasari model regresi diatas. Pengujian asumsi klasik ini terdiri dari:
3.9.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Model
regresi yang baik, memiliki distribusi data normal atau mendekati normal. Menurut Priyatno 2008:28 jika analisis menggunakan metode parametric, maka persyaratan
normalitas harus dipenuhi, yaitu data berasal dari distribusi normal. Jika data tidak berdistribusi normal atau jumlah sample sedikit dan jenis data adalah nominal atau
ordinal maka metode yang digunakan adalah statistic nonparametrik. Statitsik parametrik merupakan metode analisis yang digunakan untuk jenis data skala interval
dan rasio dengan ukuran sample yang relative Priyatno:2008. Pengujian normalitas dilakukan untuk menghindari terjadinya bias pada model
regresi. Model regresi yang baik adalah yang memiliki distribusi data normal atau
Universitas Sumatera Utara
52
mendekat normal.Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak. Uji ini biasanya digunakan untuk mengukur data
berskala ordinal, interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka persyaratan normalitas harus terpenuhi yaitu data berasal dari
distribusi yang normal. Jika data tidak terdistribusi normal, atau jumlah sampel sedikit dan jenis data adalah nominal atau ordinal maka metode yang digunakan
adalah statistik non parametric.Untuk mendeteksi normalitas dapat dilakukan dengan uji statistik. Test statistik yang digunakan antara lain: analisis grafik histogram,
normal probability plots dan Kolmogorov Smirnov test Ghozali, 2005. Pengujian normalitas ini dapat dilakukan melalui analisis grafik dan analisis statistik.
1. Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan
melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Namun demikian, hanya dengan melihat
histogram, hal ini dapat membingungkan, khususnya untuk jumlah sampel yang kecil. Metode lain yang dapat digunakan adalah dengan melihat normal probability plot
yang membandingkan distribusi kumulatif dari distribusi normal. Dasar pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut:
a. jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas.
Universitas Sumatera Utara
53
b. jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal tidak menunjukkan pola distribusi normal, maka model regresi tidak
memenuhi asumsi normalitas. 2. Analisis Statistik
Untuk mendeteksi normalitas data dapat dilakukan pula melalui analisis statistik yang salah satunya dapat dilihat melalui Kolmogorov-Smirnov test K-S. Uji
K-S dilakukan dengan membuat hipotesis: Ho = Data residual terdistribusi normal
Ha = Data residual tidak terdistribusi normal Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut:
a. apabila probabilitas nilai Z uji K-S signifikan secara statistik maka Ho ditolak, yang berarti data terdistibusi tidak normal.
b. apabila probabilitas nilai Z uji K-S tidak signifikan statistik maka Ho diterima, yang berarti data terdistibusi normal.
3.9.2 Uji Multikolinearitas
Menurut Ghozali 2005, uji ini digunakan untuk mengetahui apakah terdapat korelasi di antara variabel-variabel independen dalam model regresi tersebut. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika terdapat korelasi antara variabel independen, maka variabel-variabel ini tidak
ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen adalah nol. Untuk mendeteksi ada tidaknya
Universitas Sumatera Utara
54
multikoliniearitas dalam model regresi dapat dilihat dari tolerance value atau variance inflation factor VIF. Sebagai dasar acuannya dapat disimpulkan:
1. jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.
2. jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
3.9.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode t-1 sebelumnya. Jika terjadi korelasi, maka ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu
dengan yang lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya, biasanya dijumpai pada data deret
waktu time series. Konsekuensi adanya autokorelasi dalam model regresi adalah variance sample tidak dapat menggambarkan variance populasinya, sehingga model
regresi yang dihasilkan tidak dapat digunakan untuk menaksir nilai variabel dependen pada nilai independen tertentu Ghozali, 2005. Kriteria pengujian Autokorelasi
dengan menggunakan uji Run Test Ghozali, 2006: 2.1.1 Apabila nilai Asymp. Sig pada output run test lebih besar dari 5 maka data
tidak mengalami autokorelasi. 2.1.2 Apabila nilai Asymp. Sig pada output run test lebih kecil dari 5 maka data
mengalami autokorelasi.
Universitas Sumatera Utara
55
3.9.4 Uji Heteroskedasitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika
variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedatisitas dan jika berbeda disebut Heteroskedasitas.
Model regresi yang baik adalah yang homokedasitas atau tidak terjadi heteroskedasitas. Untuk mendeteksi adanya heterokedastisitas dilakukan dengan
melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID.
