Analsis Statistik Deskriptif Hubungan Kepemilikan Institusional terhadap Kinerja Perusahaan Hubungan Ukuran Perusahaan terhadap Kinerja Perusahaan

45 mengolahnya dan menyajikannya dalam bentuk tabel, grafik, dan output analisis lainnya yang digunakan untuk menarik kesimpulan sebagai dasar pengambilan keputusan.

3.6.1 Analsis Statistik Deskriptif

Statistik deskriptf merupakan statistik yang menggambarkan fenomena atau karakteristik dari data melalui karakteristik distribusinya Jogiyanto, 2005 : 68. Statistik deskriptif bertujuan untuk menggambarkan tentang ringkasan data- data penelitian seperti mean, standar deviasi, varian, modus, sum, range, minimum, dan maksimum. 3.6.2 Pengujian Asumsi Klasik 3.6.2.1 Uji Normalitas Uji normalitas dibutuhkan untuk menguji apakah data yang digunakan berdistribusi normal atau tidak Priyatno, 2008 : 141. Data yang terdistribusi normal sehingga dapat memperkecil kemungkinan terjadinya bias merupakan data yang baik. Informasi variasi variabel dependen yang tidak dapat diterangkan pada regresi akan termuat dalam residual. Pengujian normalitas dapat dilakukan dengan melakukan analisis grafik dan uji statistik dengan uji Kolmogorov-Smirnov Uji K-S. Jika tingkat signifikasinya lebih besar dari 0,05 maka data itu terdistribusi normal. Universitas Sumatera Utara 46

3.6.2.2 Uji Multikolinearitas

Uji multikolinearitas digunakan untuk menguji apakah dalam model regresi ditemukan adanya korelasi diantara variabel independen Ghozali, 2005 : 111. Suatu model regresi yang baik seharusnya tidak terjadi korelasi diantara independennya. Untuk mengetahui ada atau tidaknya multikolinearitas dalam model regresi dapat dilihat dari nilai tolerance dan lawannya variance inflation factor VIF. Jika nilai tolerance tidak kurang dari 0,1 dan nilai variance inflation factor VIF tidak lebih dari 10, maka model akan dikatakan terbebas dari multikolinearitas.

3.6.2.3 Uji Heteroskedastisitas

Uji Heteroskedastisitas digunakan untuk melihat apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain dalam model regresi. Suatu model regresi yang baik adalah jika variance dari residual satu pengamatan ke pengamatan lain tetap, atau disebut juga homoskedastisitas. Dasar analisis menurut Ghozali 2005:111 : 1 Jika terdapat pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur misalnya bergelombang, melebar, kemudian menyempit, maka mengidentifikasikan telah terjadi heteroskedastisitas. 2 Jika tidak terdapat pola yang jelas, juga titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Universitas Sumatera Utara 47

3.6.2.4 Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t saat ini dengan kesalahan pengganggu pada periode t-1 sebelumnya. Suatu model regresi yang baik adalah regresi yang bebas dari autokorelasi. Autokorelasi sering terjadi pada sampel dengan time series. Untuk mendeteksi ada atau tidaknya autokorelasi ada beberapa cara yang dapat digunakan yaitu Uji Durbin Watson, Uji Runs Test. Dasar pengambilan keputusan ada atau tidaknya autokorelasi dengan menggunakan Durbin Watson adalah sebagai berikut Ghozali, 2005 : Run test digunakan sebagai bagian dari statistik non-parametik dapat pula digunakan untuk menguji apakah antara residual terdapat korelasi yang tinggi. Jika diantara residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Tabel 3.4 Dasar Pengambilan Keputusan Ada atau Tidaknya Autokorelasi Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif tidak ada autokorelasi, positif atau negatif Tolak No decision Tolak No decision Tidak ditolak 0 DW d L d L ≤ DW ≤ d U 4 – d L DW 4 4 – d U ≤ DW ≤ 4 – d L d U DW 4 - d U Universitas Sumatera Utara 48

