Kriteria-kriteria pemilihan sampel tersebut terdiri dari: 1.
perusahaan pertambangan terdaftar di Bursa Efek Indonesia hingga kuartal ketiga 2009,
2. laporan keuangan perusahaan dari tahun 2004 hingga 2008 tersedia,
3. data rasio keuangan selama periode penelitian tersedia.
4. perusahaan memperoleh laba earning dari tahun 2005 hingga 2008.
D. Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif dan merupakan data sekunder, yaitu data atau informasi yang telah diolah yang
diperoleh dari laporan keuangan perusahaan pertambangan tahun 2004-2008. Data yang digunakan diperoleh dari situs internet penyedia data laporan keuangan yaitu
www.idx.co.id ,
www.icmd.co.id , dan
www.reuters.com .
E. Identifikasi dan Pengukuran Variabel Penelitian
Sesuai dengan hipotesis penelitian yang diungkapkan, maka terdapat dua variabel yang digunakan dalam penelitian ini yaitu:
1. Variabel bebas X atau independent variabel
Variabel bebas adalah variabel yang mempengaruhi variabel tidak bebas. Dalam penelitian ini variabel bebasnya adalah modal kerja bersih dengan
indikatornya adalah perputaran kas, perputaran piutang usaha, perputaran
persediaan, perputaran kewajiban lancar, dan perputaran modal kerja bersih.
Universitas Sumatera Utara
2. Variabel terikat Y atau dependent variabel
Variabel tidak bebas atau variabel terikat adalah varabel yang dipengaruhi oleh variabel bebas. Dalam penelitian ini variabel tidak bebasnya adalah
rentabilitas usaha.
Tabel III. 1 Operasionalisasi Variabel
Variabel Indikator
Skala Pengukuran
Variabel Independen X Modal Kerja Bersih
Perputaran kas Perputaran piutang usaha
Perputaran persediaan Perputaran kewajiban lancar
Rasio lancar Rasio
Variabel Dependen Y Rentabilitas Usaha
ROE = laba bersih earning dibagikan dengan ekuitas
equity Rasio
Sumber : Disusun Peneliti, 2009
F. Definisi Operasional Variabel
Modal kerja bersih adalah jumlah keseluruhan dari aktiva lancar yang dipergunakan untuk membiayai operasi sehari-hari dan menutupi kewajiban-
kewajiban yang harus segera dipenuhi oleh perusahaan atau selisih lebih antara aktiva lancar dengan hutang lancar.
Modal Kerja Bersih = Aktiva Lancar – Kewajiban Lancar
Universitas Sumatera Utara
Rentabilitas usaha atau rentabilitas modal sendiri, menurut Riyanto 1997 : 44 adalah “perbandingan antara jumlah laba yang tersedia bagi pemilik modal
sendiri di satu pihak dengan jumlah modal sendiri yang menghasilkan laba tersebut di lain pihak”. Rentabilitas usaha diukur dengan:
Return On Equity ROE = Modal Equity
Laba bersih Earning
G. Metode Analisis Data
Dalam penelitian ini, metode analisis data yang dilakukan dengan analisis statistik dan menggunakan software SPSS 16.00. Dalam penggunaan model
analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asusmsi klasik atau tidak.
1. Uji Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi-asumsi klasik seperti normalitas data, multikolinearitas, autokorelasi, dan
heteroskedastisitas.
a. Uji normalitas data
Tujuan uji normalitas menurut Erlina 2008 : 102 adalah untuk “mengetahui apakah dalam model regresi variabel pengganggu atau residual
memiliki distribusi normal. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
1. Analisis grafik Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran
data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari
Universitas Sumatera Utara
residualnya. Dasar pengambilan kesimpulan Sebagaimana dikemukakan Ghozali 2005 : 112 :
• Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
2. Analisis Statistik
Untuk menentukan uji ini, didasarkan pada Kolmogorov_smirnov Godness of Fit Test terhadap model yang diuji. Pedoman untuk pengambilan keputusannya
didasarkan sebagaiamana diungkapkan Ghozali 2005 : 114 ”Apabila nilai signikansi atau nilai probabilitas 0,05, maka distribusi data normal. Apabila
nilai signifikansi atau nilai probabilitas 0,05, maka distribusi data tidak normal”.
b. Uji Multikolinearitas
Menurut Erlina 2009 : 105 “multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya“.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk melihat ada atau tidaknya multikolinieritas dalam model
regresi menurut Ghozali 2005 : 91 dapat dilihat dari: 1.
nilai tolerence dan lawannya, 2.