Dasar analisisnya: 1. jika ada pola tertentu ,seperti titik –titik yang membentuk suatu pola tertentu, yang
teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. jika tidak ada pola tertentu serta titik–titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas, maka mengindikasikan telah
terjadi heteroskedastisitas. Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting.
Semakin sedikit jumlah pengamatan, semakin sulit untuk mengintepretasikan hasil grafik plot.
Universitas Sumatera Utara
56
Oleh sebab itu diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil, salah satunya dengan uji Glejser Ghozali, 2005. Dasar pengambilan
keputusan uji heteroskedastisitas melalui uji Glejser dilakukan sebagai berikut. 1. apabila koefisien parameter beta dari persamaan regresi signifikan statistik, yang
berarti data empiris yang diestimasi terdapat heteroskedastisitas. 2. apabila probabilitas nilai test tidak signifikan statistik, maka berarti data empiris
yang diestimasi tidak terdapat heteroskedastisitas. Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh
karena jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit jumlah pengamatan, semakin sulit untuk mengintepretasikan hasil grafik plot. Oleh sebab itu
diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil, salah satunya dengan uji Glejser Ghozali, 2005. Dasar pengambilan keputusan uji
heteroskedastisitas melalui uji Glejser dilakukan sebagai berikut: 1. apabila koefisien parameter beta dari persamaan regresi signifikan statistik, yang
berarti data empiris yang diestimasi terdapat heteroskedastisitas. 2. apabila probabilitas nilai test tidak signifikan statistik, maka berarti data empiris
yang diestimasi tidak terdapat heteroskedastisitas.
3.10 Pengujian Hipotesis
Setelah melakukan pengujian normalitas dan pengujian atas asumsi-asumsi klasik, langkah selanjutnya yaitu melakukan pengujian atas hipotesis 1 H
1
sampai dengan hipotesis 2 H
2
. Pengujian tingkat penting Test of significance ini merupakan suatu prosedur dimana hasil sampel digunakan untuk menguji kebenaran
Universitas Sumatera Utara
57
suatu hipotesis Gujarati, 1999 dengan alat analisis yaitu uji t, uji F dan nilai koefisien determinansi R
2
. Perhitungan statistik disebut signifikan secara statistik, apabila uji nilai statistiknya berada dalam daerah kritis daerah dimana Ho ditolak.
Sebaliknya, disebut tidak signifikan bila uji nilai statistiknya berada dalam daerah dimana Ho diterima.
3.10.1 Uji Signifikansi Simultan Uji Statistik F
Uji F digunakan untuk menguji signifikansi pengaruh Modal Kerja, Perputaran Modal Kerja, Operating Asset Turnover dan Inventory Turnover terhadap
Return On Equity pada Perusahaan Perkebunan di Bursa Efek Indonesia secara simultan. Apabila tingkat profitabilitasnya lebih kecil dari 0,05 maka dapat dikatakan
bahwa semua variabel independen secara bersama- sama berpengaruh terhadap variabel dependen Ghozali, 2006.
Perumuskan Hipotesis: a. H
: b
i
= 0, artinya secara simultan modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover berpengaruh tidak signifikan terhadap
Return On Equity ROE pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode tahun 2010-2013.
b. H
a
: b
i
≠ 0, artinya secara simultan modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover berpengaruh signifikan terhadap Return On
Equity ROE pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode tahun 2010-2013.
Universitas Sumatera Utara
58
Adapun prosedur pengujiannya adalah melakukan perhitungan terhadap F
hitung
kemudian membandingkan nilai F
hitung
dengan F
tabel.
Kriteria pengambilan keputusan adalah: 1. Apabila F
hitung
F
tabel
dan tingkat signifikansi α 0,05 maka H ditolak,
menyatakan bahwa semua variabel independen tidak berpengaruh secara simultan terhadap variabel dependen.
2. Apabila F
hitung
F
tabel
dan tingkat signifikansi α 0,05 maka H diterima, yang
berarti secara simultan semua variabel independen berpengaruh tidak signifikan terhadap variabel dependen.
3.10.2 Uji Statistik t Uji Parsial
Uji-t statistik yang dimaksud adalah untuk menguji pengaruh secara parsial antara modal kerja, perputaran modal kerja, operating asset turnover dan inventory
turnover terhadap return on equity pada perusahaan perkebunan yang terdaftar di BEI dengan asumsi bahwa variabel lain dianggap konstan, dengan tingkat keyakinan 95
α = 0,05. Uji ini dilakukan sekaligus untuk melihat koefisien regresi secara individual variabel penelitian.
Perumusan hipotesis: 1. H
: b
i
= 0, artinya secara parsial modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover berpengaruh tidak signifikan terhadap
Universitas Sumatera Utara
59
Return On Equity ROE pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode tahun 2010-2013.
