3.4 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah dokumentasi, yaitu peneliti melakukan pengumpulan data sekunder atau data yang
diperoleh secara tidak langsung atau melalui media perantara yaitu internet melalui situs Bursa Efek Indonesia dengan melihat laporan keuangan yang
diterbitkan setiap tahunnya baik dalam media cetak maupun data yang di download dari internet melalui www.idx.co.id.
3.5 Variabel Penelitian dan Defenisi Operasional Variabel 3.5.1 Variabel penelitian
1. Variabel bebas independent variable
Variabel independen yaitu variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen
Sugiyono, 2008 : 59. Adapun variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Likuiditas
Likuiditas yang diukur dengan rasio lancar Current Ratio X
1
merupakan rasio untuk mengukur kemampuan perusahaan dalam membayar kewajiban jangka pendek atau utang yang segera jatuh
tempo pada saat ditagih secara keseluruhan. Rasio likuiditas dapatdiukur dengan rumus sebagai berikut :
CR = Aktiva Lancar
Hutang lancar x 100
b. Manajemen modal kerja yang diukur dengan rasio perputaran modal
kerja X
2
yaitu rasio yang menunjukkan banyaknya penjualan yang
Universitas Sumatera Utara
dapat diperoleh perusahaan untuk tiap rupiah modal kerja. Perputaran modal kerjadapat diukur dengan rumus sebagai berikut :
WCT = Penjualan
aktiva lancar − hutang lancar
c. Manajemen modal kerja yang diukur dengan rasio perputaran persediaan
X
3
mengukur hubungan antara volume barang dagang yang dijual dengan jumlah persediaan yang dimiliki selama periode berjalan. Rasio
ini dihitung sebagai berikut : ITO =
Harga pokok penjualan persediaan rata
− rata
2. Variabel terikat dependent variable
“Variabel dependen adalah variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas “Sugiono, 2008 : 59. Dalam
penelitian ini, yang menjadi variabel dependen adalah profitabilitas yang diukur dengan menggunakan rasio Return On Asset ROA. Rasio ini
dihitung sebagai berikut: Return On Asset =
Laba bersih setelah pajak Total Asset
3.5.2. Defenisi operasional variabel
Operasional variabel penelitian ini dapat dilihat secara lebih lengkap pada tabel di bawah ini :
Universitas Sumatera Utara
TABEL 3.2 Definisi operasional
Nama variabel
Defenisi Operasional Parameter Yang Digunakan
Skala
Likuiditas Rasio yang
menunjukkan kemampuan
perusahaan untuk melunasi hutang
pada saat ditagih CR =
Aktiva Lancar Hutang lancar
x100 Rasio
Perputaran Modal
kerja Rasio untuk
memperlihatkan adanya efisiensi
modal kerja dalam pencapaian
penjualan WCT =
Penjualan a. lancar
− h. lancar Rasio
Perputaran persediaan
Perputaran persediaan
adalah merupakan rasio
antara jumlah harga pokok
barang yang dijual dengan
nilai rata-rata persediaan
yang dimiliki oleh Perusahaan.
ITO = Harga pokok penjualan
persediaan rata − rata
Rasio
Profitabilitas ROA
Rasio profititaabilas adalah
rasio yang menghubungkan
laba dari penjualan dan
investasi.
ROA = laba bersih setelah pajak
total aktiva
Rasio
Sumber : diolah Penulis, 2013
3.6 Metode Analisis Data
Metode analisis data dalam penelitian ini menggunakan analisis statistik dengan menggunakan software SPSS 16. Tahap awal yang dilakukan sebelum
Universitas Sumatera Utara
melakukan pengujian hipotesis yaitu uji asumsi klasik. Pengujian asumsi klasik yang dilakukan terdiri dari uji normalitas, uji multikolonieritas, uji
heteroskedastisitas dan uji autokorelasi. Untuk pengujian hipotesis, dilakukan analisis uji t dan uji F.