Variance Inflatin Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya. Tolerence mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh
variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerence. Nilai cutoff yang umum
dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerence 0,10 atau sama dengan VIF 10.
Universitas Sumatera Utara
c. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi.
Pada penelitian ini, uji autokorelasi dilakukan dengan uji Durbin Watson, karena uji ini yang umum digunakan. Uji ini hanya dilakukan untuk autokorelasi
tingkat pertama dan mensyaratkan adanya intercept konstanta dalam model regresi. Pengambilan keputusan ada tidaknya autokorelasi menurut Ghozali 2005
: 94 adalah sebagai berikut : i.
Bila nilai Durbin-Watson DW terletak antara batas atas atau Upper Bound DU dan 4 – DU, maka koefisien autokorelasi sama dengan
nol, berarti tidak ada autokorelasi. ii.
Bila nilai Durbin-Watson DW lebih rendah daripada batas bawah atau Lower Bound DL maka koefisien autokorelasi lebih besar
daripada nol, berarti ada autokorelasi positif. iii.
Bila nilai Durbin-Watson DW lebih besar daripada 4 – DL, maka koefisien autokorelasi lebih kecil dari nol, berarti ada autokorelasi
negatif. iv.
Bila nilai Durbin-Watson DW terletak antara batas atas DU dan batas bawah DL atau DW terletak antara 4 – DU dan 4 – DL,
maka hasilnya tidak dapat disimpulkan.
Universitas Sumatera Utara
d. Uji Heteroskedastisitas
Uji ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan yang lain.
Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas dan jika berbeda disebut dengan heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjasi heteroskedastisitas.
Untuk melihat ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel dependen dengan
residualnya. Dasar analisis menurut Ghozali 2005 : 105 : •
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. •
Jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
2. Uji Statistik a. Analisis Koefisien Korelasi R
Koefisien korelasi R menunjukkan tingkat keeratan suatu variabel, derajat atau kekuatan korelasi antara variabel-variabel digunakan analisis korelasi.
Besarnya koefisien korelasi -1 r 1 di mana apabila r = 1 atau mendekati 1 berarti terdapat hubungan yang sangat kuat antara variabel X dan Y serta
mempunyai hubungan yang searah. Apabila r = 0 nol atau mendekati nol, berarti hubungan antara variabel X dan Y sangat lemah atau tidak mempunyai hubungan
sama sekali.
Universitas Sumatera Utara
Untuk mengintepretasikan keeratan hubungan antar variabel, hasil r dapat dinilai dalam range sebagai berikut:
1. 0.00 - 0.20 Hubungan yang sangat kecil dan bisa diabaikan,
bahkan dianggap tidak ada korelasi 2.
≥ 0.20 - ≤ 0.40 Hubungan yang keciltidak erat
3. ≥ 0.40 - ≤ 0.70
Hubungan yang moderatsedang 4.
≥ 0.70 - ≤ 0.90 Hubungan yang erat
5.
≥ 0.90 - ≤ 1.00 Hubungan yang sangat erat b. Analisis Koefisien Determinasi yang Disesuaikan Adjusted R Squared
Koefisien determinasi disesuaikan adjusted R squared menunjukkan seberapa besar pengaruh variabel yang satu terhadap variabel lainnya, digunakan
analisis koefisien determinasi. Koefisien determinasi diperoleh dari koefisien regresi dipangkatkan dua r
2
yang telah disesuiakan dan nilainya dinyatakan dalam persen .
c. Analisis Regresi Linier Berganda
Uji yang digunakan yaitu: 1.
Untuk menguji besarnya pengaruh variabel independen terhadap variabel dependen, penelitian ini menggunakan persamaan regresi berganda.
