4.3.1 Analisis Statistik Desktiptif
Statistik deskrptif digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana
adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi. Berdasarkan data penelitian yang diperoleh selama 3 tahun, maka
diperoleh deskriptif statisktik data penelitian. Dari data deskriptif statistik data penelitian diperoleh data hasil yang mencakup n banyaknya data yang diperoleh,
ratarata mean, nilai tengah median, standar deviasi, variance, range, nilai minimum dan nilai maksimun atas variabel-variabel penelitian.
Tabel 4.1 Deskriptif Statistik
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation CR
30 .15
7.04 1.5317
1.54860 DAR
30 .06
1.44 .5277
.28950 ROE
30 -1.52
1.50 .0470
.45598 Valid N listwise
30
Sumber : Data Diolah
Berdasarkan tabel 4.1 dapat diketahui:
1. Jumlah Sampel N adalah sebanyak30. 2. Current Ratioterendah adalah0,15,
current ratiotertinggi adalah7,04dengan rata-rata1,5317 serta standar deviasi sebesar
1,54860.
3. Debt to Asset Ratioterendah adalah0,06, debt to asset ratio tertinggi adalah1,44dengan rata-rata0,5277serta standar deviasi
sebesar0,28950. 4. ROEterendah adalah-1,52,ROE tertinggiadalah1,50dengan rata-
rata0,470serta standar deviasi sebesar0,45598.
4.3.2 Uji Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang diperlukan benar – benar bebas dari adanya genjala heterokedasitas,
gejala multikolonieritas dan gejala autokorelasi. Model regresi akan dapat dijadikan alat estiminasi yang tidak bias jika telah memenuhi persyaratan BLUE
Blue Linear Unbiased Estimator yakni tidak terdapat heterokedasitas serta tidak terdapat multikolinieritas dan tidak terdapat autokorelasi yang dapat diuraikan
sebagai berikut:
4.3.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel penggangu atau residual memiliki distribusi normal Erlina, 2008. Kalau
asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel yang lebih kecil. Data yang baik adalah data yang mempunyai pola seperti
distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau kanan. Setelah melakukan uji normalitas dengan menggunakan software SPSS diketahui
bahwa model regresi penelitian ini berdistribusi normal hal dapat disimpulkan
melalui : 4.3.2.1.1
Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat yaitu dengan grafik histrogram dan garafik P-P Plot. Data yang baik adalah data yang memiliki pola
distribusi normal. Pada grafik histogram data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P
Plot sebuah data dikatakan berdistribusi normal apabila titik – titik datanya tidak menceng kiri atau ke kanan, melainkan menyebar disekitar garis diagonal.
Gambar 4.1
Grafik Histrogram
Sumber: Data diolah
Gambar 4.2
Sumber: Data diolah Berdasarkan grafik normal P-P plot diatas, kita bisa melihat bahwa data
menyebar disekitar garis diagonal dan mengikuti garis diagonal, hali ini menunjukkan data berdistribusi normal.
4.3.2.1.2. Analisis Statistik
Uji statistik yang dapat digunakan untuk menguji nromalitas residual antara lain adalah uji statistik non-parametik Kolmogorov-Smirnov K-S. Uji K-
S dapat dilakukan dengan membuat hipotesis: Ho : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal
Untuk menentukannya maka kriteriannya adalah: Ho diterima apabila nilai signifikansi 0.05
Ha ditolak apabila nilai signifikansi 0.05
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parameters
a
Mean .0000000
Std. Deviation .35229115
Most Extreme Differences Absolute
.137 Positive
.137 Negative
-.125 Kolmogorov-Smirnov Z
.751 Asymp. Sig. 2-tailed
.626 a. Test distribution is Normal.
Sumber : Data Diolah
Berdasarkan hasil uji statistik terlihat pada tabel 4.2 nilaiKolmogorov- Smirnov Z sebesar0,751 dan signifikasinya pada 0,626,dan nilai
nya diatas α = 0,05 Asymp.Sig = 0,626 0,05sehingga hipotesis H0 diterima, yang berarti data
residual berdistribusi normal.
4.3.2.2 Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel independen. Nilai yang umum
digunakan untuk menunjukkan tidak adanya multikolonieritas apabila nilai Tolerance 0,10 atau sama dengan VIF 10.
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
.345 .165
2.099 .045 CR
.087 .044
.297 1.974 .059
.979 1.021
DAR -.819
.237 -.520 -3.461 .002
.979 1.021
a. Dependent Variable: ROE
Sumber :Data diolah
Dari tabel diatas, diketahui bahwa nilai Varian Inflation Factor VIF dari Current ratio sebesar 1,021. Nilai VIF untuk varibel current ratio
lebih kecil dari 10 VIF 10 maka dapat disimpulkan bahwa variabel tersebut tidak terjadi multikolinieritas.
Diketahui bahwa nilai Varian Inflation Factor VIF dari debt to asset ratio sebesar 1,021. Nilai VIF untuk varibel debt to asset ratio lebih kecil
dari 10 VIF 10 maka dapat disimpulkan bahwa variabel tersebut tidak terjadi multikolinieritas.
4.3.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
penggangu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada probelm autokorelasi. Autokorelasi muncul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal
ini sering ditemukan pada runtut waktu time series karena gangguan pada seseorang individukelompok yang sama pada periode berikutnya. Model regresi
yang baik sadalah regresi yang bebas dari autokorelasi.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Change Statistics Durbin-
Watson R Square
Change F
Change df1 df2
Sig. F Change
1 .635
a
.403 .359
.36511 .403
9.116 2
27 .001
2.509 a. Predictors: Constant, DAR, CR
b. Dependent Variable: ROE
Dari tabel diatas kita bisa melihat nilai Durbin-Watson sebesar 2,509 hal ini berarti nilainya diantara 1,65DW2,35 maka dengan demkian dalam
penelitian ini tidak terjadi autokorelasi didalam model regresi.
