Analisis Data HASIL DAN PEMBAHASAN

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