2. H
a
: b
i
≠ 0, artinya secara parsial modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover berpengaruh signifikan terhadap Return On
Equity ROE pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode tahun 2010-2013.
Adapun prosedur pengujiannya adalah melakukan perhitungan terhadap F
hitung
kemudian membandingkan nilai F
hitung
dengan F
tabel.
Kriteria pengambilan keputusan adalah: 1. Apabila F
hitung
F
tabel
dan tingkat signifikansi α 0,05 maka H ditolak,
menyatakan bahwa semua variabel independen tidak berpengaruh secara parsial terhadap variabel dependen ditolak.
2. Apabila F
hitung
F
tabel
dan tingkat signifikansi α 0,05 maka H diterima, yang
berarti secara parsial semua variabel independen berpengaruh tidak signifikan terhadap variabel dependen.
3.10.3 Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen,
terbatas. Sebaliknya, nilai R
2
yang mendekati satu menandakan variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan oleh variabel
Universitas Sumatera Utara
60
dependen Ghozali, 2005. Nilai yang digunakan adalah adjusted R
2
karena variabel independen yang digunakan dalam penelitian ini lebih dari dua buah.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Perusahaan
Yang menjadi objek pada penelitian ini adalah perusahaan perkebunan yang terdaftar di bursa efek Indonesia dengan periode penelitian 2010-2013. Penulisan
beralasan melakukan penelitian ini pada perusahaan perkebunan karena perkembangan perusahaan perkebunan yang sangat pesat. Investasi pada perusahaan
perkebunan saat ini sangat di minati para investor-investor karena pencapaian laba
Universitas Sumatera Utara
61
yang sangat menjajikan. Perusahaan perkebuan juga mempunyai peranan aktif dalam mengurangi tingkat penganguran di dalam negeri dengan menampung banyak
karyawan sebagai tenaga kerjanya.
4.2 Hasil Penelitian 4.2.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran mengenai karakteristik variabel penelitian yang diamati. Data yang diperoleh dari hasil analisis statistik deskriptif,
menunjukkan nilai tertinggi maksimum, nilai terendah minimum, rata- rata mean, dan standar deviasi dari setiap variabel yang diteliti baik variabel dependen
maupun variabel independen. Ghozali,2006:19. Data yang dilihat adalah jumlah data,nilai rata- rata, standar deviasi, nilai minimum, dan nilai maksimum dari variabel
devenden ROE, dan dari variabel independen Modal kerja dan perputaran modal kerja pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia Periode
2010- 2013.
Tabel 4.1
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation MK
44 29026.00
10401502.00 1169427.6364 1779006.45876
PMK 44
.74 10.48
3.8368 2.56081
OAT 44
.30 7.49
2.3548 1.93412
IT 44
.63 9.73
5.6575 2.20223
ROE 44
.66 7.13
2.4352 1.22226
Universitas Sumatera Utara
62
Valid N listwise 44
Sumber : Hasil output SPSS 22 : Descriptive Statistics
Berdasarkan tabel 4.1 dapat dilihat bahwa: 1. variabel Return On Equity pada perusahaan perkebunan di Bursa Efek Indonesia
selama tahun 2010- 2013 relatif berfluktuatif dimana nilai Return On Equity memiliki nilai minimum 0,66 dan nilai maksimum 7,13. Sementara nilai standart
deviasi sebesar 1.22226 dan nilai rata- rata mean sebesar 2.4352. Indikator ini
menunjukkan bahwa kemampuan perusahaan perkebunan yang terdaftar di BEI dalam mengembalikan ekuitas pemegang saham relatif baik karena nilai rata- rata
mean lebih besar dibandingkan dengan nilai standart deviasi. 2. variabel modal kerja memiliki nilai minimum 29026.00 dan nilai maksimum
10401502.00 sedangkan nilai rata- rata sebesar 1169427.6364 dan standar deviasi
sebesar 1779006.45876. Dari nilai rata- rata diatas menunjukkan bahwa penyediaan modal kerja perusahaan tidak terpenuhi dengan baik karena nilai rata-
rata mean lebih kecil dibandingkan dengan standar deviasi. 3. variabel perputaran modal kerja memiliki nilai minimum 0.74 dan nilai maksimum
10.48 dengan nilai rata- rata 3.8368 sedangkan standar deviasi sebesar 2.56081. Dari nilai rata- rata diatas menunjukkan bahwa perputaran modal kerja kurang
baik karena nilai rata- rata mean lebih kecil dibandingkan dengan nilai standar deviasi.