3.6.3 Pengujian Hipotesis

Hipotesis dalam penelitian ini menggunakan model regresi linear berganda. Adapun model regresinya adalah sebagai berikut : = + + + + + � Dimana : Y = ROA sebagai pengukur kinerja perusahaan a = konstanta b 1 = koefisien regresi dari kepemilikan manajerial b 2 = koefisien regresi dari kepemilikan institusional b 3 = koefisien regresi dari ukuran perusahaan b 4 = koefisien regresi dari leverage X 1 = kepemilikan manajerial X 2 = kepemilikan institusional X 3 = ukuran perusahaan X 4 = leverage e = kesalahan gangguan

3.6.3.1 Koefisien Determinasi R

2 Koefisien determinasi R 2 digunakan untuk menguji goodness- fit dari model regresi, yakni seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen Ghozali, 2005 : 87. Nilai koefisien determinasi dapat dilihat pada R Square. Jika nilai R Square Universitas Sumatera Utara 49 diatas 0.5, maka model dikatakan baik. Nilai R Square berkisar antara 0 dan 1.

3.6.3.2 Uji Signifikasi Parsial Uji-t

Uji statistik t pada dasarnya menunjukkan seberapa jauh Uji-t digunakan untuk melihat pengaruh variabel independen secara individual dalam menerangkan variabel dependen. Uji t digunakan untuk menguji signifikasi pengaruh variabel independen secara parsial terhadap variabel dependen. Uji statistik ini bisa dilakukan dengan melihat p – value dari masing-masing variabel. Apabila variabel p – value 5 maka hipotesis diterima dan apabila p – value 5 maka hipotesis ditolak Ghozali, 2005.

3.6.3.3 Uji Signifikasi Simultan Uji-F

Uji F bertujuan untuk menguji apakah variabel independen berpengaruh terhadap variabel dependen secara keseluruhan. Jika nilai F dihitung lebih besar dari F tabel maka artinya F hitung signifikan artinya hipotesis dapat diterima. Jika nilai F hitung lebih kecil dari F table artinya F hitung tidak signifikan artinya hipotesis ditolak. Selain itu bila dilihat dari nilai probabilitas, maka probabilitas 0,05 maka Ho diterima. Dan bila probabilitas 0,05 berarti Ho ditolak. Universitas Sumatera Utara 50 BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum

Metode analisis data yang dipakai dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data dimulai dengan meggumpulkan serta mengolah data yang diperlukan dengan menggunakan Microsoft Excel. Selanjutnya dilakukan pengujian asumsi klasik dan pengujian regresi berganda dengan menggunakan software SPSS Statistical Product and Service Sollution versi 17. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output sesuai metode analisis data yang telah ditentukan. Hasil pengolahan dari SPSS akan dianalisis untuk mengetahui pengaruh antara variabel independen yang digunakan dalam penelitian ini terhadap kinerja perusahaan. Objek dalam penelitian ini adalah perusahaan go public sektor industri makanan dan minuman yang terdaftar di Bursa Efek Indonesia BEI pada tahun 2010-2014. Populasi penelitian berjumlah 15 perusahaan. Berdasarkan kriteria yang telah dipilih berdasarkan purposive sampling sehingga data yang terkumpul sebanyak 12 perusahaan makanan dan minuman dengan 5 tahun penelitian 12 x 5 tahun 60 sampel. Berdasarkan 12 perusahaan tersebut, kemudian dilakukan pengujian-pengujian meliputi statistik deskriptif, uji asumsi klasik, uji model, dan uji hipotesis penelitian. Universitas Sumatera Utara 51 4.2 Hasil Penelitian 4.2.1 Analisis Statistik Deskriptif Statistik deskriptif memberikan penjelasan mengenai nilai rata-rata mean, nilai standar deviasi, nilai maksimum dan nilai minimum dari variabel- variabel independen dan variabel dependen. Untuk melihat data statistik secara umum, peneliti menggunakan deskriptif untuk variabel-variabel yang diukur dengan skala rasio dan frekuensi untuk variabel yang diukur dalam skala nominal. Hasil analisis statistik deskriptif dapat dilihat pada tabel 4.1 sebagai berikut : Tabel 4.1 Statistik Deskriptif dari Variabel Kinerja Perusahaan, Kepemilikan Saham Manajerial, Kepemilikan Saham Institusional, Ukuran Perusahaan, dan Leverage Descriptive Statistics N Minimum Maximum Mean Std. Deviation ROA 60 .12 65.72 12.5137 12.03596 Kepemilikan Manajerial 60 .00 .18 .0175 .04877 Kepemilikan Institusional 60 .00 .81 .2350 .26473 Ukuran Perusahaan 60 20.36 32.08 27.8407 2.70954 Leverage 60 .04 3.03 1.0027 .59371 Valid N listwise 60 Sumber: output SPSS, diolah penliti, 2015 Universitas Sumatera Utara 52 Berdasarkan tabel 4.1 diatas dapat dijelaskan bahwa: 1. Jumlah seluruh sampel penelitian adalah 12 perusahaan dengan 60 unit analisis, yaitu 12 perusahaan dikali dengan lima tahun penelitian yaitu 2010 sampai dengan 2014, dengan empat variabel independen yang terdiri dari kepemilikan saham manajerial, kepemilikan saham institusional, ukuran perusahaan SIZE, dan leverage Debt to Equity Ratio DER, serta variabel dependen yaitu kinerja perusahaan ROA. 2. Variabel independen kepemilikan manajerial memiliki nilai minimum sebesar 0,00, nilai maksimum sebesar 0,18 dengan nilai rata-rata mean sebesar 0,0175 dan standar deviasi sebesar 0,04877. 3. Variabel independen kepemilikan institusional memiliki nilai minimum sebesar 0,00, nilai maksimum sebesar 0,81 dengan nilai rata-rata mean sebesar 0,2350 dan standar deviasi sebesar 0,26473. 4. Variabel independen ukuran perusahaan SIZE memiliki nilai minimum sebesar 20,36, nilai maksimum sebesar 32,08 dengan nilai rata-rata mean sebesar 27,8407 dan standar deviasi sebesar 2,70954. 5. Variabel independen leverage DER memiliki nilai minimum sebesar 0,04, nilai maksimum sebesar 3,03 dengan nilai rata-rata mean sebesar 1,0027 dan standar deviasi sebesar 0,59371. 6. Variabel dependen kinerja perusahaan ROA memiliki nilai minimum sebesar 0,12, nilai maksimum sebesar 65,72 dengan nilai rata-rata mean sebesar 12,5137, dan standar deviasi sebesar 12,03596. Universitas Sumatera Utara 53 4.2.2 Pengujian Asumsi Klasik 4.2.2.1 Uji Normalitas Uji normalitas digunakan untuk menguji apakah terdapat variabel pengganggu atau residual memiliki distribusi normal dalam model regresi. Uji t dan F memberikan asumsi bahwa nilai residual mengikuti distribusi normal. Apabila asumsi tersebut dilanggar, maka uji statistik menjadi tidak valid untuk jumlah sampel kecil Ghozali, 2011:160. Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Kolmogorov-Smirnov. Tingkat signifikasi yang digunakan � = , 5. Dasar pengambilan keputusan adalah melihat angka profitabilitas , dengan ketentuan sebagai berikut: Jika nilai probabilitas , 5, maka asumsi normalitas terpenuhi. Jika probabilitas , 5, maka asumsi normalitas tidak terpenuhi. Tabel 4.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 60 Kolmogorov-Smirnov Z 1.518 Asymp. Sig. 2-tailed .020 a. Test distribution is Normal. b. Calculated from data. Sumber: output SPSS, diolah peneliti, 2015 Universitas Sumatera Utara 54 Berdasarkan tabel 4.2 diatas, dapat dilihat bahwa nilai probabilitas atau Asymp. Sig. 2-tailed sebesar 0.020. karena nilai probabilitas sebesar 0,020 lebih kecil dibandingkan tingkat signifikansi sebesar 0,05, maka dapat disimpulkan bahwa asumsi normalitas tidak terpenuhi. Untuk memperoleh hasil terbaik, maka data pencilan atau outlier yang ada dihilangkan. Outlier merupakan data yang memiliki karakteristik unik dan terlihat sangat berbeda jauh dari observasi-observasi lainnya yang muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi. Setidaknya ada tiga hal pengaruh outlier terhadap model yaitu berpotensial menciptakan heywood cases dan improper solution, menciptakan taksiran yang bias serta ketidakjelasan terhadap tingkat signifikansi pengujian parameter. Selain itu outlier juga sangat mempengaruhi distribusi variabel data yaitu mengakibatkan variabel data tidak berdistribusi normal. Data outlier dapat mempengaruhi nilai mean, standard deviasi, serta koefisien korelasi. Oleh karena itu outlier harus dijelaskan sebelum dianalisis, dihapus, atau direkomendasikan menggunakan pendekatan robust statistics Ghozali, 2011:36. Untuk mengurangi pengaruh ketidaknormalan dapat dilakukan dengan mengeliminasi atau menghapus data outlier. Gamst, dkk 2008:57 memberikan saran terhadap data outlier sebagai berikut: “One way to reduce non-normality within a variable is to eliminate outliersthat are clearly not representative of the population under study ”. Universitas Sumatera Utara 55 Sejalan dengan Gamst, dkk, Field 2009:153 juga menyatakan sebagai berikut: “if you detect outliers in the data there are several options for reducing impact of these values. However, before you do any of these things, it’s worth checking that the data have been entered correctly for the problem cases. If the data are correct than the three main options you have are : Remove the case : This entails deleting the data from the person who contributed the outlier ”. Berdasarkan pendapat para statistik diatas, maka data outlier dieliminasi untuk mengurangi pengaruh ketidaknormalan. Setelah data outlier dihilangkan, maka data yang semula berjumlah 60 unit dieliminasi menjadi 59 unit. Hasil pengujian normalitas yang kedua adalah sebagai berikut: Tabel 4.3 Hasil Uji Normalitas Setelah Data Menyimpang Outlier Dihapus One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 59 Kolmogorov-Smirnov Z 1.187 Asymp. Sig. 2-tailed .120 a. Test distribution is Normal. b. Calculated from data. Sumber: output SPSS, diolah peneliti, 2015 Berdasarkan tabel 4.3 diatas, nilai probabilitas atau Asymp. Sig. 2- tailed adalah 0,120. Oleh karena nilai probabilitas sebesar 0,120 lebih besar dibandingkan tingkat signifikansi sebesar 0,05 maka asumsi normalitas terpenuhi. Universitas Sumatera Utara 56 Pengujian asumsi normalitas dapat juga digunakan pendekatan analisis grafik dan histogram. Pada pendekatan histogram, jika kurva berbentuk kurva normal, maka asumsi normalitas dipenuhi. Pada pendekatan normal probability plot, jika titik-titik dots menyebar jauh menyebar berliku-liku pada garis diagonal seperti ular dari garis diagonal, maka diindikasi asumsi normalitas error tidak dipenuhi. Jika titik-titik dots menyebar sangat dekat pada garis diagonal, maka asumsi normalitas dipenuhi. Sumber: output SPSS, diolah peneliti, 2015 Gambar 4.1 Grafik Histogram Universitas Sumatera Utara 57 Berdasarakan gambar 4.1 diatas, dapat dilihat bahwa kurva pada histogram berbentuk normal sehingga dapat disimpulkan bahwa asumsi normalitas error dipenuhi. Sumber: output SPSS, diolah peneliti, 2015 Gambar 4.2 Grafik Normal Probability Plot Berdasarkan gambar 4.2 diatas, karena titik-titik dots menyebar cukup dekat pada garis diagonal, maka dapat disimpulkan bahwa asumsi normalitas terpenuhi. Universitas Sumatera Utara 58