3.6.1. Pengujian asumsi klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam
penelitian ini adalah, uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
1. Uji normalitas
“Uji normalitas bertujuan untuk menguji apakah variabel dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”
Ghozali, 2006 : 110. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Histogram atau pola
distribusi data normal dapat digunakan untuk melihat normalitas data. Uji Kolmogrov Smirnov, dalam uji pedoman yang digunakan dalam
pengambilan keputusan yaitu: a. jika nilai signifikansi 0,05 maka distribusi data tidak normal,
b. jika nilai signifikansi 0,05 maka distribusi data normal. Menurut Ghozali 2006 : 112, pada prinsipnya normalitas data dapat
dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan
keputusan :
Universitas Sumatera Utara
1 jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal,
maka model regresi memenuhi asumsi normalitas, 2 jika data menyebar jauh dari diagonal dan atau tidak mengikuti arahgaris
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
2. Uji multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi
yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Erlina dan Mulyani 2007 : 107, menyatakan “Multikolinearitas merupakan
kondisi dimana terjadi korelasi antar variabel - variabel independen suatu penelitian atau dengan kata lain bersifat ortogonal”. Variabel - variabel
independen yang bersifat ortogonal adalah variabel yang memiliki nilai korelasi di antara sesamanya sama dengan nol. Jika terjadi korelasi
sempurna diantara sesama variabel independen, maka konsekuensinya adalah:
a koefisien-koefisien regresi menjadi tidak dapat ditaksir b nilai standar error setiap koefisien regresi menjadi tak terhingga
Jika terjadi korelasi, maka terdapat problem multikolinearitas. Pengujian dilakukan dengan nilai VIF Variance Inflation Factor dari
model penelitian, jika nilai VIF di atas 2 maka dapat dikatakan bahwa telah terjadi gejala multikolinearitas dalam model penelitian. Di samping itu,
Universitas Sumatera Utara
“suatu model dikatakan terdapat gejala multikolinearitas, jika korelasi di antara variabel independen lebih besar dari 0,9” Ghozali, 2005 : 91.
Menurut Ghozali 2005, “cara yang dapat dilakukan jika terjadi multikolinearitas yaitu:
1. mengeluarkan salah satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi dan indentifikasi variabel independen
lainnya untuk membantu prediksi 2. menggabungkan data cross section dan time series pooling data
3. menambah data penelitian”.
3. Uji heteroskedastisitas
Menurut Situmorang et al. 2009 : 63, “Heteroskedastisitas dapat dikatakan sebagai suatu situasi dimana dalam sebuah grup terdapat varians
yang tidak sama diantara sesama anggota grup tersebut”. Uji heteroskedastisitas digunakan untuk menguji apakah dalam suatu model
regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual diantara pengamatan
tersebut tetap, maka disebut homokedastisitas. Cara yang digunakan untuk mendeteksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat
dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot
yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0 2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja
Universitas Sumatera Utara
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali
4. Penyebaran titik-titik data sebaiknya tidak berpola. Menurut Situmorang, et.al. 2009 : 76, ada dua cara perbaikan
heteroskedastisitas, yaitu : 1. Bila varians
�2� diketahui, maka metode yang digunakan adalah dengan cara kuadrat terkecil tertimbang yang meminimumkan
pentingnya observasi yang penting dengan memberikan bobot pada observasi tadi secara proporsional dengan kebalikan dari
variansnya.
2. Bila varians �2� tidak diketahui, dimana pengetahuan mengenai
�2� biasanya merupakan hal yang jarang dimiliki. Sebagai akibatnya, orang biasanya membuat suatu asumsi yang masuk
akal mentransformasikan data atau membuat gangguan disturbance data yang telah ditransformasikan bersifat
homokesdastisitas. Misal model persamaannya:
Y = b0 + b1x1 + b2x2, ditransformasikan menjadi:
LogY = b0 + b1logx1 + b2logx2.
4. Uji autokorelasi
“Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 sebelumnya” Ghozali, 2006 : 95. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang
berkaitan satu dengan yang lainnya. Hal ini sering ditemukan dalam time series.
Ada beberapa cara untuk menguji adanya autokorelasi seperti metode grafik, uji LM, Uji Runs dan lain-lain. Uji Durbin-Watson hanya digunakan
untuk autokorelasi tingkat satu first autocorelation dan mensyaratkan
Universitas Sumatera Utara
adanya intercept konstanta dalam model regresi dan tidak ada variabel lagi diantara variabel dependen. Kriteria untuk penilaian terjadinya autokorelasi
yaitu: 1 angka D-Wdi bawah -2 berarti ada autokorelasi positif
2 angka D-Wdi antara-2 sampai+2 berarti tidak ada autokorelasi 3 angka D-Wdi atas +2 berarti ada autokorelasi negatif
Menurut Situmorang et al.2009 : 78, Autokorelasi dapat di definisikan sebagai suatu keadaan dimana adanya korelasi diantara anggota
serangkaian observasi yang diurutkan menurut waktu time series atau ruang cross section. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Masalah ini timbul dikarenakan residual atau kesalahan pengganggu tidak bebas dari satu observasi ke
observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Pada penelitian ini, uji autokorelasi dideteksi dengan uji Durbin- Watson, karena uji ini yang umum digunakan. Uji ini hanya digunakan
untuk autokorelasi tingkat pertama first order autokorelasi dan mensyaratkan adanya intercept konstanta dalam model regresi.