Universitas Sumatera Utara
63
4. variabel operating asset turnover memiliki nilai minimum 0.30 dan nilai maksimum 7.49 sedangkan nilai rata- rata sebesar 2.3548 dan standar deviasi
sebesar 1.93412. Dari nilai rata- rata diatas menunjukkan bahwa penyediaan operating asset turnover perusahaan tidak terpenuhi dengan baik karena nilai rata-
rata mean lebih kecil dibandingkan dengan standar deviasi. 5. Variabel inventory turnover memiliki nilai minimum 0.66 dan nilai maksimum
9.73 sedangkan nilai rata- rata sebesar 5.6575 dan standar deviasi sebesar 2.20223. Dari nilai rata- rata diatas menunjukkan bahwa penyediaan inventory turnover
perusahaan tidak terpenuhi dengan baik karena nilai rata- rata mean lebih kecil dibandingkan dengan standar deviasi.
4.2.2 Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mendapatkan model regresi yang baik. Model regresi berganda akan lebih cepat digunakan dan menghasilkan perhitungan
yang lebih akurat, apabila beberapa asumsi berikut dapat terpenuhi. Uji asumsi klasik yang dimaksud dan yang harus terpenuhi adalah Uji Normalitas, Uji Multikolineritas,
Uji Autokorelasi, Uji Heterokedastisitas.
4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel residual memiliki distribusi data yang normal atau tidak. Ada dua cara yang dapat
digunakan untuk mendeteksi apakah data terdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik.
Universitas Sumatera Utara
64
1. Analisis Grafik
Analisis grafik dapat dilakukan dengan menggunakan grafik histogram dan grafik probability plot. Berikut akan disajikan grafik histogram dan grafik P-plot data
terhadap variabel dependen yaitu Return On Equity ROE.
Gambar 4.1
Sumber : Hasil output SPSS 22: Histogram Dengan melihat tampilan grafik histogram Gambar 4.1, dapat disimpulkan
bahwa grafik histogram memberikan pola distribusi yang menceng skewness ke
Universitas Sumatera Utara
65
kiri. Hal ini menunjukkan bahwa grafik histogram tidak menunjukkan distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Selain mengunakan grafik histogram, uji normalitas juga dapat dilakukan dengan mengunakan analisis grafik P-Plot, berikut turut dilampirkan grafik P-Plot.
Gambar 4.2 Normal P- Plot
Sumber : Hasil output SPSS 22: Normal P- Plot
berdasarkan gambar 4.2 Normal P-plot, terlihat titik –titik menyebar di sekitar garis diagonal dan penyebaran tidak mendekati garis diagonal. Hal ini menunjukkan bahwa
Universitas Sumatera Utara
66
grafik tidak menunjukkan distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Berdasarkan grafik histogram dan grafik P-Plot menunjukan bahwa data tidak berdistribusi normal. Oleh karena itu, dilakukan teknik menormalkan distribusi data
dalam bentuk transformasi bentuk natural LN. Secara rinci hasil perhitungan uji mormalitas residual dengan uji grafik Histogram dan normal Probability Plot
berdasarkan data transform-LN variabel yaitu variabel dependen ROE, ditunjukkan pada gambar berikut:
Gambar 4.3 : Uji Normalitas LN
Sumber : Hasil output SPSS 22: Uji Normalitas LN Histograam
Universitas Sumatera Utara
67
Gambar 4.4: Uji Normalitas Ln
Universitas Sumatera Utara
68
Sumber : Hasil output SPSS 22: Uji Normalitas Ln P-Plot
Dari grafik histogram Gambar 4.3, tampak bahwa residual terdistribusi secara normal dan berbentuk simetris tidak menceng ke kanan atau ke kiri, sedangkan dari
grafik normal P-Plot 4.4, terlihat titik-titik menyebar berhimpit disekitar diagonal . Hal ini menunjukkan bahwa residual terdistribusi secara normal.
2. Uji Statistik Kolmogorov- Smirnov.
Uji normalitas dengan metode statistik menggunakan uji kolmogorov – smirnov. Uji ini dilakukan untuk memastikan apakah plotting data residual yang
Universitas Sumatera Utara
69
menyebar disekitar garis diagonal terdistribusi normal atau tidak . distribusi data dikatakan normal apabila nilai asymptonic significance lebih besar dari 0.05
� 0.05. Hal tersebut mengindikasikan bahwa variabel independen yang digunakan
dalam penelitian ini tidak terdapat data yang outlier yang dapat mengakibatkan hasil penelitian menjadi bias sehingga dapat digunakan untuk memprediksi ROE
perusahaan perkebunan yang terdaftar di BEI periode 2010-2013. Untuk lebih jelas Hasil uji Kolmogorov – Smirnov dapat dilihat pada tabel
dibawah ini.
