Data Penelitian Pembahasan Hasil Penelitian

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 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa : a. Variabel Likuiditas X1 memiliki sampel N sebanyak 36 dengan nilai minimum terkecil - 41.03, nilai maksimum terbesar 225.3 dan mean nilai rata-rata 112,06. Standar Deviation simpangan baku variabel ini adalah 56,54518. b. Variabel perputaran modal kerja X2 memiliki sampel N sebanyak 36 dengan nilai minimum terkecil -917.96, nilai maksimum terbesar 442,67 dan mean nilai rata-rata -1,5039. Standar Deviation simpangan baku variabel ini adalah 200,28488. c. Variabel perputaran persedian X 3 memiliki sampael N sebanyak 36 sampel dengan nilai minimum terkecil 1.20, nilai maksimum terbesar 12.19 dan mean nilai rata-rata 5,4383. Standar Deviation simpangan baku variabel ini adalah 3,10433. d. Variabel profitabilitas Y memiliki sampel N sebanyak 36 dengan nilai minimum terkecil -42.050, nilai maksimum terbesar 47.740 dan mean nilai rata-rata -0,04056. Standar Deviation simpangan baku variabel ini adalah 13,511621. e. Jumlah sampel yang ada sebanyak 36 sampel.

4.2.2 Uji asumsi klasik

Syarat yang menjadi dasar penggunaan model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased Estimator. Best artinya yang terbaik, dalam arti Universitas Sumatera Utara garis regresi merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi merupakan cara memahami pola hubungan antara dua seri data atau lebih. Garis regresi adalah best jika garis itu menghasilkan error yang terkecil. Error itu sendiri adalah perbedaan antara nilai observasi dan nilai yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased, maka estimator regresi disebut efisien. Estimator regresi akan disebut linear apabila, estimator itu merupakan fungsi linear dari sampel. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik. Menurut Ghozali 2006 : 123, asumsi klasik yang harus dipenuhi adalah: • Berdistibusi normal. • Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna. • Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidaksaling berkorelasi. • Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.

1. Uji normalitas

Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak . Ghozali 2006 : 115, memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov yang dapat dilihat dari: a nilai sig. atau signifikan atau probabilitas 0.05, maka distribusi data adalah tidak normal Universitas Sumatera Utara b nilai sig. atau signifikan atau probabilitas 0.05, maka distribusi data adalah normal. Hasil uji normalitas dengan menggunakan model Kolmogorov Smirnov adalah seperti yang ditampilkan berikut ini. Tabel 4.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 36 Normal Parameters a Mean ,0000000 Std. Deviation 12,08870866 Most Extreme Differences Absolute ,179 Positive ,179 Negative -,134 Kolmogorov-Smirnov Z 1,074 Asymp. Sig. 2-tailed ,199 a. Test distribution is Normal. Sumber : Output SPSS, diolah Penulis, 2013 Dari tabel 4.2 diatas menunjukkan bahwa hasil pengujian statistik dengan menggunakan model Kolmogorov-Smirnov menunjukkan bahwa data telah terdistribusi secara normal. Hal tersebut dapat dilihat dari hasil Asymp. Sig. 2-tailed sebesar 0,199 yaitu lebih besar dari 0,05. Sesuai dengan ketentuan rentang data yang telah ditentukan diatas, maka data terdistribusi normal. Berikut hasil uji normalitas dengan menggunakan Histogram dan Plot : Universitas Sumatera Utara Gambar 4.1 Uji Normalitas Data Sumber : Output SPSS, diolah Penulis, 2013 Dengan melihat gambar 4.1 tampilan histogram, dapat disimpulkan bahwa grafik yang ditunjukkan dalam histogram membentuk pola yang simetris artinya pola yang tidak mencondong ke kanan maupun ke kiri. Hal ini menunjukkan bahwa data yang diperoleh dan diolah telah terdistribusi secara normal . Gambar 4.2 Uji Normalitas Data Sumber : Output SPSS, diolah Penulis, 2013 Universitas Sumatera Utara Menurut pendapat Ghozali 2006 : 112, “pendeteksian normalitas dapat dilakukan dengan cara melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan bahwa data telah terdistribusi secara normal”. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis normal, hali ini sejalan dengan hasil pengujian dengan menggunakan histogram yang menunjukkan bahwa data telah terdistribusi secara normal. Maka dapat disimpulkan bahwa data secara keseluruhan telah terdistribusi secara normal.

