liv
4.2 Analisis Data
Dalam penelitian ini, metode analisis data yang dilakukan adalah aanalisis statistik Dan menggunakan software SPSS versi 22. Dalam penggunaan metode
analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak.
4.2.1 Metode Analisis Deskriptif
Metode analisis deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standard deviasi dari
variabel-variabel independen dan variabel dependen. Berikut merupakan data statistik secara umum dari seluruh data yang digunakan :
Tabel 4.1 Hasil Uji Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation LnROA
45 -4.61
-.40 -2.6079
.90934 LnROE
45 -3.51
.48 -1.7073
.84073 LnX1
45 8.94
16.64 13.0224
2.27527 Valid N listwise
45
Dari tabel 4.3 diatas dapat dijelaskan beberapa hal dengan rincian sebagai berikut:
1. Nilai rata-rata dari LnROA adalah -2,6079 dengan standard deviasi 0,90934 dan jumlah data yang ada adalah 45. Nilai tertinggi LnROA adalah 0,40 dan
nilai terendah adalah -4,61.
lv
2. Nilai rata-rata dari LnROE adalah -1,7073 dengan standard deviasi 0,84073
dan jumlah data yang ada adalah 45. Nilai tertinggi LnROE adalah 0,48 dan nilai terendah adalah -3,51.
3. Nilai rata-rata dari LnX1 working capital adalah 13,0224 dengan standard deviasi 2,27527 dan jumlah data yang ada adalah 45. Nilai tertinggi LnX1
working capital adalah 16,64 dan nilai terendah adalah 8,94.
4.2.2 Analisis Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Pada dasarnya normalitas sebuah data dapat dikenali atau dideteksi dengan persebaran data titik pada sumbu diagonal dari grafik histogram dari
residualnya. Data dikatan berdistribusi normal jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya. Sebaliknya
data dikatakan tidak berdistribusi normal jika data menyebar jauh dari arah garis diagonal atau tidak mengikuti arah garis diagonalnya.
Berdasarkan grafik P-Plot dibawah tampak bahwa titik tersebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Dan grafik histogramnya
menunjukkan bahwa polygon kecenderungan tidak melenceng ke kiri maupun ke kanan. Dengan demikian dapat disimpulkan bahwa data yang digunakan dalam
penelitian adalah data berdistribusi normal. Hasil pengujian data model regresi ditunjukkan pada grafik normal P-
Plot dan grafik histogram dibawah ini:
lvi
1. Return on Asset ROA
Grafik 4.1 Histogram
Dependent Variable: LnROA
Grafik 4.2 Normal P-Plot
Dependent Variable LnROA
lvii
1. Return on Equity ROE
Grafik 4.3 Histogram
Dependent Variable: LnROE
Grafik 4.4 Normal P-Plot Dependent Variable: LnROE
lviii
4.2.2.2 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan
lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Menurut Nugroho 2005:62 cara memprediksi ada tidaknya heteroskedastisitas pada suatu
model dapat dilihat dari pola gambar grafik Scatterplot dimana model regresi linear tidak terdapat heterokedastisitas apabila
:
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
3. penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
1. Return on Asset ROA
Grafik 4.5 Scatter Plot Dependet Variable: LnROA
lix
2. Return on Equity ROE
Grafik 4.6 Scatter Plot Dependent Variable: LnROE
Berdasarkan kedua grafik di atas tampak bahwa titik-titik tersebar di sekitar titik nol dan tidak membentuk pola tertentu. Hal tersebut menunjukkan
bahwa tidak terdapat unsur heterokedastisitas dari data.
4.2.2.3 Uji Autokolerasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada kolerasi antara kesalahan penggangguan pada periode dengan kesalahan pada
periode t-1 periode sebelumnya. Untuk mendeteksi maasalah autokolerasi adalah dengan menggunakan nilai uji Durbin Watson D-W.
lx
2. Return on Asset ROA
Tabel 4.2 Tabel Uji
Durbin Watson Dependent Variable: LnROA
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .411
a
.169 .150
.83837 .942
a. Predictors: Constant, LnX1 b. Dependent Variable: LnROA
3. Return on Equity ROE
Tabel 4.3 Tabel Uji
Durbin Watson Dependent Variable: LnROE
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .214
a
.046 .024
.83078 1.084
a. Predictors: Constant, LnX1 b. Dependent Variable: LnROE
Berdasarkan kedua tabel di atas dapat dilihat bahwa nilai statistik Durbin-Watson yang diperoleh terletak diantara -2 dan 2 sehingga dapat disimpulkan bahwa data
tersebut tidak mengandung bebas dari unsur autokolerasi.
Berdasarkan hasil analisis uji asumsi klasik yang telah dilakukan dapat disimpulkan bahwa model yang digunakan telah memenuhi asumsi regresi linier.