Tabel 4.2 Hasil Uji
Kolmogrov- Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
44 Normal
Parameters
a,b
Mean .0000000
Std. Deviation 1.20476080
Most Extreme Differences
Absolute .203
Positive .203
Negative -.118
Test Statistic .203
Asymp. Sig. 2-tailed .000
c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber : Hasil output SPSS 22: One-Sample Kolmogorov-Smirnov Test
Bedasarkan hasil Uji Kolmogorov-Smirnov, mempunyai nilai Kolmogorov- Smirnov sebesar 1.203
dengan nilai signifikansi sebesar 0.00. Hal ini berarti data residual berdistribusi tidak normal.
Universitas Sumatera Utara
70
Oleh karena itu, dilakukan teknik menormalkan distribusi data dalam bentuk transformasi bentuk natural LN. Secara rinci hasil perhitungan uji mormalitas
residual dengan Uji Kolmogorov-Smirnov berdasarkan data transform-LN variabel dependen yaitu Return On Asset , ditunjukkan pada tabel berikut:
Table 4.3 Uji Normalitas LN: Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
44 Normal Parameters
a,b
Mean .0000000
Std. Deviation .42637632
Most Extreme Differences Absolute
.117 Positive
.117 Negative
-.080 Test Statistic
.117 Asymp. Sig. 2-tailed
.156
c
a. Test distribution is Normal. b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber : Hasil output SPSS 22:
One-Sample Kolmogorov-Smirnov Test
Hasil sampel pada Tabel 4.3 di atas menunjukkan bahwa nilai Kolmogrov- Smirnov sebesar 0.117 dan tingkat signifikansi pada 0.156. Karena nilai signifikansi
0.156 0.05, menunjukkan bahwa residual berdistribusi normal.
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antara variabel bebas independen. Model regresi yang
Universitas Sumatera Utara
71
baik seharusnya terbebas dari korelasi di antara variabel bebas. Multikolinearitas dapat dilihat dari nilai variance inflation factor VIF dan tolerance. Suatu model
dikatakan terbebas dari korelasi apabila VIF 10 dan tolerence 0,1. Dari pengujian model regresi diperoleh hasil untuk masing- masing variabel yang ditampilkan pada
tabel 4.4
Tabel 4.4 Hasil Uji Multikolinearitas ROE
Coefficients
a
Model Sig.
Collinearity Statistics Tolerance
VIF 1
Constant .017
MK .664
.955 1.047
PMK .872
.897 1.115
OAT .915
.894 1.119
IT .341
.886 1.129
a. Dependent Variable: LnROE
Sumber : Hasil output SPSS 22: Coefficients
a
Berdasarkan pada tabel 4.3 dapat dilihat bahwa tidak terdapat variabel yang memiliki VIF yang lebih kecil dari 10 dan nilai tolerance yang lebih besar dari 0,1. Dengan
demikian dapat dinyatakan bahwa model persamaan regresi dalam penelitian ini dapat digunakan untuk memprediksi variabel dependen selama periode pengamatan.
4.2.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
Universitas Sumatera Utara
72
pengganggu pada periode t-1 atau periode sebelumnya. Pengujian autokorelasi dilakukan dengan menggunakan uji Run Test.
Uji run test sebagai bagian dari statistik non parametrik dapat pula digunakan untuk menguji apakah antara residual terdapat korelasi yang tinggi. Jika antara
residual tidak terdapat hubungan korelasi, maka dikatakan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi
secara random atau tidak sistematis.
Tabel 4.5 Hasil Uji Run Test ROE
Runs Test
Unstandardized Residual Test Value
a
-.07472 Cases Test Value
22 Cases = Test Value
22 Total Cases
44 Number of Runs
23 Z
.000 Asymp. Sig. 2-tailed
1.000 a. Median
Sumber : Hasil output SPSS 22: Runs Test
Hasil output SPSS pada tabel 4.5 menunjukkan nilai test -0,7472 dengan nilai asymptonic significance sebesar 1. Nilai ini
lebih besar dari 0,005 ρ 0,05. Hal ini menunjukkan distribusi data residual dalam penelitian bersifat random atau tidak
terjadi autokorelasi antara nilai residual untuk model regresi terhadap variabel dependen ROE.
Universitas Sumatera Utara
73
4.2.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari satu pengamatan dengan pengamatan yang lain.
Uji heteroskedastisitas dapat dilakukan dengan dua metode, yaitu uji grafik dan uji glejser.
Berikut akan disajikan hasil grafik scatterplot.