2. Uji multikolinieritas

Ada atau tidaknya multikolinieritas dalam model regresi, dapat dilihat dari nilai tolerance dan lawannya.nilai variance Inflatin Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karenaVIF =1tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerance 0,10 atau sama dengan VIF 10 Ghozali, 2006: 91. Tabel 4.3 Hasil Uji Multikolinearitas Coefficients Model Collinearity Statistics Tolerance VIF Constant CR ,684 1,462 WCT ,980 1,020 ITO ,680 1,471 a. Dependent Variable: ROA Sumber : Output SPSS, diolah Penulis, 2013 Universitas Sumatera Utara Pada penelitian ini, penulis menggunakan uji multikoliniearitas untuk mendeteksi apakah terdapat gejala multikolinearitas dalam penelitian yaitu dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat kolinearitas yang masih dapat ditoleransi. Berdasarkan tabel 4.3 diatas, dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hasil penelitian menunjukkan bahwa masing–masing variabel independen yang digunakan dalam penelitian, memiliki nilai Tolerance yang lebih besar dari 0.10 yaitu nilai tolerance CR sebesar 0.684, nilai tolerance WCT sebesar 0,980 dan nilai tolerance ITO sebesar 0,68. Perhitungan VIF juga menunjukkan hal yang sama, dimana variabel independen memiliki nilai VIF yang kurang dari 10 yaitu nilai VIF untuk CR sebesar 1.462, nilai VIF untuk WCT sebesar 1.020 dan VIF untuk ITO sebesar 1,471. Maka dari hasil tabel secara keseluruhan menunjukkan bahwa tidak terdapatnya multikolinearitas antar variabel independen dalam model ini.

3. Uji Heterokedatisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan lainnya. Jika varians yang satu dengan pengamatan yang lain tetap maka disebut homokedastisitas dan jika varians nya berbeda maka disebut heteroskedastisitas. Ghozali 2006 : 105 menyatakan bahwa “model regresi yang baik adalah tidak terjadi heteroskedastisitas”. Universitas Sumatera Utara Dalam penelitian ini, untuk mendetaksi ada atau tidaknya gejala heterokedastisitas adalah dengan melihat grafik plot yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar keputusannya adalah : 1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengidentifikasi telah terjadi heterokedastisitas 2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas Berikut ini dilampirkan grafik scatterplot untuk menganalis apakah terjadi heterokedastisitas. Gambar 4.3 Uji Heteroskedastisitas Sumber : Output SPSS, diolah Penulis, 2013 Grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model Universitas Sumatera Utara regresi. Alasan mengapa titik–titik menyebar menjauh dari titik–titik yang lain dikarenakan data penelitian yang berbeda antara data yang satu dengan data yang lain.

4. Uji autokorelasi

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu observasi dengan observasi lain pada model regresi. Uji yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi dalam penelitian ini adalah dengan menggunakan uji Durbin-Watson. Uji Durbin- Watson hanya digunakan untuk autokorelasi tingkat satu first autocorection dan mensyaratkan adanya intercept konstanta dalam model regersi 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 Tabel 4.4 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,447 a ,200 ,124 12,642674 2,345 a. Predictors: Constant, ITO, WCT, CR b. Dependent Variable: ROA Sumber : Output SPSS , diolah Penulis, 2013 Universitas Sumatera Utara Tabel 4.4 menunjukkan hasil dari uji autokorelasi variabel penelitian. Berdasarkan dari hasil uji autokolerasi, dapat dilihat bahwa dalam variabel penelitian tidak terdapat autokolerasi yang ditunjukkan dari nilai Durbin – Watson D-W sebesar 2,345. Angka D-W berada diatas +2, yang mengartikan bahwa terdapat autokorelasi negatif.