4.2.2.2 Uji Multikolinearitas

Regresi yang baik merupakan regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Multikolinearitas merupakan situasi adanya korelasi antar variabel-variabel independen yang satu dengan yang lainnya. Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor VIF. Nilai VIF yang lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas Gamst, dkk, 2008. Hasil uji gejala multikolinearitas disajikan pada tabel 4.4 berikut ini: Tabel 4.4 Hasil Uji Multikolinearitas Model Collinearity Statistics Tolerance VIF 1 Constant Kepemilikan Manajerial .864 1.158 Kepemilikan Institusional .784 1.276 Ukuran Perusahaan .724 1.381 Leverage .763 1.311 Sumber: output SPSS, diolah peneliti, 2015 Berdasarkan tabel 4.4 diatas, nilai VIF dari variabel Kepemilikan Manajerial sebesar 1,158, nilai VIF dari variabel Kepemilikan Institusional sebesar 1,276, nilai VIF dari variabel Ukuran Perusahaan sebesar 1,381, dan nilai VIF dari variabel Leverage sebesar 1,311. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat gejala multikolinearitas yang berat. Universitas Sumatera Utara 59

4.2.2.3 Uji Autokorelasi

Uji autokorelasi digunakan menguji apakah ada korelasi antara kesalahan penganggu pada t saat ini dengan kesalahan penganggu pada periode t-1 sebelumnya dalam model regresi linear. Apabila terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul disebabkan observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Regresi yang bebas dari autokorelasi merupakan model regresi yang baik. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan nilai uji Durbin Watson dengan ketentuan sebagai berikut: 1. Bila angka D-W dibawah -2 berarti ada autokorelasi positif 2. Bila angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi 3. Bila angka D-W diatas +2 berarti ada autokorelasi negative Hasil dari pengujian autokorelasi dapat dilihat pada tabel 4.5 berikut: Tabel 4.5 Hasil Uji Autokorelasi Model Durbin-Watson 1 1.872 Sumber: output SPSS, diolah peneliti, 2015 Berdasarkan tabel 4.5 diatas dapat dilihat bahwa nilai statistik dari D- W sebesar 1,872. Maka dapat disimpulkan bahwa tidak terjadi gejala autokorelasi yang tinggi pada residual karena angka ini terletak antara -2 sampai +2. Universitas Sumatera Utara 60

4.2.2.4 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Apabila tidak terjadi heteroskedastisitas berarti merupakan model regresi yang baik. Untuk mendeteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y, dan ZPRED pada sumbu X Field, 2009:230. Field 2009:248 menyatakan dasar analisis adalah jika ada pola tertentu, seperti titik-titik dots yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik dots menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Sumber: output SPSS, diolah peneliti, 2015 Gambar 4.3 Hasil Uji Heteroskedastisitas Universitas Sumatera Utara 61 Pada gambar 4.3 diatas dapat dilihat bahwa titik-titik dots menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini membuktikan tidak terjadi heteroskedastisitas pada model regresi.

4.2.3 Pengujian Hipotesis

Pada pengujian hipotesis, akan dilakukan koefisien determinasi, pengujian signifikansi koefisien regresi parsial secara menyeluruh atau simultan Uji F, dan uji signifikansi koefisien regresi parsial secara individu uji t.

4.2.3.1 Analisis Koefisien Determinasi

Koefisien determinasi R 2 merupakan suatu nilai nilai proporsi yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas Gujarati, 2003:212. Nilai koefisien determinasi berkisar diantara 0 dan 1. Nilai koefisien determinasi R 2 yang kecil mendekati nol berarti kemampuan variabel-variabel tak bebas secara simultan dalam menerangkan variasi variabel tak bebas sangat terbatas. Nilai koefisien determinasi R 2 yang mendekati 1 berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel tak bebas. Universitas Sumatera Utara 62 Tabel 4.6 Tabel Hubungan Antar Variabel Nilai Interprestasi 0,0 – 0,19 Sangat Tidak Erat 0,2 – 0,39 Tidak Erat 0,4 – 0,59 Cukup Erat 0,6 – 0,79 Erat 0,8 – 0,99 Sangat Erat Sumber: Situmorang 2007 Hasil pengujian koefisien determinasi sebagai berikut: Tabel 4.7 Koefisien Determinasi Model R R Square Adjusted R Square 1 .486 a .236 .179 Sumber: output SPSS, diolah peneliti, 2015 Pada tabel 4.7 diatas dapat dilihat bahwa nilai R adalah 0,486 atau 48,6 yang berarti bahwa hubungan antara kinerja perusahaan dengan variabel independennya yaitu kepemilikan saham manajerial, kepemilikan saham institusional, ukuran perusahaan, dan leverage cukup erat. Nilai koefisien determinasi R 2 sebesar 0,236 atau 23,6 yang berarti bahwa seluruh variabel independen secara simultan mempengaruhi variabel dependen ROA sebesar 23,6, sedangkan sisa sebesar 76,4 dipengaruhi oleh faktor- faktor lain. Universitas Sumatera Utara 63