Gambar 4.5 Hasil Uji Grafik Scatterplot ROE
Sumber: Hasil output SPSS 22: ScatterPlot Hasil output SPSS pada gambar 4.5 menunjukkan hasil uji grafik scatterplot.
Grafik ini menunjukkan tidak adanya pola yang jelas, serta titik- titik menyebar dibawah dan diatas angka 0 nol pada sumbu Y, maka dapat disimpulkan tidak
terjadi heteroskedastisitas pada model. Sehingga model regresi layak dipakai untuk model regresi terhadap variabel dependen ROE.
Universitas Sumatera Utara
74
Uji heteroskedastisitas dapat juga dilakukan dengan menggunakan uji glejser, yang dilakukan dengan cara meregres seluruh variabel independen dengan nilai
absolute residual absut sebagai variabel dependennya. Model regresi yang bebas dari heteroskedastisitas adalah model dengan nilai signifikan 0,05. Berikut adalah
hasil uji glejser yang diperoleh:
Tabel 4.6 Hasil Uji Glejser ROE
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .422
.148 2.854
.007 MK
1.279E-8 .000
.212 1.404
.168 PMK
-.002 .003
-.075 -.494
.624 TATO
-.038 .018
-.341 -2.156
.057 IT
.004 .021
.028 .173
.863 a. Dependent Variable: abs
Sumber: Hasil output SPSS 22: Coefficients
a
Pada Tabel 4.5 dapat dilihat bahwa nilai signifikan semua variabel independen lebih besar dari 0,05. Hal ini menunjukkan bahwa model regresi dalam penelitian ini
terbebas dari heteroskedastisitas, sehingga layak dipakai untuk melihat pengaruh dari masing- masing variabel independen terhadap variabel dependen ROE.
4.2.3 Analisis Regresi Linear Berganda
Universitas Sumatera Utara
75
Untuk melihat pengaruh variabel Modal kerja dan Perputaran modal kerja terhadap variabel dependen yaitu Return On Equity ROE. maka estimasi regresi
yang digunakan melalui pengolahan data dengan SPSS 22.0 for windows. Berikut hasil pengolahan datanya:
Tabel 4.7 Analisis Regresi Linier Berganda
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std.
Error Beta
1 Constant
.620 .249
2.488 .017
MK 1.721E-8
.000 .071
.438 .664
PMK -.005
.028 -.027
-.162 .872
OAT -.004
.037 -.018
-.108 .915
IT .032
.033 .161
.964 .341
a. Dependent Variable: LnROE
Sumber: Hasil output SPSS 22: Coefficients
a
Pengolahan data pada tabel 4.7 menghasilkan suatu persamaan linear berganda yaitu sebagai berikut:
Y= 0.62+ 1,721 X
1
- 0,005 X
2
-0.004X
3
+0.032X
4
+ ϵ
Y = Return On Equity
Universitas Sumatera Utara
76
X
1
= Modal Kerja X
2
= Perputaran Modal Kerja X
3
= Operating Asset Turnover X
4
= Inventory Turnover ϵ = error of term
keterangan: 1. Konstanta 0,62 menunjukkan bahwa ROE bernilai 0,62 jika semua variabel
independen yaitu Modal kerja, Perputaran Modal Kerja, Operating Asset Turnover dan Inventory Turnover dianggap konstan.
2. Koefisien regresi variabel modal kerja 1.721 menunjukkan bahwa setiap peningkatan jumlah modal kerja satu satuan maka akan mengakibatkan ROE
mengalami peningkatan sebesar 1.721 dengan asumsi variabel independen lainnya dianggap konstan atau cateris paribus.
3. Koefisien regresi variabel perputaran modal kerja -.005 menunjukkan bahwa setiap peningkatan proporsi perputaran modal kerja satu satuan maka akan
mengakibatkan ROE mengalami peningkatan sebesar -.005 dengan asumsi independen lainnya dianggap konstan atau cateris paribus.
