52
BAB IV HASIL DAN PEMBAHASAN
4.1 Analisis Data
4.1.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk menunjukkan jumlah data yang digunakan dalam penelitian ini serta dapat menunjukkan nilai
maksimum, nilai minimum, serta nilai rata-rata serta standard deviasi dari masing-masing variabel. Adapun variabel yang digunakan dalam
penelitian ini ialah: leverage, ukuran perusahaan, total asset turnover, dan ROE. Hasil olah data deskriptif dapat dilihat pada tabel 4.1 sebagai
berikut:
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation
ROE1 120
-4.17 1.19
-1.7444 .88386
Leverage1 120
.07 1.44
.4805 .22685
Ukuran_Perusahaan 120
24.526 32.997 28.57499
1.611499 TATO1
120 .22
1.91 .9667
.37727 Valid N listwise
120 Sumber : Output SPSS
Setelah dilakukan pengolahan data, dapat dilihat bahwa terdapat perubahan pada jumlah sampel. Tabel 4.1 menunjukkan bahwa jumlah
data yang valid pada penelitian ini ialah sebanyak 120 sampel. Dari 120 sampel tersebut, data ROE1, memiliki nilai minimum sebesar -4,17
dengan nilai maksimum 1,19. Sedangkan nilai rata-rata yang dimiliki yaitu sebesar -1.7444 dengan standard deviasi 0,88386. Standard deviasi yang
diperoleh lebih kecil dari nilai rata-ratanya, sehingga data memiliki kesenjangan.
Dari 120 sampel, data Leverage1 memiliki nilai minimum sebesar 0,07, sedangkan nilai maksimumnya ialah 1,44 dan nilai rata-rata dari data
tersebut ialah 0,4805 dengan standard deviasi sebesar 0,22685. Nilai standar deviasi yang lebih kecil dari perolehan nilai rata-rata,
menunjukkan adanya kesenjangan pada variabel Leverage1. Data untuk ukuran perusahaan memiliki nilai minimum sebesar
24,526 dan nilai maksimum sebesar 32,997. Nilai rata-rata yang diperoleh sebesar 28,57499 dengan standard deviasi sebesar 1,611499. Standard
deviasi yang dihasilkan lebih kecil jika dibandingkan dengan nilai rata- ratanya, hal ini menunjukkan bahwa sebaran data variabel kecil dan tidak
memiliki kesenjangan. Data total asset turnover TATO memiliki nilai minimum sebesar
0,22 dan nilai maksimum sebesar 1,91, serta nilai rata-rata sebesar 0,9667 dengan standard deviasi sebesar 0,37727.
4.1.2 Uji Asumsi Klasik 4.1.2.1 Uji Multikolonieritas
Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen.
Model yang baik, seharusnya tidak terjadi korelasi yang tinggi antar variabel bebasnya.
Tabel 4.2 Uji Multikolonieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF
1 Constant
-5.381 1.339
-4.018 .000
Ukuran_Perusahaan .093
.046 .169 2.011
.047 .990 1.010
Leverage1 .281
.352 .072
.799 .426
.858 1.165 TATO1
.884 .211
.377 4.180 .000
.857 1.167 a. Dependent Variable: ROE1
Sumber :Output SPSS
Dari data diatas, dapat dilihat bahwa pada masing-masing variabel tidak terjadi multikolonieritas, karena memiliki tolerance
lebih dari 0,10 dan nilai VIF kurang dari 10.
4.1.2.2 Uji Autokorelasi
Autokorelasi muncul karena sistem pengamatan yang saling berurutan sepanjang waktu yang saling berkaitan satu sama lain.
Untuk mengetahui ada atau tidaknya autokorelasi, maka dapat digunakan kriteria pengambilan keputusan metode Durbin-Watson.
Tabel 4.3 Uji Autokorelasi
Metode Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .436
a
.190 .169
.80581 2.172
a. Predictors: Constant, TATO1, Ukuran_Perusahaan, Leverage1 b. Dependent Variable: ROE1
Sumber : Output SPSS
Nilai DW sebesar 2.172, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan signifikansi 5, dengan
jumlah sampel 120 dan jumlah variabel independen 3, maka di tabel Durbin Watson akan didapat nilai du sebesar 1.693 dan nilai
dl yaitu 1.774. Hal ini menunjukkan tidak ada autokorelasi positif atau negatif dalam penelitian, karena nilai DW lebih besar dari du
1.693 dan kurang dari 4-dl4-1.774=2.224, maka dapat disimpulkan bahwa data dapat diterima.