3.7 Pengujian Hipotesis Penelitian
Pengujian hipotesis dalam penelitian ini dilakukan dengan analisis regresi berganda, uji sgnifikansi t-test serta uji signifikansi f-test. Menurut Rochaety
2007 : 107 “ …dengan uji hipotesis kita memusatkan perhatian pada peluang kita membuat keputusan yang salah. Hipotesis diterima atau ditolak berdasarkan
Universitas Sumatera Utara
informasi yang terkandung dalam sampel tetapi menggambarkan keadaan populasi”.
3.7.1 Analisis regresi berganda
Menurut Rochaety 2007 : 142 “regresi berganda bertujuan untuk menghitung besarnya pengaruh dua atau lebih variabel bebas terhadap satu
variabel terikat dan memprediksi variabel terikat dengan menggunakan dua atau lebih variabel bebas”. Model persamaannya adalah sebagai berikut :
Y= a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e Keterangan :
Y = variabel dependen yaitu profitabilitas a = intercept koefisien yang menyatakan perubahan rata-rata variabel
dependen untuk setiap variabel independen sebesar satu atau yang disebut konstanta.
b
1
, b
2
, b
3
= angka arah atau koefisien regresi yang menunjukkan angka peningkatan ataupun penurunan variabel dependen yang didasarkan
pada variabel independen. Bila b + maka terjadi kenaikan pada variabel dependen dan bila b - maka akan terjadi penurunan pada
variabel. X
1
= likuiditas yang diukur dengan rasio lancar current ratio X
2
= manajemen modal kerja yang ukur dengan mengunakan rasio perputaran modal kerja
X
3
= manajemen modal kerja yang diukur dengan perputaran persediaan e = error
Universitas Sumatera Utara
3.7.2 Uji signifikansi parsial t-test
Menurut Ghozali 2006 : 84 “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen
secara individual dalam menerangkan variabel dependen”. Uji t merupakan suatu cara untuk mengukur apakah suatu variabel independen bukan
merupakan penjelas yang signifikan terhadap variabel dependen. Dalam pengujian ini dilakukan dengan menghitung serta membandingkan t hitung
dengan t tabel yaitu dengan ketentuan sebagai berikut: Jika t-hitung t-
tabel untuk α = 5 Ho diterima Jika t-hitung t-tabel unt
uk α = 5 Ha ditolak
3.7.3 Uji signifikasi simultan F-test
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model memiliki pengaruh secara
bersama-sama terhadap variabel dependen. Uji ini digunakan untuk melihat pengaruh variabel independen yaitu likuiditas, perputaran modal kerja dan
perputaran persediaan berpengaruh terhadap profitabilitas secara simultan. Bentuk pengujiannya adalah :
Ho : b1 = 0, artinya suatu variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.
Ha : b1 ≠ 0, artinya suatu variabel independen secara simultan berpengaruh
terhadap variabel dependen. Kriteria pengambilan keputusan :
Ho diterima jika Fhitung ≤ Ftabel α 5
Universitas Sumatera Utara
Ha diterima jika Fhitung ≥ Ftabel α 5
3.8 Jadwal Penelitian
Jadwal penelitian yang telah dirancang oleh peneliti adalah sebagai berikut:
Tabel 3.4 Jadwal Penelitian
No Tahapan Penelitian
September 2013
Oktober 2013
November 2013
Keterangan 1
Pengajuan proposal skripsi
1 minggu
2 Bimbingan
proposal skripsi
2 minggu 3
Pengumpulan data
1 minggu 4
Pengolahan data
1 minggu 5
Bimbingan skripsi
1 minggu 6
Penyelesaian penulisan laporan
penelitian
2 minggu
Sumber : diolah penulis, 2013
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data Penelitian
Populasi yang diteliti dalam penelitian ini adalah perusahaan tekstil dan garmen yang terdaftar di Bursa Efek Indonesia BEI selama tahun 2009 - 2012.
Perusahaan yang dijadikan sampel berjumlah 9 perusahaan, sehingga data penelitian secara keseluruhan berjumlah 36 9 x 4 sampel. Daftar perusahaan
yang telah ditentukan dapat dilihat pada lampiran.
4.2 Analisis Hasil Penelitian 4.2.1 Statistik deskriptif
Statistik deskriptif dalam penelitian ini hanya mendeskripsikan sampel dan tidak membuat kesimpulan yang berlaku untuk populasi dimana sampel
diambil. Menurut Ghozali 2006 : 78, “statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dapat dilihat dari rata-rata mean,
standar deviasi, varian, maksimum, minimum, sum, range dan kemencengan distribusi”. Statistik deskriptif akan dijelaskan dalam tabel berikut ini
Tabel 4.1 Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation
ROA 36
-42,050 47,740
-,04056 13,511621
CR 36
41,03 225,30
112,0600 56,54518 WCT
36 -917,96
442,67 -1,5039
200,28488 ITO
36 1,20
12,19 5,4383
3,10433 Valid N listwise 36
Sumber : Output SPSS, diolah Penulis, 2013
Universitas Sumatera Utara
Kategori