4.2.3 Analisis regresi a. Analisis Regresi Berganda

Berdasarkan hasil uji asumsi klasik, disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimstor BLUE dan sudah layak untuk dilakukan analisis statistik selanjutnya yaitu melakukan pengujian hipotesis. Hasil pengolahan data dengan analisis regresi adalah sebagai berikut : Tabel 4.5 Hasil Analisis Regresi Coefficient a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant -17,998 8,800 -2,045 ,049 CR ,117 ,046 ,490 2,559 ,015 WCT -,014 ,011 -,213 -1,333 ,192 ITO ,888 ,835 ,204 1,063 ,296 a. Dependent Variable: ROA Sumber : Output SPSS, diolah Penulis, 2013 Berdasarkan tabel 4.5 diatas, maka persamaan regresi linear berganda sebagai berikut : Universitas Sumatera Utara Y = a + b1X1 + b2X2 + b3X3 + e ROA = -17,998 + 0,117 CR + -0,014 WCT + 0,888 ITO + e Keterangan : 1 Konstansta sebesar -17,998 menunjukkan bahwa apabila tidak ada variabel independen X1 = 0, X2 = 0 dan X3 = 0 maka ROA sebesar - 17,998, 2 β 1 sebesar 0,117 menunjukkan bahwa setiap kenaikan Current Ratio sebesar 1 maka akan diikuti oleh kenaikan ROA sebesar 0,117 dengan asumsi variabel lain tetap. 3 β 2 sebesar -0,014 menunjukkan bahwa setiap kenaikan Working Capital Turnover sebesar 1 maka akan diikuti oleh penurunan ROA sebesar 0,014 dengan asumsi variabel lain tetap. 4 β 3 sebesar 0,888 menunjukkan bahwa setiap kenaikan Inventory Turnover sebesar 1 maka akan diikuti oleh kenaikan ROA sebesar 0,888 dengan asumsin variabel lain tetap.

b. Analisis Koefisien determinasi

Nilai Koefisien Korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R diatas 0,5 dan mendekati 1. Universitas Sumatera Utara Tabel 4.6 Pedoman Memberikan Interpretasi Koefisien Korelasi Sumber : Sugiyono, Metode penelitian Bisnis 2007: 183 Koefisien determinasi R square menunjukkan seberapa besar variabel dependen. Nilai R square adalah nol sampai dengan satu, apabila nilai R square semakin mendekati satu, maka variabel – variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi-variabel dependen. Sebaliknya, semakin kecil nilai R square , maka kemampuan variabel-variabel independen dalam menjalankan variasi-variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh sognifikan terhadap variabel dependen. Tabel 4.7 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,447 a ,200 ,124 12,642674 2,345 a. Predictors: Constant, ITO, WCT, CR b. Dependent Variable: ROA Sumber : Output SPSS, diolah Penulis, 2013 Angka koefisien determinasi Adjusted R Square menunjukkan angka 0,124 atau 12,4, artinya hanya 12,4 variasi dari profitabilitas bisa Interval Koefisien Tingkat Hubungan 0,00 – 0,199 0,20 – 0,399 0,40 – 0,599 0,60 – 0,799 0,80 – 1,000 Sangat rendah Rendah Sedang Kuat Sangat kuat Universitas Sumatera Utara dijelaskan oleh variabel independen, sedangkan sisanya 87,6 dijelaskan oleh variasi atau faktor lain. Hal ini menunjukkan tingkat prediksi variabel independen terhadap variabel dependen dikatakan rendah.