4. Koefisien regresi variabel operating asset turnover -.004menunjukkan bahwa setiap peningkatan proporsi operating asset turnover satu satuan maka akan
mengakibatkan ROE mengalami peningkatan sebesar -.004 dengan asumsi independen lainnya dianggap konstan atau cateris paribus
Universitas Sumatera Utara
77
5. Koefisien regresi variabel inventory turnover 0,032 menunjukkan bahwa setiap peningkatan proporsi inventory turnover satu satuan maka akan mengakibatkan
ROE mengalami peningkatan sebesar 0,032 dengan asumsi independen lainnya dianggap konstan atau cateris paribus
4.2.4 Pengujian Hipotesis 4.2.4.1 Uji Signifikansi Parsial t – test
Uji t bertujuan untuk mengetahui seberapa besarnya pengaruh variabel independen terhadap variabel dependen. Uji ini dilakukan dengan hipotesis dan
ketentuan sebagai berikut: Perumusan Hipotesis:
a. H : b
i
= 0, artinya secara parsial Modal kerja,perputaran modal kerja, operating asset turnover dan inventory turnover berpengaruh tidak signifikan terhadap ROE
pada perusahaan perkebunan yang terdaftar di BEI periode 2010-2013 b. H
a
: b
i
≠ 0, artinya secara parsial Modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover berpengaruh signifikan terhadap ROE pada
perusahaan perkebunan yang terdaftar di BEI periode 2010-2013. Kriteria pengambilan keputusan adalah:
1. Apabila F
hitung
F
tabel
dan tingkat signifikansi α 0,05 maka H diterima dan H
1
ditolak. 2. Apabila F
hitung
F
tabel
dan tingkat signifikansi α 0,05 maka H
ditolak dan H
1
diterima.
Tabel 4.8
Universitas Sumatera Utara
78
Hasil Uji t terhadap ROE
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
.620 .249
2.488 .017
MK 1.721E-8
.000 .071
.438 .664
PMK -.005
.028 -.027
-.162 .872
OAT -.004
.037 -.018
-.108 .915
IT .032
.033 .161
.964 .341
a. Dependent Variable: LnROE
Sumber : Hasil output SPSS 22: Coefficients
a
Uji t dengan melihat nilai signifikansi masing- masing variabel independen sebagai berikut:
1. hasil pengujian jumlah modal kerja terhadap Return On Equity ROE menunjukkan sig t 0,664
α α = 0,05, dengan demikian H
o
diterima , bahwa secara parsial jumlah modal kerja berpengaruh signifikan terhadap ROE pada taraf
uji signifikan 0,05 .
2. hasil pengujian tingkat perputaran modal kerja terhadap Return On Equity ROE menunjukkan sig t 0,872
α α= 0,05 dengan demikian H
o
diterima , bahwa secara parsial jumlah perputaran modal kerja berpengaruh signifikan terhadap
ROE pada taraf uji signifikan 0,05. 3. hasil pengujian tingkat operating asset turnover terhadap Return On Equity ROE
menunjukkan sig 0,915 α α= 0,05 dengan demikian H
o
diterima , bahwa secara
Universitas Sumatera Utara
79
parsial jumlah operating asset turnover berpengaruh signifikan terhadap ROE pada taraf uji signifikan 0,05.
4. hasil pengujian tingkat inventory turnover terhadap Return On Equity ROE menunjukkan sig t 0.341
α α= 0,05 dengan demikian H
o
diterima , bahwa secara parsial jumlah inventory turnover berpengaruh signifikan terhadap ROE
pada taraf uji signifikan 0,05.
4.2.4.2 Uji Signifikansi Simultan F- test
Uji F bertujuan untuk mengetahui apakah semua variabel independen yang dimasukkan dalam model ini mempunyai pengaruh secara bersama- sama terhadap
variabel dependen. Uji F dicari dengan melihat F
hitung
dari tabel Anova. Perumusan hipotesis:
a. H : b
1
= b
2
= 0 Artinya secara simultan Modal Kerja,Perputaran Modal Kerja, Operating Asset
Turnover dan Inventory Turnover berpengaruh tidak signifikan terhadap ROE pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode 2010-
2013. b. H
a
: salah satu dari b
i
≠ 0 Artinya, secara simultan Modal Kerja, Perputaran Modal Kerja, Operating Asset
Turnover dan Inventory Turnover berpengaruh signifikan terhadap ROE pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode 2010-2013.
Kriteria pengambilan keputusan adalah:
Universitas Sumatera Utara
80
1. Apabila nilai Sig F 0,05 maka H diterima, artinya tidak terdapat pengaruh
signifikan secara simultan antara variabel independen terhadap variabel dependen. 2. Apabila nilai Sig F 0,05 maka H
1
diterima, artinya terdapat pengaruh yang signifikan secara simultan antara variabel independen terhadap variabel dependen.
Berikut adalah tabel hasil uji signifikansi simultan terhadap variabel dependen ROE.
Tabel 4.9 Hasil Uji F terhadap ROE
ANOVA
a
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
.260 4
.065 .325
.860
b
Residual 7.817
39 .200
Total 8.078
43 a. Dependent Variable: LnROE
b. Predictors: Constant, IT, MK, PMK, OAT
Sumber : Hasil output SPSS 22: ANOVA
a
Dari hasil perhitungan diperoleh nilai F sebesar 0,325 dengan tingkat signifikansi 0,86. Karena tingkat signifikansinya 0,086 0,05, maka Hipotesis
diterima dan terdapat pengaruh yang signifikan antara modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover terhadap variabel dependen
yaitu Return On Equity ROE.
