Metode Analisis Deskriptif Uji Signifikansi Simultan Uji-F

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