Model persamaannya adalah sebagai berikut: Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e Dimana :
Y = Rentabilitas usaha
a = Konstanta
Universitas Sumatera Utara
b
1
, b
2
, b
3
, b
4,
b
5
= Parameter koefisien regresi X
1
= Perputaran kas X
2
= Perputaran piutang usaha X
3
= Perputaran persediaan X
4
= Perputaran kewajiban lancar X
5
= Perputaran Modal Kerja Besih e
= Pengganggu
3. Uji Hipotesis
Hipotesis dalam penelitian ini mengunakan t-test dan F-test
a. Uji Signifikan Parsial t-test
Uji t-test digunakan untuk menguji pengaruh variabel independen secara parsial terhadap variabel dependen. Selain itu, dapat pula diketahui signifikansi
dari pengaruh yang diberikan dimana pengaruh akan dikatakan signifikan bila nilai sig. yang diperoleh 0,05. Untuk menentukan nilai t-tabel, tingkat signifikan
yang digunakan sebesar 5. Uji ini dilakukan dengan membandingkan t hitung dengan t tabel dan nilai sig. yang diperoleh. Kriteria yang digunakan yaitu :
Jika t
hitung
t
tabel
dan nilai sig. 0,05, maka Ho diterima Jika t
hitung
t
tabel
dan nilai sig. 0,05, maka Ha diterima
b. Uji Signifikan Simultan F-test
Uji F digunakan untuk menguji hubungan linear dari seluruh variabel bebas secara bersama-sama simultan terhadap variabel dependen. Selain itu, dapat pula
diketahui signifikansi dari pengaruh yang diberikan dimana pengaruh akan
Universitas Sumatera Utara
dikatakan signifikan bila nilai sig. yang diperoleh 0,05. Untuk menentukan uji F-tabel, tingkat signifikan yang digunakan sebesar 5 . Uji ini dilakukan dengan
membandingkan signifikansi F hitung dengan F tabel dengan ketentuan: Jika F
hitung
F
tabel
dan nilai sig. 0,05
,
maka Ho diterima Jika F
hitung
F
tabel
dan nilai sig. 0,05, maka Ha diterima
G. Jadwal Penelitian Tabel III. 2
Jadwal Penelitian Tahun 2009
Tahapan Penelitian
Agustus September Oktober November Desember Pengajuan Judul
Penyusunan Proposal
Pengumpulan Data
Seminar Proposal
Pengolahan data
Penyelesaian Laporan
Sumber : Disusun peneliti, 2009
Universitas Sumatera Utara
Berikut ini merupakan data statistik secara umum dari seluruh data yang digunakan:
Tabel IV. 2 Statistik Deskriptif 1
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Perputaran Kas
60 .81
4.51 2.1308
.81773 Perputaran Piutang Usaha
60 2.35
84.04 16.5078
16.06748 Perputaran Persediaan
60 .32
31.66 9.5350
6.84631 Perputaran Kewajiban
Lancar 60
1.77 48.44
16.5892 14.09414
Perputaran Modal Kerja Bersih
51 1.87
35.65 7.3312
7.64967 Rentabilitas Usaha
60 1.25
84.60 23.5532
19.96242 Valid N listwise
51
Sumber : Output SPSS, diolah peneliti, 2009 Statistik deskriptif ini memberikan gambaran mengenai nilai minimum,
nilai maksimun, nilai rata-rata serta standar deviasi data yang digunakan dalam penelitian. Dari tabel IV.2 di atas, dapat dijelaskan bahwa jumlah sampel N yang
valid hanya 51 dari 60 sampel yang dipilih. Hal ini disebabkan oleh, adanya observasi yang missing value pada variabel Perputaran Modal Kerja Bersih X
5
dimana tidak ada nilai dari hasil perhitungan perputaran modal kerja bersih untuk beberapa perusahaan pertambangan karena terjadi defisit modal kerja bersih
dapat dilihat pada data penelitian sebelum transformasi di lampiran iii. Menurut Wahana Komputer 2001 : 72 ”Observasi yang missing dapat
menjadi permasalahan dalam analisis dan beberapa pengukuran time series tidak dapat diproses jika ditemukan nilai yang missing dalam deret data”. Untuk
Universitas Sumatera Utara
mengatasi permasalahan ini maka perlu dilakukan penempatan kembali replace dari data yang missing tersebut. Menurut Wahana Komputer 2001 : 72 :
Replace Missing Value membuat variabel baru time series dari yang ada akan mengisi nilai yang kosong pada satu dari beberapa metode”. Ada beberapa
metode estimasi yang dapat digunakan yaitu : •
Series Mean; mengisi nilai missing dengan rata-rata, untuk semua deret. •
Mean Nearby Points; mengisi nilai missing dengan mean pada sekeliling nilai yang valid.