Dengan demikian model dapat dilanjutkan dengan regresi linier sederhana.
lxi
4.2.3 Analisis Regresi Linier Sederhana
4.2.3.1 Regresi Linier Sederhana
Berdasarkan hasil uji asumsi klasik telah dibuktikan bahwa model regresi yang digunakan dalam penelitian ini telah memenuhi estimasi yang layak untuk
dilakukan analisis regresi. Pengolahan data regresi linier dilakukan untuk mencari hubungan antara
variabel dependen dan independen. Adapun hasil regresi linier sederhana tersebut adalah sebagai berikut:
1. Return on Asset ROA
Tabel 4.4 Regresi Linier Sederhana
Dependent Variable: LnROA
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -4.749
.734 -6.470
.000 LnX1
.164 .056
.411 2.960
.005 a. Dependent Variable: LnROA
Berdasarkan tabel Coefficients diatas tampak bahwa nilai dari a sebesar -4,749 dan b sebesar 0,164. Maka dengan demikian dapat diperoleh garis regresi
hubungan antara modal kerja X dan ROA Y sebagai berikut: � = −4,749 + 0,164� + �
Berdasarkan garis regresi diatas maka: 1. Konstanta a sebesar -4,749 menyatakan bahwa jika variabel independen X
dianggap konstan, maka Return on Asset ROA sebesar -4,749.
lxii
2. Koefisien X sebesar 0,164 menunjukkan apabila terjadi perubahan variabel working capital sebesar 1 satuan akan meningkatkan Return on Asset ROA
sebesar 0,164.
2. Return on Equity ROE
Tabel 4.5 Regresi Linier Sederhana
Dependent Variable: LnROE
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -2.736
.727 -3.761
.001 LnX1
.079 .055
.214 1.435
.158 a. Dependent Variable: LnROE
Berdasarkan tabel Coefficients diatas tampak bahwa nilai dari a sebesar -2,736 dan b sebesar 0,079. Maka dengan demikian dapat diperoleh garis regresi
hubungan antara modal kerja X dan ROE Y sebagai berikut: � = −2,736 + 0,079� + �
Berdasarkan garis regresi diatas maka: 1. Konstanta a sebesar -2,736 menyatakan bahwa jika variabel independen X
dianggap konstan, maka Return on Equity ROA sebesar -2,736. 2. Koefisien X sebesar 0,079 menunjukkan apabila terjadi perubahan variabel
working capital sebesar 1 satuan akan meningkatkan Return on Equity ROE sebesar 0,079.
lxiii
4.2.3.2 Koefisien determinasi
Adapun koefisien determinasi dari penelitian ini dapat dilihat pada tabel berikut:
1. Return on Asset ROA
Tabel 4.6 Koefisien Determinasi
Dependent Variable: LnROA
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .411
a
.169 .150
.83837 .942
a. Predictors: Constant, LnX1 b. Dependent Variable: LnROA
Pada tabel model summary di atas dapat dilihat bahwa nilai R = 0,411 yang menunjukkan angka korelasi antara variabel working capital X dan ROA Y.
Sedangkan nilai R-square = 0,169 menunjukkan 16,9 variabel dependen ROA dapat dijelaskan oleh variabel independen working capital.
2. Return on Equity ROE
Tabel 4.7 Koefisien Determinasi
Dependent Variable: LnROE
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .214
a
.046 .024
.83078 1.084
a. Predictors: Constant, LnX1 b. Dependent Variable: LnROE
Pada tabel model summary di atas dapat dilihat bahwa nilai R = 0,214 yang menunjukkan angka korelasi antara variabel working capital X dan ROE Y.
lxiv
Sedangkan nilai R-square = 0,046 menunjukkan 4,6 variabel dependen ROE dapat dijelaskan oleh variabel independen working capital.
4.2.4 Uji Signifikansi Simultan Uji-F
Uji F digunakan untuk menguji pengaruh secara simultan working capital terhadap profitabilitas yang diukur dengan Return on Asset ROA dan Return on
Equity ROE pada perusahaan manufaktur yang terdapat di BEI. Tingkat signifikansi pengaruh secara simultan tersebut dapat dilihat pada tabel berikut ini.
1. Return on Asset ROA
Tabel 4.8 Uji Signifikansi Simultan Uji-F
Dependent Variable: LnROA
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
6.160 1
6.160 8.764
.005
b
Residual 30.223
43 .703
Total 36.383
44 a. Dependent Variable: LnROA
b. Predictors: Constant, LnX1
Tabel diatas menunjukkan bahwa nilai �
ℎ�����
adalah sebesar 8,764 sedangkan nilai
�
�����
dengan df1 = k – 1 = 1 dan df2 = n – k = 43 pada ∝ = 5 adalah
sebesar 4,067047. Dengan demikian �
ℎ�����
�
�����
yaitu 8,764 4,067047, maka H
ditolak dan H
a
diterima. Dasar pengambilan keputusan pada uji signifikansi simultan juga dapat dilakukan dengan memperhatikan nilai Sig.
Apabila nilai Sig. 5 0,05 maka H ditolak. Berdasarkan tabel di atas tampak
bahwa nilai Sig. = 0,005 0,05. Artinya pada tingkat kepercayaan 95, H
lxv
ditolak. Dengan demikian dapat disimpulkan bahwa secara simultan working capital mempengaruhi Return on Asset ROA.
2. Return on Equity ROE
Tabel 4.9 Uji Signifikansi Simultan Uji-F