4.3.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang
lain. Untuk mendeteksi ada atau tidaknya heterokedasitas dapat dilakukan dengan melihat grafik scatterplots.
Gambar 4.3
Dari grafik scatterpolt dalam gambar menunjukkan bahwa titik-titik menyebar secara acak random baik di atas maupun di bawah angka 0 pada sumbu Y, dapat
disimpulkan bahwa tidak terjadi heterokedasitas pada model regresi.
4.3.3. Uji Hipotesis
Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak, maka dilakukan pengujian terhadap variabel-variabel penelitian secara simultan Uji
statistik–f dan parsial Uji statistik–t.
4.3.3.1.Uji Parsial Uji – t
Uji t dilakukan untuk mengetahui hubungan antara variabel-variabel independen CR dan DAR terhadap variabel dependen ROE secara parsial
individu. Menurut Ghazali 2005 : 84 uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas independen secara individual
dalam menerangkan variasi variabel dependen. Sedangkan menurut Jonathan Sarwo 2006 : 124 jika angka signifikan,
0.05 Ho ditolak dan Ha diterima maka variabel independen berpengaruh terhadap variabel dependen. Dan jika angka signifikan . 0.05 Ho diterima dan Ha ditolak
maka variabel independen tidak berpengaruh terhadap variabel dependen. Uji t dilakukan untuk mengetahui hubungan antara variabel-variabel
independen CR,dan DAR terhadap variabel dependen profitabilitas ROE secara parsial individu. Hipotesis:
1. H
o
: d
1
= 0; H
o
: d
2
= 0; H
o
: d
3
= 0; H
o
: d
4
Artinya Current Ratio CR,dan Debt to Asset Ratio DAR secara parsial tidak berpengaruh signifikan terhadap profitabilitas ROE
= 0
2. H
a
: d
1
≠ 0; H
o
: d
2
≠ 0; H
o
: d
3
≠ 0; H
o
: d
4
Artinya Current Ratio CR,dan Debt to Asset Ratio DAR secara parsial berpengaruh signifikan terhadap profitabilitas ROE.
≠ 0
Kriteria pengambilan keputusan terhadap uji – t adalah sebagai berikut: 1. Jika probabilitas 0,05 maka Ha diterima
2. Jika probabilitas 0,05 maka Ha ditolak
Tabel 4.6 Uji Statistik – t
Coefficients
a
Model Unstandardiz
ed Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std. Error
Beta Tolerance
VIF 1Constant .345
.165 2.099 .045
CR .087
.044 .297
1.974 .059 .979
1.021 DAR
-.819 .237
-.520 -3.461 .002 .979
1.021 a. Dependent Variable:
ROE
Sumber : Data diolah Dari Tabel 4.6 uji statistik - t diperoleh informasi data sebagai berikut:
Dari tabel diatas, nilai thitung untuk variabel Current Ratio 1,974 dengan probabilitas 0,059 karena nilai probabilitasnya lebih besar dari 0,05 maka variabel
current ratio berpengaruh terhadap profitabilitas. Dari tabel diatas, nilai thitung untuk variabel Debt to asset ratio -3,461
dengan probabilitas 0,002 karena nilai probabilitasnya lebih kecil dari 0,05 maka variabel current ratio tidak berpengaruh terhadap profitabilitas.
Berdasakan tabel uji “t” diatas maka model regresi yang digunakan adalah sebagai berikut :
Y = 0,345 + 0,87CR – 0,819DAR
Keterangan : Y
= Profitabilitas ROE
CR = Current Ratio
DAR = Debt to Asset Ratio
Berdasarkan hasil persamaan regresi berganda tersebut masng-masing variabel menjelaskan bahwa:
a. Nilai konstanta = 0,345nilai konstanta ini menunjukkan bahwa jika current ratioCR,dan debt to asset ratio DAR diabaikan maka tingkat profitabilitas
ROE sebesar 0,345. b. Variabel CRberpengaruh positif terhadap ROE dengan nilai koefesien
sebesar 0,87, artinya setiap penambahan 1 variabel CR akan menaikkan ROE sebesar 0,87.
c. Variabel DARberpengaruh negatif terhadap ROE dengan nilai koefesien sebesar 0,819, artinya setiap penambahan 1 variabel CR akan mengurangi
ROE sebesar 0,819.
4.3.3.2.Uji Simultan Uji – F
Uji – F pada penelitian ini bertujuan untuk mengetahui apakah semua variabel independen current ratioCR,dan debt to asset ratio DAR yang
dimaksud dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen ROE.
Tabel 4.7 Uji Statisitk – F
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
2.430 2
1.215 9.116
.001
a
Residual 3.599
27 .133
Total 6.030
29 a. Predictors: Constant, DAR, CR
b. Dependent Variable: ROE
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh
secara bersama- sama terhadap variabel dependen terikat Ghazali, 2005, hal:84. Jika angka signifikan 0.05 Ho ditolak dan Ha diterima maka variabel
independen berpengaruh terhadap variabel dependen. Dan jika angka signifikan 0,05 Ho diterima dan Ha ditolak maka variabel independen tidak berpengaruh
terhadap variabel dependen Jonathan Sarwo, 2006, hal: 124. Dari tabel ANOVA diatas dapat dilihat nilai F hitung sebesar 9,116
dengan probabilitas 0,001 karena probabilitas lebih kecil dari 0,05, maka dapat disimpulkan bahwa secara bersamaan variabel likuiditas dan solvabilitas CR, dan
DAR berpengaruh terhadap profitabilitas perusahaan ROE.
4.3.4. Koefisien Determinasi
Kategori