4.2.4.3 Uji Koefisien Determinasi R
2
Universitas Sumatera Utara
81
Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi
adalah 0 – 1. Semakin besar nilai koefisien determinasi maka akan semakin baik. Dalam penelitian ini koefisien determinasi yang digunakan adalah R
2
. Hasil pengukuran koefisien determinasi dapat dilihat pada tabel 4.10.
Tabel 4.10 Hasil Uji Determinasi ROE
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .180
a
.032 -.067
.44771 1.417
a. Predictors: Constant, IT, MK, PMK, OAT b. Dependent Variable: LnROE
Sumber : Hasil output SPSS 22: Model Summary
b
Pada tabel 4.9 dapat dilihat nilai R
2
adalah 0,032. Dengan demikian dapat disimpulkan bahwa besarnya pengaruh modal kerja, perputaran modal kerja,
operating asset turnover dan inventory turnover terhadap Return On Equity ROE adalah 3,2, sedangkan 96,8 dipengaruhi oleh faktor- faktor lain diluar model.
4.3 Pembahasan Hasil Penelitian
4.3.1 Pengaruh Simultan
Universitas Sumatera Utara
82
Berdasarkan hasil uji simultan Tabel 4.8, dapat diketahui bahwa nilai signifikansi adalah sebesar 0,086 yang berarti lebih besar dari 0.05. Oleh karena itu
dapat diambil kesimpulan bahwa variabel dalam penelitian ini yaitu modal kerja, perputaran modal kerja, operating asset turnover dan inventory turnover secara
simultan berpengaruh tidak signifikan terhadap variabel dependen yaitu Return On Equity profitabilitas.
4.3.2 Pengaruh Parsial a.
Pengaruh Modal kerja terhadap Return On Equity
Berdasarkan tabel 4.8 diperoleh nilai signifikansi 0,664 yang lebih tinggi dari tingkat signifikansi 0.05. Hasil ini menunjukkan bahwa variabel modal kerja
berpengaruh tidak signifikan terhadap Return On equity. Tanda koefisien variabel modal kerja sebesar 1,721 bertanda positif menunjukkan bahwa terdapat hubungan
positif antara kedua variabel, atau semakin tinggi modal kerja kesempatan perusahaan memperoleh profit keuntungan akan semakin tinggi.
Hasil penelitian ini konsisten dengan penelitian yang dilakukan oleh Hairuddin 2003 yang menyatakan bahwa variabel Modal Kerja secara parsial tidak berpengaruh
signifikan terhadap Return On Equity.
b. Pengaruh Perputaran Modal Kerja terhadap
Return On Equity
Berdasarkan tabel 4.8 diperoleh nilai signifikansi 0,872 yang lebih tinggi dari tingkat signifikansi 0.05. Hasil ini menunjukkan bahwa variabel modal kerja
berpengaruh tidak signifikan terhadap Return On equity. Tanda koefisien variabel Perputaran Modal kerja sebesar -0,04 bertanda negatif menunjukkan bahwa terdapat
Universitas Sumatera Utara
83
hubungan negatif antara kedua variabel, atau semakin tinggi Perputaran Modal Kerja semakin rendah tingkat Return on Equity.
Hasil penelitian ini konsisten dengan penelitian yang dilakukan oleh Astuti 2005 yang menyatakan bahwa variabel Modal Kerja secara parsial berpengaruh
signifikan terhadap Return On Equity.
c. Pengaruh
Operating Asset Turnover terhadap Return On Equity
Berdasarkan tabel 4.8 diperoleh nilai signifikansi 0,915 yang lebih tinggi dari tingkat signifikansi 0.05. Hasil ini menunjukkan bahwa variabel modal kerja berpengaruh
tidak signifikan terhadap Return On equity. Tanda koefisien variabel Operating Asset Turnover sebesar -0,04 bertanda negatif menunjukkan bahwa terdapat hubungan
negatif antara kedua variabel, atau semakin tinggi Operating Asset Turnover semakin rendah tingkat Return On Equity. .
Hasil penelitian ini konsisten dengan penelitian yang dilakukan oleh Apri Daryanti 2003 yang menyatakan bahwa variabel Operating Asset Turnover secara
parsial berpengaruh signifikan terhadap Return On Equity.
d. Pengaruh Inventory Turnover terhadap Return on Equity