4.2.4. Pengujian hipotesis 1. Uji signifikansi parsial

Uji t bertujuan untuk menguji apakah suatu variabel bebas independen berpengaruh atau tidak terhadap variabel terikat dependen secara parsial. Uji t menggunakan hipotesis seperti yang dijelaskan berikut ini. H0: b1,b2,b3= 0, artinya likuiditas, perputaran modal kerja dan perputaran persediaan tidak mempunyai pengaruh terhadap profitabilitas secara parsial pada perusahaan industri garmen dan tekstil yang terdaftar di Bursa Efek Indonesia. Ha: b1,b2,b3 ≠0, artinya likuiditas, perputaran modal kerja dan perputaran persediaan mempunyai pengaruh terhadap profitabilitas secara parsial pada perusahaan industri garmen dan tekstil yang terdaftar di Bursa Efek Indonesia. Adapun kriteria pengujiannya yaitu: Ho diterima jika t hitung t tabel dan signifikansi 0,05 Ha diterima jikat hitung t tabel dan signifikansi 0,05 Universitas Sumatera Utara Tabel 4.8 Hasil Uji t Coefficient a P a a.Dependent Variable ; ROA Sumber : Output SPSS, diolah Penulis, 2013 Tabel 4.8 menunjukkan hasil pengujian statistik uji-t yang menjelaskan pengaruh variabel independen secara parsial sebagai berikut : 1 Pengaruh likuiditas terhadap profitabilitas a Nilai signifikansi sebesar 0,015 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih kecil dari 0,05. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang membandingkan antar t hitung dengan t tabel yaitu bahwa Likuiditas secara parsial berpengaruh signifikan terhadap tingkat Profitabilitas pada tingkat kepercayaan 95. b Variabel Likuiditas memiliki t hitung sebesar 2,559 dengan nilai signifikansi 0,015 lebih kecil dari 0,05. Dengan menggunakan tabel t, diperoleh t tabel sebesar 2.03224. Hasil penelitian ini menunjukkan bahwa t hitung sebesar 2,559 lebih besar dari t tabel sebesar 2.03224 sehingga Ha diterima dan tolak Ho dimana artinya, likuiditas mempunyai pengaruh secara parsial Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant -17,998 8,800 -2,045 ,049 CR ,117 ,046 ,490 2,559 ,015 WCT -,014 ,011 -,213 -1,333 ,192 ITO ,888 ,835 ,204 1,063 ,296 Universitas Sumatera Utara terhadap profitabilitas pada perusahaan industri tekstil dan garmen yang terdaftar di Bursa Efek Indonesia. 2 Pengaruh Perputaran Modal Kerja Terhadap Profitabilitas a Nilai signifikansi sebesar 0.192 menunjukkan bahwa nilai Sig. untuk uji t individual parsial lebih besar dari 0.05. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang membandingkan antara t hitung dengan t tabel yaitu perputaran modal kerja secara parsial tidak berpengaruh terhadap tingkat profitabilitas pada tingkat kepercayaan 95. b Variabel perputaran modal kerja WCT memiliki t hitung sebesar -1,333 dengan nilai signifikansi sebesar 0.192 lebih besar dari 0.05. Dengan mengggunakan t tabel, diperoleh bahwa t tabel sebesar 2.03224. Hasil penelitian ini menunjukkan bahwa t hitung sebesar -1,333 lebih kecil dari t tabel yaitu sebesar 2,03224 sehingga H diterima dan Ha ditolak dimana artinya, perputaran modal kerja tidak berpengaruh secara parsial terhadap profitabilitas pada perusahaan industri tekstil dan garmen yang terdaftar di Bursa Efek Indonesia . 3 Pengaruh Perputaran Persediaan terhadap Profitabilitas a Nilai signifikansi sebesar 0.296 menunjukkan bahwa nilai Sig. untuk uji t individual parsial lebih besar dari 0.05. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang membandingkan antara t hitung dengan t tabel yaitu perputaran Universitas Sumatera Utara modal kerja secara parsial tidak berpengaruh terhadap tingkat profitabilitas pada tingkat kepercayaan 95. b Variabel perputaran modal kerja WCT memiliki t hitung sebesar 1,063 dengan nilai signifikansi sebesar 0.296 lebih besar dari 0.05. Dengan mengggunakan t tabel, diperoleh bahwa t tabel sebesar 2.03224. Hasil penelitian ini menunjukkan bahwa t hitung sebesar 1,063 lebih kecil dari t tabel yaitu sebesar 2,03224 sehingga H diterima dan Ha ditolak dimana artinya, perputaran persediaan tidak berpengaruh secara parsial terhadap profitabilitas pada perusahaan industri tekstil dan garmen yang terdaftar di Bursa Efek Indonesia.

2. Uji signifikansi simultan

Uji F dilakukan untuk mengetahui apakah variabel independen secara bersama-sama simultan mempunyai pengaruh terhadap variabel dependen. Pembuktian dilakukan dengan cara membandingkan nilai kritis, F tabel dengan F hitung yang terdapat pada tabel analisis df variance. Dalam uji F digunakan hipotesis yang disebutkan dibawah ini. H0: b1,b2,b3 = 0, artinya likuiditas, perputaran modal kerja dan perputaran persediaan tidak mempunyai pengaruh terhadap profitabilitas secara simultan pada perusahaan industri tekstil dan garmen yang terdaftar di Bursa Efek Indonesia. Universitas Sumatera Utara Ha: b1,b2,b3 ≠ 0, artinya likuiditas , perputaran modal kerja dan perputaran persediaan mempunyai pengaruh terhadap profitabilitas secara simultan pada perusahaan industri yang terdaftar di Bursa Efek Indonesia. Kriteria pengujiannya yaitu: Ho diterima jika Fhitung Ftabel dan signifikansi 0,05 Ha diterima jika Fhitung Ftabel dan signifikansi 0,05 Tabel 4.9 Hasil Uji F Anova Model Sum of Squares Df Mean Square F Sig. Regression 1274,945 3 424,982 2,659 ,065 a Residual 5114,791 32 159,837 Total 6389,736 35 a. Predictors: Constant, ITO, WCT, CR b. Dependent Variable: ROA Sumber : Output SPSS, diolah Penulis, 2013 Hasil uji F yang ditampilkan dalam tabel 4.9 menunjukkan bahwa nilai F hitung adalah 2,659 dengan tingkat signifikansi 0,065 yang lebih besar dari 0,05 dengan menggunakan tabel F diperoleh nilai F tabel sebesar 2,90112. Hal ini menunjukkan bahwa F hitung sebesar 2,659 lebih kecil dari F tabel yaitu sebesar 2,90112 sehingga H diterima dan Ha ditolak, artinya variabel bebas yaitu likuiditas, perputaran modal kerja dan perputaran persediaan tidak mempunyai pengaruh terhadap profitabilitas secara simultan pada perusahaan industri tekstil dan garmen yang terdaftar di Bursa Efek Indonesia. Universitas Sumatera Utara