4.2.3.2 Uji Signifikasi Simultan Uji F

Uji signifikasi simultan merupakan suatu uji untuk menguji apakah seluruh variabel dependen secara bersamaan atau secara simultan mempengaruhi variabel independen kinerja perusahaan ROA. Hipotesis untuk pengujian ini adalah sebagai berikut: 1. H0 = tidak ada pengaruh signifikan antara kepemilikan manajerial, kepemilikan institusional, ukuran perusahaan dan leverage secara bersama terhadap kinerja perusahaan pada tingkat signifikasi 5. 2. Ha = ada pengaruh signifikan antara kepemilikan manajerial, kepemilikan institusional, ukuran perusahaan, dan leverage terhadap kinerja perusahaan pada tingkat signifikasi 5. Tabel 4.8 Hasil Uji Signifikasi Simultan Uji F ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 1336.486 4 334.122 4.165 .005 a Residual 4331.615 54 80.215 Total 5668.101 58 a. Predictors: Constant, Leverage, Kepemilikan Institusional, Kepemilikan Manajerial, Ukuran Perusahaan b. Dependent Variable: ROA Sumber: output SPSS, diolah peneliti, 2015 Universitas Sumatera Utara 64 Berdasarkan tabel 4.8 diatas, dapat dilihat bahwa nilai F hitung sebesar 4,165 dengan tingkat signifikasi 0,005, sedangkan nilai F tabel sebesar 2,542918 dengan signifikasi 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa kepemilikan manajerial, kepemilikan institusional, ukuran perusahaan, dan leverage berpengaruh signifikan secara bersama-sama terhadap kinerja perusahaan karena F hitung F tabel 4,165 2,542918 dan signifikasi penelitian lebih kecil dari 0,05 0,005 0,05.

4.2.3.3 Uji Signifikasi Parsial Uji t

Uji t bertujuan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial. Tabel 4.9 Hasil Uji Signifikasi Parsial Uji t Model t Sig. 1 Constant 3.811 .000 Kepemilikan Manajerial -.469 .641 Kepemilikan Institusional -1.215 .230 Ukuran Perusahaan -2.762 .008 Leverage 1.279 .206 Sumber: output SPSS, diolah peneliti, 2015 Universitas Sumatera Utara 65 Hasil uji t pada tabel diatas dapat diinterpretasikan sebagai berikut: 1. Nilai t hitung untuk variabel kepemilikan manajerial adalah sebesar 0,469 dengan nilai signifikasi 0,641. Hasil uji statistik tersebut menunjukkan bahwa nilai t hitung adalah 0,469, sedangkan nilai t tabel sebesar 2,004879, sehingga t hitung t tabel 0,469 2,004879. Signifikasi penelitian ini menunjukkan angka yang lebih besar dari 0,05 0,641 0,05, maka kepemilikan manajerial tidak berpengaruh signifikan terhadap kinerja perusahaan secara statistik. 2. Nilai t hitung untuk variabel kepemilikan institusional adalah sebesar 1,215 dengan nilai signifikasi 0,230. Hasil uji statistik tersebut menunjukkan bahwa nilai t hitung adalah 1,215, sedangkan nilai t tabel sebesar 2,004879, sehingga t hitung t tabel 1,215 2,004879. Signifikasi penelitian ini menunjukkan angka yang lebih besar dari 0,05 0,230 0,05, maka kepemilikan institusional tidak berpengaruh signifikan terhadap kinerja perusahaan secara statistik. 3. Nilai t hitung untuk variabel ukuran perusahaan sebesar 2,762 dengan nilai signifikasi 0,008. Hasil uji statistik tersebut menunjukkan bahwa nilai t hitung 2,762, sedangkan nilai t tabel sebesar 2,004879, sehingga t hitung t tabel 2,762 2,004879. Signifikasi penelitian ini menunjukkan angka yang lebih kecil dari 0,05 0,008 0,05, maka ukuran perusahaan berpengaruh signifikan terhadap kinerja perusahaan secara statistik. 4. Nilai t hitung untuk variabel leverage adalah sebesar 1,279 dengan nilai signifikasi 0,206. Hasil uji statistik tersebut menunjukkan bahwa nilai Universitas Sumatera Utara 66 t hitung adalah 1,279, sedangkan nilai t tabel sebesar2,004879, sehingga t hitung t tabel 1,279 2,004879. Signifikasi penelitian ini menunjukkan angka yang lebih besar dari 0,05 0,206 0,05, maka leverage tidak berpengaruh signifikan terhadap kinerja perusahaan secara statistik. 4.3 Pembahasan Hasil Penelitian 4.3.1 Hubungan Kepemilikan Manajerial terhadap Kinerja Perusahaan Berdasarkan hasil pengujian secara parsial diketahui nilai probabilitas atau Sig. dari variabel Kepemilikan Manajerial 0,64 lebih besar dari tingkat signifikasi 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara Kepemilikan Manajerial dengan variabel Kinerja Perusahaan ROA tidak signifikan secara statistik. Hasil penelitian ini tidak sesuai dengan H1, bahwa kepemilikan manajerial berpengaruh positif terhadap kinerja perusahaan. Hal ini mungkin didasarkan pada kondisi di Indonesia, dimana proporsi kepemilikan manajerial dalam perusahaan masih amat rendah, sehingga penerapan kepemilikan manajerial untuk membantu penyatuan kepentingan antara manajer dan pemilik agar dapat memotivasi manajer dalam melakukan tindakan guna meningkatkan kinerja perusahaan belum dapat berjalan efektif. Hasil penelitian ini sesuai dengan penelitian Hastuti 2005, Nur’aeni 2010, dan Puspito 2011 yang menemukan bahwa kepemilikan manajerial tidak berpengaruh terhadap kinerja perusahaan. Universitas Sumatera Utara 67

4.3.2 Hubungan Kepemilikan Institusional terhadap Kinerja Perusahaan

Berdasarkan hasil pengujian secara parsial diketahui nilai probabilitas atau sig. dari variabel Kepemilikan Institusional 0,230 lebih besar dari tingkat signifikan 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara Kepemilikan Institusional dengan variabel Kinerja Perusahaan ROA tidak signifikan secara statistik. Hasil penelitian ini tidak sesuai dengan H2, bahwa kepemilikan institusional berpengaruh postif terhadap kinerja perusahaan. Hal ini mungkin disebabkan karena pemilik mayoritas institusi ikut dalam mengendalikan perusahaan sehingga cenderung bertindak untuk kepentingan mereka sendiri meskipun dengan mengorbankan kepentingan pemilik minoritas. Menurut Mondigliani adanya asimetri informasi antara pihak pemegang saham dengan manajer menyebabkan manajer selaku pengelola perusahaan akan bisa mengendalikan perusahaan karena memiliki informasi lebih mengenai perusahaan dibandingkan pemegang saham. Sehingga adanya kepemilikan institusi tidak menjamin monitoring kinerja manajer dapat berjalan efektif. Hasil penelitian ini sesuai dengan penelitian Hastuti 2005 serta Tee Chwee Ming dan Chan Sok Gee 2008 yang menemukan bahwa kepemilikan institusional tidak berpengaruh terhadap kinerja perusahaan.

4.3.3 Hubungan Ukuran Perusahaan terhadap Kinerja Perusahaan

Berdasarkan hasil pengujian secara parsial diketahui nilai probabilitas atau sig. dari variabel Ukuran Perusahaan 0,008 lebih kecil dari tingkat signifikasi 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara Ukuran Universitas Sumatera Utara 68 Perusahaan dengan variabel Kinerja Perusahaan ROA signifikan secara statistik. Hasil penelitian ini sesuai dengan H3, bahwa ukuran perusahaan berpengaruh positif terhadap kinerja perusahaan. Ukuran perusahaan merupakan cerminan dari seberapa besar skala operasional yang dijalankan oleh sebuah peruashaan yang tercermin dari nilai total aktiva perusahaan pada neraca akhir tahun. Ini berarti semakin besar perusahaan maka Return On Assets ROA yang dihasilkan juga akan semakin besar. Secara umum perusahaan yang mempunyai total aktiva yang relatif besar dapat beroperasi dengan tingkat efisiensi yang lebih tinggi dibandingkan dengan perusahaan yang total aktivanya lebih rendah. Hasil penelitian ini sesuai dengan penelitian Nurcahyo 2014 yang menemukan bahwa ukuran perusahaan berpengaruh terhadap kinerja perusahaan.

4.3.4 Hubungan Leverage terhadap Kinerja Perusahaan