4.1.2.3 Uji Heteroskedastisitas
Salah satu cara untuk mengatahui ada tidaknya heterokedastisitas dalam suatu model regresi linier berganda adalah
dengan melihat grafik scatterplot antara nilai prediksi variabel terikat yaitu ZPRED dengan residual error yaitu SRESID. Jika ada
pola tertentu dan titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. Grafik scatterplot
ditunjukkan pada grafik berikut ini:
Gambar 4.1 Uji Heteroskedastisitas
Gambar 4.1 Menunjukkan bahwa data tersebar secara acak dan tidak membentuk suatu pola tertentu. Data tersebar baik diatas
maupu dibawah angka 0 pada sumbu Y. hal ini menunjukkan bahwa tidak terdapat heteroskedatisitas dalam model regresi yang
digunakan.
4.1.3 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah data yang digunakan dalam model regresi, variabel independen dan variabel
dependen atau keduanya telah terdistribusi secara normal atau tidak. Model regresi yang baik adalah memiliki distribusi data
normal atau mendekati normal.
Tabel 4.4 Uji Normalitas K-S Sebelum Transformasi
One-Sample Kolmogorov-Smirnov Test
ROE Leverage
Ukuran_Perusahaan TATO
N 120
120 120
120 Normal
Parameters
a,b
Mean .27340
.63721 28.57499
1.07562 Std. Deviation
.392607 .869929
1.611499 .793770
Most Extreme Differences
Absolute .312
.345 .076
.159 Positive
.312 .345
.076 .159
Negative -.256
-.258 -.057
-.100 Kolmogorov-Smirnov Z
3.421 3.780
.831 1.742
Asymp. Sig. 2-tailed .000
.000 .495
.005 a. Test distribution is Normal.
b. Calculated from data.
Sumber : Output SPSS
Dari tabel 4.4 diatas, dapat diketahui bahwa dari 120 sampel yang dimasukkan, semua sampel dapat digunakan untuk
melakukan uji normalitas nilai K-S untuk variabel ROE adalah 3,421 dengan p=0,000 variabel leverage memiliki nilai K-S sebesar
3,780 dengan p=0,000 sedangkan ukuran perusahaan memiliki nilai K-S sebesar 0,831 dengan p=0,495, sementara TATO
memiliki nilai K-S sebesar 1,742 dengan p=0,005.
Gambar 4.2 Uji Normalitas sebelum Transformasi Data
Sumber : Output SPSS
Dari gambar tersebut, dapat dilihat bahwa data belum memenuhi uji normalitas. Grafik normal P-Plot menunjukkan bahwa penyebaran
titik-titik berada di sekitar garis diagonal dan menjauh dari garis diagonal. Data yang tidak normal tersebut dapat ditransformasikan dengan
menggunakan Logaritma Natural ROE, Artan Leverage dan sqrt TATO.
Berikut ini hasil ujii K-S setelah data ditransformasikan:
Tabel 4.5 Uji Normalitas K-S setelah Transformasi Data
One-Sample Kolmogorov-Smirnov Test
ROE1 Leverage1 Ukuran_Perusahaan TATO1 N
120 120
120 120
Normal Parameters
a,b
Mean -1.7444
.4805 28.57499
.9667 Std.
Deviation .88386
.22685 1.611499
.37727 Most Extreme
Differences Absolute
.114 .119
.076 .086
Positive .114
.119 .076
.085 Negative
-.086 -.044
-.057 -.086
Kolmogorov-Smirnov Z 1.247
1.308 .831
.942 Asymp. Sig. 2-tailed
.089 .065
.495 .337
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS Nilai dari masing-masing variabel telah memenuhi standar yang
ditetapkan, dilihat dari Asymp. Sig 2-tailed. Dari data tersebut nilai ROE1=0,089 artinya data tersebut telah terdistribusi secara normal, karena
nilai ROE1 lebih besar dari 0,05. Sedangkan nilai Leverage1 ialah 0,065. Nilai Leverage1 juga sudah terdistribusi secara normal. Ukuran
perusahaan memiliki nilai 0,495 data ini juga sudah terdistribusi secara
normal. TATO memiliki nilai 0,337, variabel ini telah terdistribusi secara normal.
Untuk lebih jelas dalam uji normalitas, maka dapat dilihat pada Gambar 4.3 di bawah ini:
Gambar 4.3 Uji Normalitas setelah Transformasi Data
Sumber : Output SPSS
Berdasarkan tampilan pada Gambar 4.3 diatas, dapat disimpulkan bahwa pola grafik normal terlihat dari titik-titik yang
menyebar di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data yang
digunakan dalam penelitian ini telah terdistribusi secara normal, sehingga model regresi dapat digunakan untuk memenuhi asumsi
profitabilitas ROE.
4.2 Uji Hipotesis