• Median Nearby Points; mengisi nilai missing dengan median pada
sekeliling nilai yang valid. •
Linear Interpolation; mengisi nilai missing dengan interpolasi linear. •
Linear Trend at Point, mengisi nilai missing dengan tren linear untuk setiap titik.
Metode estimasi yang dipilih untuk melakukan replace missing value adalah metode Series Mean yaitu dengan mengisi nilai missing dengan rata-
rata untuk semua deret.
Tabel IV. 3 Replace Missing Value X5
Result Variables
Result Variable N of Replaced
Missing Values Case Number of
Non-Missing Values
N of Valid Cases
Creating Function
First Last
1 X5_1
9 1
60 60 SMEANX5
Sumber : Output SPSS, diolah peneliti, 2009 Berdasarkan Tabel IV.3 Replace Missing Value X5, dapat dilihat bahwa
jumlah data yang telah ditempatkan kembali N of Replaced Missing Values adalah 9 observasi. Dengan demikian, data yang valid N of valid case kini
berjumlah 60. Statistik deskptif dari seluruh data yang kini digunakan N=60 adalah :
Universitas Sumatera Utara
Tabel IV. 4 Statistik Deskriptif 2
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Perputaran Kas
60 .81
4.51 2.1308
.81773 Perputaran Piutang Usaha
60 2.35
84.04 16.5078
16.06748 Perputaran Persediaan
60 .32
31.66 9.5350
6.84631 Perputaran Kewajiban
Lancar 60
1.77 48.44
16.5892 14.09414
Perputaran Modal Kerja Bersih
60 1.87
35.65 7.3312
7.04209 Rentabilitas Usaha
60 1.25
84.60 23.5532
19.96242 Valid N listwise
60
Sumber : Output SPSS, diolah peneliti, 2009
Dari tabel IV.4 di atas, dapat dijelaskan bahwa: 1.
Variabel perputaran kas X
1
memiliki sampel N sebayak 60, dengan nilai minimum terkecil 0,81, nilai maksimum terbesar 4,51, dan mean nilai
rata-rata 2,1308. Standar Deviation simpangan baku variabel ini adalah 0.81773,
2. variabel perputaran piutang usaha X
2
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 2,35, nilai maksimum terbesar 84,04 dan
mean nilai rata-rata 16,5078. Standar Deviation simpangan baku variabel ini adalah 16,06748,
3. variabel perputaran persediaan X
3
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 0.32, nilai maksimum terbesar 31,66 dan mean
nilai rata-rata 9,5350. Standar Deviation simpangan baku variabel ini adalah 6,84631,
Universitas Sumatera Utara
4. variabel perputaran kewajiban lancar X
4
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 1,77, nilai maksimum terbesar 48,44 dan
mean nilai rata-rata 16,5892. Standar Deviation simpangan baku variabel ini adalah 14,09414,
5. variabel perputaran modal kerja bersih X
5
memiliki sampel N sebanyak 60, dengan nilai minimum terkecil 1,87, nilai maksimum terbesar 35,65 dan
mean nilai rata-rata 7,3312. Standar Deviation simpangan baku variabel ini adalah 7,04209,
6. variabel rentabilitas usaha Y memiliki sampel N sebanyak 60, dengan
nilai minimum terkecil 1,25, nilai maksimum terbesar 84,60 dan mean nilai rata-rata 23,5532. Standar Deviation simpangan baku variabel ini
adalah 19,96242, 7.
jumlah N sampel yang valid sebanyak 60, setelah replace missing value 9 observasi.
B. Hasil Analisis 1. Pengujian Asumsi Klasik