4.3 Pembahasan Hasil Penelitian

Dari hasil pengujian secara parsial, variabel likuiditas yang diukur dengan current ratio menunjukkan hasil bahwa likuiditas di perusahaan industri tekstil dan garmen yang terdaftar di Bursa Efek Indonesia, berpengaruh secara signifikan terhadap profitabilitas. Hal ini ditunjukkan dalam tabel t hitung t tabel 2,559 2,03224 dengan tingkat signifikan 0,015 0,05. Hasil output SPSS ini menunjukkan kesimpulan yang sama dengan pernyataan dari Horne 2005: 224 yang menyatakan, “jika perusahaan mengetahui dengan pasti permintaan penjualan di masa depan, penagihan piutang dan jadwal produksinya, maka perusahaan dapat mengatur jadwal maturitas hutangnya sehingga berhubungan dengan jadwal arus kas bersih di masa yang akan datang, akibatnya laba akan maksimal dikarenakan tidak ada kebutuhan untuk menyimpan aktiva lancar”. Variabel manajemen modal kerja yang diukur dengan working capital turnover WCT dan inventory turnover ITO tidak berpengaruh signifikan terhadap profitabilitas. Hasil pengujian tersebut diperoleh melalui uji t, dimana t hitung t tabel -1,333 2,03224 dengan tingkat signifikan 0,192 0,05 untuk WCT dan 1,063 2,03224 dengan tingkat signifikan 0,296 0,05 untuk ITO. Hal ini berarti secara parsial, tidak setiap kenaikan WCT dan ITO akan diikuti oleh kenaikan atau penurunan profitabilitas ROA. Hal ini tidak sejalan dengan pernyataan Tunggal 2000 : 195, “Makin pendek periode perputaran modal kerja, makin cepat perputarannya sehingga perputaran modal kerja makin tinggi dan perusahaan makin efisien yang pada akhirnya profitabilitas semakin meningkat”, dalam pernyataan tersebut Tunggal menyimpulkan bahwa perputaran modal kerja Universitas Sumatera Utara berpengaruh secara signifikan terhadap profitabilitas, sedangkan menurut hasil output SPSS menunjukkan bahwa perputaran modal kerja tidak berpengaruh signifikan terhadap profitabilitas. Hal ini juga berbeda dengan peneliti sebelumnya, dimana Nurhayati 2010 dalam kesimpulannya menyebutkan bahwa perputaran persediaan berpengaruh signifikan terhadap profitabilitas. Sedangkan jika dilihat secara simultan global, dapat disimpulkan bahwa likuiditas dan manajemen modal kerja perputaran modal kerja dan perputaran persediaan tidak berpengaruh secara signifikan terhadap profitabilitas ROA, yang ditunjukkan dengan F hitung F tabel yaitu sebesar 2,659 2,90112 dengan tingkat signifikan 0,065 0,05. Angka koefisien determinasi Adjusted R Square menunjukkan angka 0,124 atau 12,4, artinya hanya 12,4 variasi dari profitabilitas bisa dijelaskan oleh variabel independen, sedangkan sisanya 87,6 dijelaskan oleh variasi atau faktor lain. Hal ini menunjukkan tingkat prediksi variabel independen terhadap variabel dependen dikatakan rendah. Universitas Sumatera Utara BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan