57 ε = Error
Besarnya konstanta tercermin dalam ” β”, dan besarnya koefisien regresi dari
masing-masing variabel independen ditunjukkan dengan β
1
, β
2
, β
3
. Sementara itu ketiga variabel bebas yang menggambarkan perputaran Modal Kerja dijelaskan
pada X
1
, X
2
, dan X
3
dan variabel terikatnya yaitu profitabilitas tercermin dari Y. Dan besarnya bias yang mungkin terjadi dalam penelitian ini tercermin dari nilai
” ε”.
3.8.3. Uji Hipotesis
a. Uji F
Uji F dikenal dengan Uji serentak atau uji ModelUji Anova, yaitu uji untuk melihat bagaimanakah pengaruh semua variabel bebasnya secara
bersama-sama terhadap variabel terikatnya. Menurut Ghozali 2005 : 84, Uji F pada dasarnya digunakan untuk menunjukkan apakah semua variabel
independen yang dimasukkan ke dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Atau untuk menguji apakah
model regresi yang kita buat baiksignifikan atau tidak baiknon signifikan. Berikut tahap-tahap uji simultan :
1. Menentukan formulasi hipotesis
a. Ho : βi = 0 Penggunaan modal kerja tidak berpengaruh terhadap
profitabilitas. b. H
4
: paling sedikit ada satu dari βi ≠ 0 Penggunaan modal kerja
berpengaruh terhadap profitabilitas.
Universitas Sumatera Utara
58 2.
Menentukan taraf nyata α atau 5
3. Menentukan keputusan dengan membandingkan tingkat signifikansi
dan taraf nyata α = 0,05 dengan kriteria berikut:
a. Menerima Hi, jika tingkat signifikansi dari pada taraf nyata 0,05; maka penggunaan modal kerja secara simultan berpengaruh
signifikanterhadap profitabilitas. b. Menerima Ho, jika tingkat signifikansi dari pada taraf nyata
0,05; maka penggunaan modal kerja secara simultan berpengaruh tidak signifikanterhadap profitabilitas.
c. Uji t
Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh masing-masing variabel bebasnya secara sendiri-sendiri terhadap
variabel terikatnya. Uji ini dapat dilakukan dengan mambandingkan t
hitung
dengan t
tabel
atau dengan melihat kolom signifikansi pada masing-masing t
hitung
, proses uji t identik dengan Uji F lihat perhitungan SPSS pada Coefficient Regression Full ModelEnter. Atau bisa diganti dengan Uji
metode Stepwise. Dalam pengujian ini akan dilihat signifikansi pengaruhnyadengan
cara sebagai berikut : 1. Merumuskan hipotesis
a. Ho : β
1
= 0 tidak ada pengaruh antara X
1
terhadap Y H
1
: β
1
≠ 0 ada pengaruh antara X
1
terhadap Y
Universitas Sumatera Utara
59 b. Ho :
β
2
= 0 tidak ada pengaruh antara X
2
terhadap Y H
2
: β
2
≠ 0 ada pengaruh antara X
2
terhadap Y c. Ho :
β
3
= 0 tidak ada pengaruh antara X
3
terhadap Y H
3
: β
3
≠ 0 ada pengaruh antara X
3
terhadap Y 2.
Menentukan taraf nyata α = 0,05 atau 5 3.
Membuat kesimpulan menyimpulkan apakah Hi diterima atau ditolak
a. Ho : βi = 0 tidak ada pengaruh antara Xi terhadap Y
b. Hi : β1 ≠ 0 ada pengaruh antara Xi terhadap Y
4. Menentukan taraf nyata α = 0,05 atau 5
5. Membuat kesimpulan menyimpulkan apakah H
diterima atau ditolak
Gambar 3.1. Grafik yang Menunjukkan H
Diterima atau Ditolak
3.8.4. Analisis Koefisien Determinan
Uji ini digunakan untuk mengukur kedekatan hubungan dari model yang dipakai. Koefisien determinasi adjusted R
2
yaitu angka yang menunjukkan besarnya kemampuan varians atau penyebaran dari variabel-variabel bebas yang
menerangkan variabel tidak bebas atau angka yang menunjukkan seberapa besar variabel tidak bebas dipengaruhi oleh variabel-variabel bebasnya.
Universitas Sumatera Utara
60 Besarnya nilai koefisien determinasi adalah antara 0 hingga 1 0 adjusted
R
2
, dimana nilai koefisien mendekati 1, maka model tersebut dikatakan baik karena semakin dekat hubungan antara variabel bebas dengan variabel tidak
bebasnya.
Universitas Sumatera Utara
61
BAB IV PEMBAHASAN
4.1. Hasil Penelitian
4.1.1. Gambaran Umum Bursa Efek Indonesia
Secara historis, pasar modal telah hadir jauh sebelum Indonesia merdeka. Pasar modal atau bursa efek telah hadir sejak jaman kolonial Belanda dan
tepatnya pada tahun 1912 di Batavia. Pasar modal ketika itu didirikan oleh pemerintah Hindia Belanda untuk kepentingan pemerintah kolonial atau VOC.
Meskipun pasar modal telah ada sejak tahun 1912, perkembangan dan pertumbuhan pasar modal tidak berjalan seperti yang diharapkan, bahkan pada
beberapa periode kegiatan pasar modal mengalami kevakuman. Hal tersebut disebabkan oleh beberapa faktor seperti perang dunia ke I dan II, perpindahan
kekuasaan dari pemerintah kolonial kepada pemerintah Republik Indonesia, dan berbagai kondisi yang menyebabkan operasi bursa efek tidak dapat berjalan
sebagimana mestinya. Pemerintah Republik Indonesia mengaktifkan kembali pasar modal pada
tahun 1977, dan beberapa tahun kemudian pasar modal mengalami pertumbuhan seiring dengan berbagai insentif dan regulasi yang dikeluarkan pemerintah.
Secara singkat, tonggak perkembangan pasar modal di Indonesia dapat dilihat sebagai berikut:
Des 1912 : Bursa Efek pertama di Indonesia dibentuk di Batavia oleh
Pemerintah Hindia Belanda 1914 – 1918 : Bursa Efek di Batavia ditutup selama Perang Dunia I
Universitas Sumatera Utara
62 1925 – 1942 : Bursa Efek di Jakarta dibuka kembali bersama dengan Bursa
Efek di Semarang dan Surabaya. Awal tahun
1939 : Karena isu politik Perang Dunia II Bursa Efek di Semarang
dan Surabaya ditutup. 1942 – 1952 : Bursa Efek di Jakarta ditutup kembali selama Perang Dunia II.
1956 : Program nasionalisasi perusahaan Belanda. Bursa Efek
semakin tidak aktif. 1956 – 1977 : Perdagangan di Bursa Efek vakum.
10 Agt 1977 : Bursa Efek diresmikan kembali oleh Presiden Soeharto. BEJ dijalankan dibawah BAPEPAM Badan Pelaksana Pasar
Modal. Tanggal 10 Agustus diperingati sebagai HUT Pasar Modal. Pengaktifan kembali pasar modal ini juga ditandai
dengan go public PT Semen Cibinong sebagai emiten pertama19 Tahun 2008 tentang Surat Berharga Syariah
Negara. 1977 – 1987 : Perdagangan di Bursa Efek sangat lesu. Jumlah emiten hingga
1987 baru mencapai 24. Masyarakat lebih memilih instrumen perbankan dibandingkan instrumen Pasar Modal.
1987 : Ditandai dengan hadirnya Paket Desember 1987 PAKDES
87 yang memberikan kemudahan bagi perusahaan untuk melakukan Penawaran Umum dan investor asing
menanamkan modal di Indonesia. 1988 – 1990
: Paket deregulasi dibidang Perbankan dan Pasar Modal diluncurkan. Pintu BEJ terbuka untuk asing. Aktivitas bursa
terlihat meningkat 2 Jun 1988
: Bursa Paralel Indonesia BPI mulai beroperasi dan dikelola oleh Persatuan Perdagangan Uang dan Efek PPUE,
sedangkan organisasinya terdiri dari broker dan dealer Des 1988
: Pemerintah mengeluarkan Paket Desember 88 PAKDES 88 yang memberikan kemudahan perusahaan untuk go public dan
beberapa kebijakan lain yang positif bagi pertumbuhan pasar
Universitas Sumatera Utara
63 modal.
16 Jun 1989 : Bursa Efek Surabaya BES mulai beroperasi dan dikelola oleh Perseroan Terbatas milik swasta yaitu PT Bursa Efek
Surabaya. 13 Jul1992
: Swastanisasi BEJ. BAPEPAM berubah menjadi Badan Pengawas Pasar Modal. Tanggal ini diperingati sebagai HUT
BEJ. 22 Mei
1995 : Sistem Otomasi perdagangan di BEJ dilaksanakan dengan
sistem computer JATS Jakarta Automated Trading Systems. 10 Nov1995 : Pemerintah mengeluarkan Undang –Undang No. 8 Tahun
1995 tentang Pasar Modal. Undang-Undang ini mulai diberlakukan mulai Januari 1996.
1995 : Bursa Paralel Indonesia merger dengan Bursa Efek Surabaya.
2000 : Sistem Perdagangan Tanpa Warkat scripless trading mulai
diaplikasikan di pasar modal Indonesia. 2002
: BEJ mulai mengaplikasikan sistem perdagangan jarak jauh remote trading.
2007 : Penggabungan Bursa Efek Surabaya BES ke Bursa Efek
Jakarta BEJ dan berubah nama menjadi Bursa Efek Indonesia BEI.
02 Mar 2009
: Peluncuran Perdana Sistem Perdagangan Baru PT Bursa Efek Indonesia: JATS-NextG.
Hingga akhir tahun 2012 tercatat 344 perusahaan yang tercatat di Bursa Efek Indonesia, 18 diantaranya merupakan perusahaan otomotif, ditunjukkan pada
tabel berikut ini :
Universitas Sumatera Utara
64
Tabel 4.1 Daftar Perusahaan Otomotif yang Tercatat di Bursa Efek Indonesia
No Kode
Nama Perusahaan Tanggal Berdiri
Tanggal Listing
1 ASII
PT Astra International Tbk. 20 Feb 1957
04 Apr1990 2
AUTO PT Astra Otoparts Tbk.
20 Sep 1996 15 Jun 1998
3 GJTL
PT Gajah Tunggal Tbk. 31 Okt 1951
15 Nov 1990 4
GDYR PT Goodyear Indonesia Tbk.
20 Feb 1935 22 Des 1980
5 HEXA
PT Hexindo Adiperkasa Tbk. 28 Nov 1988
13 Feb 1995 6
BRAM PT Indo Kordsa Tbk. 08 Jul 1981
05 Sep 1990 7
IMAS PT Indomobil Sukses Internasional Tbk.
15 Sep 1985 15 Nov 1993
8 INDS
PT Indospring Tbk 05 Mei 1978
10 Agt 1990 9
INTA PT Intraco Penta Tbk.
30 Jun 1970 23 Agt 1993
10 LPIN PT Multi Prima Sejahtera Tbk.
28 Nov 1988 05 Feb 1990
11 MASA PT Multistrada Arah Sarana Tbk.
20 Jun 1988 09 Jun 2005
12 NIPS PT Nipress Tbk.
16 Jan 1975 24 Jul 1991
13 POLY PT Polychem Indonesia Tbk.
13 Jul 1951 20 Okt 1993
14 PRAS PT Prima Alloy Steel Universal Tbk.
14 Des 1984 12 Jul 1990
15 SMSM PT Selamat Sempurna Tbk.
19 Jan 1976 09 Sep 1996
16 SUGI PT Sugi Samapersada Tbk.
26 Mar 1990 19 Jun 2002
17 TURI PT Tunas Ridean Tbk.
24 Jul 1974 16 Mei 1995
18 UNTR PT United Tractor Tbk.
13 Okt 1972 19 Sep 1989
Sumber : www.idx.co.id 4.1.2.
Statistik Deskriptif
Berdasarkan studi dokumentasi yang dilakukan pada perusahaan otomotif pada Bursa Efek Indonesia selama tahun 2010 sampai tahun 2012, terdapat 15
perusahaan otomotif yang memenuhi kriteria sampel dari 18 perusahaan yang menjadi populasi dalam penelitian ini, sehingga data yang digunakan di-pooled
dari 15 perusahaan dikali periode penelitian yaitu selama 3 tahun sehingga diperoleh 45 obeservasi.
Metode analisis yang dilakukan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi linear sederhana. Analisis data
dimulai dengan mengolah data dengan menggunakan softwareMicrosoft Excel,
Universitas Sumatera Utara
65 selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan
regresi linier berganda. Pengujian asumsi klasik dan regresi linier berganda diolah dengan menggunakan software SPSS versi 20. Prosedur dimulai dengan
memasukkan variabel-variabel penelitian ke software SPSS tersebut dan menghasilkan keluaran output sesuai dengan metode analisis data yang telah
ditentukan. Pengambilan sampel dilakukan dengan metode Puposive Sampling dan berdasarkan kriteria yang telah ditetapkan, diperoleh 15 perusahaan yang
memenuhi kriteria yang dapat dijadikan sampel penelitian ini dan diamati selama periode 2010-2012. Berikut perusahaan otomotif yang menjadi sampel dalam
penelitian ini.
Tabel 4.2. Daftar Perusahaan Otomotif yang Menjadi Sampel
No Kode
Nama Perusahaan Tanggal Berdiri
Tanggal Listing
1 ASII
PT Astra International Tbk. 20 Feb 1957
04 Apr1990 2
AUTO PT Astra Otoparts Tbk.
20 Sep 1996 15 Jun 1998
3 GJTL
PT Gajah Tunggal Tbk. 31 Okt 1951
15 Nov 1990 4
GDYR PT Goodyear Indonesia Tbk.
20 Feb 1935 22 Des 1980
5 HEXA
PT Hexindo Adiperkasa Tbk. 28 Nov 1988
13 Feb 1995 6
BRAM PT Indo Kordsa Tbk. 08 Jul 1981
05 Sep 1990 7
IMAS PT Indomobil Sukses Internasional Tbk.
15 Sep 1985 15 Nov 1993
8 INDS
PT Indospring Tbk 05 Mei 1978
10 Agt 1990 9
INTA PT Intraco Penta Tbk.
30 Jun 1970 23 Agt 1993
10 LPIN PT Multi Prima Sejahtera Tbk.
28 Nov 1988 05 Feb 1990
11 MASA PT Multistrada Arah Sarana Tbk.
20 Jun 1988 09 Jun 2005
12 PRAS PT Prima Alloy Steel Universal Tbk.
14 Des 1984 12 Jul 1990
13 SMSM PT Selamat Sempurna Tbk.
19 Jan 1976 09 Sep 1996
14 TURI PT Tunas Ridean Tbk.
24 Jul 1974 16 Mei 1995
15 UNTR PT United Tractor Tbk.
13 Okt 1972 19 Sep 1989
Sumber : www.idx.co.id
Universitas Sumatera Utara
66 Statistik Deskriptif untuk setiap variabel yang terdapat dalam penelitian
dirangkum disajikan pada tabel 4.2. dimana dalam penelitian ini profitabilitas dijelaskan oleh return on asset sebagai variabel terikat dan modal kerja dijelaskan
oleh perputaran kas, perputaran piutang dan perputaran persediaan sebagai variabel bebas.
Tabel 4.3. Statistik Deskriptif
N Range
Min Max
Sum Mean
Std. Deviation Stat
Stat Stat
Stat Stat
Stat Std. Error
Stat ROA
45 ,22
,00 ,22
4,24 ,0943
,00843 ,05653
PK 45
134,29 1,61 135,90 1344,73 29,8829 4,56605
30,63000 PP
45 30,78 4,14
34,92 470,64 10,4588
1,10039 7,38166
PPERS 45
14,58 1,33 15,91
272,55 6,0566
,51360 3,44531
Valid N listwise
45
Sumber : Output SPSS Olahan Peneliti, 2014
Tabel 4.3. menunjukkan jumlah responden N berjumlah 45. Return on asset perusahaan otomotif pada Bursa Efek Indonesia selama periode penelitian
yaitu dari tahun 2010 sampai tahun 2012 mengalami fluktuasi dengan nilai terkecil yaitu 0,00 dan dengan nilai terbesar yaitu 0,22. Rata-rata nilai ROA yang
diperoleh dari 45 responden adalah 0,0943, dengan standar deviasi sebesar 0,05653. Nilai Range adalah 0,22 dan penjumlahan ROA dari 45 responden
adalah 4,24. Perputaran kas sebagai variabel bebas pertama mengalami fluktuasi dengan
nilai terendah 1,61 dan nilai tertinggi 135,90. Rata-rata perputaran kas yang diperoleh dari 45 responden adalah 29,8829, dengan standar deviasi sebesar
Universitas Sumatera Utara
67 32,63. Nilai range dari perputaran kas adalah 134,29 dan penjumlahan perputaran
kas dari 45 responden adalah 1344,73. Perputaran piutang sebagai variabel bebas kedua mengalami fluktuasi
dengan nilai terendah 4,14 dan nilai tertinggi 34,92. Rata-rata perputaran piutang yang diperoleh dari 45 responden adalah 10,4588, dengan standar deviasi sebesar
7,38166. Nilai range dari perputaran piutang adalah 30,78 dan penjumlahan perputaran piutang dari 45 responden adalah 470,64.
Perputaran persediaan sebagai variabel bebas ketiga juga mengalami fluktuasi dengan nilai terendah 1,33 dan nilai tertinggi 15,91. Rata-rata perputaran
persediaan yang diperoleh dari 45 responden adalah 6,0566, dengan standar deviasi sebesar 3,44531. Nilai range dari perputaran persediaan adalah 14,58 dan
penjumlahan perputaran persediaan dari 45 responden adalah 272,55.
4.1.3. Uji Asumsi Klasik
Salah satu syarat yang menjadi dasar penggunaaan model regresi linier berganda dengan metode estimasi Ordinary Least Square OLS adalah
dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien atau sering disebut Best Linear Umbiased Estimator BLUE. Menurut
Ghozali 2006 :123 asumsi klasik yang harus dipenuhi adalah : 1. Data berdistribusi normal
2. Tidak terjadi multikolinearitas, artinya diantara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna atau
mendekati sempurna.
Universitas Sumatera Utara
68 3. Tidak terjadi autokorelasi, artinya kesalahan pengganggu dalam model
regresi tidak saling berkorelasi. 4. Tidak terjadi heterokedastisitas, artinya variance variabel independen dari
satu pengamatan ke pengamatan lain adalah konstan atau sama.
4.1.3.1.Uji Normalitas Uji normalitas dilakukan dengan tujuan untuk mengetahui apakah data yang
digunakan dalam penelitian terdistribusi normal atau tidak. Untuk melihat apakah data dalam penelitian ini terdistribusi normal adalah dengan cara melihat
penyebaran data pada pada sumbu grafik P-P Plot apakah menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau dengan melihat pola dalam
grafik yang berdistribusi normal pada histogram. Hasil uji normalitas pada penelitian ini ditunjukkan pada gambar 4.1. berikut ini
Gambar 4.1.Grafik P-P Plot
Universitas Sumatera Utara
69 Gambar 4.1. diatas menunjukkan bahwa plot-plot data dalam penelitian
menyebar disekitar garis diagonal dan mengikuti garis diagonal. Selain menggunakan P-P Plot, normalitas data penelitian dapat dilihat dari bentuk
poligon yang terdapat pada histogram yang dapat dilihat pada gambar 4.2. berikut ini.
Gambar 4.2. Histogram
Gambar 4.2. menunjukkan bahwa garis poligon pada histogram berdistribusi normal yang terlihat dari kecenderungan garis poligon yang tidak menceng ke kiri
maupun ke kanan. Dari pendekatan grafik P-P Plot dan histogram diatas, maka data-data pada penelitian ini mengikuti asumsi normalitas.
4.1.3.2.Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
Universitas Sumatera Utara
70 yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi
heteroskedastisitas Ghozali, 2006 : 105. salah Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan mengamati grafik plot antara nilai
prediksi variabel terikat dengan residualnya. Jika ada pola tertentu, misalnya seperti titik-titik menyebar diatas dan dibawah titik 0 pada sumbu Y, maka tidak
terjadi heterokedastisitas. Dapat dilihat pada grafik Scatterplot dibawah ini.
Gambar 4.3. Grafik Scatterplot
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi return on asset berdasarkan
Universitas Sumatera Utara
71 masukan variabel independen perputaran kas, perputaran piutang dan perputaran
persediaan.
4.1.3.3.Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Hasil uji
multikolinearitas ditunjukkan pada tabel 4.4.
Tabel 4.4. Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
,064 ,020
3,213 ,003
PK ,000
,000 ,135
,893 ,377
,979 1,021
PP -,002
,002 -,212
-,941 ,352
,440 2,273
PPERS ,007
,004 ,399
1,761 ,086
,434 2,304
a. Dependent Variable: ROA
Sumber : Output SPSS Olahan Peneliti, 2014
Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
Dari hasil output SPSS diatas menunjukkan bahwa nilai tolerance untuk perputaran kas yaitu 0,979, perputaran piutang 0,440 dan perputaran persediaan
0,434 lebih besar dari nilai cutoffyaitu 0,10 dan nilai VIF untuk perputaran kas yaitu 1,021, perputaran piutang 2,273 dan perpuratan persediaan 2,304 lebih kecil
dari nilai cutoff yaitu 10. Dengan demikian data-data dalam penelitian ini bebas dari asumsi multikolinearitas.
Universitas Sumatera Utara
72 4.1.3.4.Uji Autokorelasi
Uji Autokolerasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan
pengganggu pada periode t-1. Model regresi yang baik adalah model yang bebas dari autokorelasi. Salah satu cara untuk mendeteksi adanya autokorelasi adalah
dengan menggunakan uji durbin-watson. Nilai d pada penelitian dibandingkan dengan nilai d
tabel
dengan tingkat signifikansi 5 dengan df = n-k-1. Berikut ini tabel 4.5. yang menunjukkan nilai Durbin-Watson.
Tabel 4.5. Model Summary
b
Model R
R Square
Adjusted R Square
Change Statistics Durbin-
Watson R Square
Change F
Change df1
df2 Sig. F
Change 1
,292
a
,085 ,019
,085 1,277
3 41
,295 2,287
a. Predictors: Constant, SQRT_X3, SQRT_X1, SQRT_X2 b. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Dari tabel 4.5. diatas diperoleh nilai DW yaitu 2,287 dimana nilai D
L
dari tabel Durbin-Watson adalah 1,3832 dan D
U
adalah 1,6662 dan nilai dari 4- D
L
adalah 2,6168 dan nilai dari 4-D
U
adalah 2,3338. Kriteria penilaian data penelitian yang bebas autokorelasi adalah nilai D-W berada diantara D
U
dan 4-D
U,
maka dari hasil penelitian ini 1,6662 2,287 2,3338, maka tidak terjadi asumsi autokorelasi dalam penelitian ini.
Universitas Sumatera Utara
73
4.1.4. Model Analisis Regresi
Dari hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi Best Linear
Umbiased Estimator BLUE dan layak dilakukan analisis statistik selanjutnya, yaitu melakukan pengujian hipotesis.
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel bebas dan variabel
terikat, melalui pengaruh perputaran kas, perputaran piutang dan perputaran persediaan terhadap Return on Asset. Adapun hasil pengolahan data dengan
analisis regresi adalah sebagai berikut :
Tabel 4.6. Koefisien Regresi
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
,064 ,020
3,213 ,003
PK ,000
,000 ,135
,893 ,377
,979 1,021
PP -,002
,002 -,212
-,941 ,352
,440 2,273
PPERS ,007
,004 ,399 1,761
,086 ,434
2,304 a. Dependent Variable: ROA
Sumber : Output SPSS Olahan Peneliti, 2014
Dari output SPSS diatas, maka dapat dirumuskan model regresi sebagai berikut :
Y = 0,064 + 0,00 X
1
- 0,002 X
2
+ 0,007 X
3
+ ε
Universitas Sumatera Utara
74 Dimana :
Y = Return on Asset X
1
= Perputaran Kas X
2
=Perputaran Piutang X
3
= Perputaran Persediaan ε = Error
Konstanta sebesar 0,064 menyatakan bahwa jika tidak terjadi perputaran kas, perputaran piutang dan perputaran persediaan atau jika perputaran kas,
perputaran piutang dan perputaran persediaan bernilai nol maka Return on Asset akan bertambah sebesar 0,064 satuan.
Koefisien regresi X
1
sebesar 0,00 menyatakan bahwa tidak terdapat pengaruh baik kenaikan maupun penurunan pada Return on Asset yang
ditimbulkan dari perubahan perputaran kas. Koefisien regresi X
2
sebesar -0,002 menyatakan bahwa perputaran piutang memiliki pengaruh negatif dalam mengestimasi Return on Asset perusahaan
otomotif di Bursa Efek Indonesia sebesar 0,002 satuan artinya, setiap penambahan perputaran piutang sebesar 1 satuan maka akan menyebabkan penurunan Return
on Asset sebesar 0,002 satuan. Koefisien regresi X
3
menyatakan bahwa perputaran persediaan memiliki pengaruh positif dalam mengestimasi Return on Asset perusahaan otomotif di
Bursa Efek Indonesia sebesar 0,007 satuan artinya, setiap penambahan perputaran persediaan sebesar 1 satuan maka akan meningkatkan Return on Asset sebesar
0,007.
Universitas Sumatera Utara
75 Dari model analisis regresi yang diperoleh dari pengolahan data pada
software SPSS diatas ditemukan bahwa variabel bebas pertama yaitu perputaran kas tidak memiliki pengaruh apapun terhadap variabel terikat yaitu return on
asset, sehingga dapat disimpulkan bahwa model analisis regresi tersebut tidak dapat digunakan sebagai model analisis untuk menilai pengaruh penggunaan
modal kerja yang dijelaskan melalui perputaran kas, perputaran piutang dan perputaran persediaan terhadap profitabilitas yang dijelaskan melalui return on
asset pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia. Ada beberapa cara yang dapat dilakukan untuk mengubah model analisis
regresi menjadi normal Erlina, 2008 : 104, yaitu : 1.
Lakukan transormasi data ke bentuk lainnya, 2.
Lakukan trimming, yaitu membuang data outliner 3.
Lakukan winsorizing, yaitu mengubah nilai data yang outliner ke suatu nilai tertentu.
Untuk mengubah model analisis regresi menjadi normal, peneliti melakukan transformasi data ke model Square Root SQRT, sehingga model analisis regresi
menjadi seperti berikut :
SQRT Y = β+ β
1
SQRTX
1
+ β
2
SQRTX
2
+ β
3
SQRTX
3
+ ε
Berikut hasil keluaran dari pengolahan data yang telah ditransformasi ke dalam model Square Root.
Universitas Sumatera Utara
76
4.1.5. Statistik Deskriptif setelah Ditransformasi Square Root
Statistik Deskriptif untuk setiap variabel yang terdapat dalam penelitian dirangkum disajikan pada tabel 4.7. dimana dalam penelitian ini data-data pada
variabel profitabilitas yang dijelaskan oleh return on asset sebagai variabel terikat dan modal kerja yang dijelaskan oleh perputaran kas, perputaran piutang dan
perputaran persediaan sebagai variabel bebas sudah ditransformasi menggunakan model Square Root.
Tabel 4.7. Statistik Deskriptif
N Range
Min Max
Sum Mean
Std. Deviation Stat
Stat Stat
Stat Stat
Stat Std. Error
Stat SQRT ROA
45 ,44
,03 ,47
12,99 ,2888
,01574 ,10557
SQRT PK 45
10,39 1,27 11,66 223,32 4,9626 ,34562
2,31848 SQRT PP
45 3,88 2,03
5,91 139,09 3,0908 ,14348
,96247 SQRT PPERS
45 2,84 1,15
3,99 106,43 2,3652 ,10254
,68784 Valid N listwise
45
Sumber : Output SPSS Olahan Peneliti, 2014
Tabel 4.7. menunjukkan Return on asset perusahaan otomotif pada Bursa Efek Indonesia selama periode penelitian yaitu dari tahun 2010 sampai tahun
2012 mengalami fluktuasi dengan nilai terkecil yaitu 0,3 dan dengan nilai terbesar yaitu 0,47. Rata-rata nilai ROA yang diperoleh dari 45 responden adalah 0,2888,
dengan standar deviasi sebesar 0,10557. Nilai Range adalah 0,44 dan penjumlahan ROA dari 45 responden adalah 12,99.
Perputaran kas sebagai variabel bebas pertama mengalami fluktuasi dengan nilai terendah 1,27 dan nilai tertinggi 11,66. Rata-rata perputaran kas yang
Universitas Sumatera Utara
77 diperoleh dari 45 responden adalah 4,9626, dengan standar deviasi sebesar
2,31848. Nilai range dari perputaran kas adalah 10,39 dan penjumlahan perputaran kas dari 45 responden adalah 223,32.
Perputaran piutang sebagai variabel bebas kedua mengalami fluktuasi dengan nilai terendah 2,03 dan nilai tertinggi 5,91. Rata-rata perputaran piutang
yang diperoleh dari 45 responden adalah 3,0908, dengan standar deviasi sebesar 0,96247. Nilai range dari perputaran piutang adalah 3,88 dan penjumlahan
perputaran piutang dari 45 responden adalah 139,09. Perputaran persediaan sebagai variabel bebas ketiga juga mengalami
fluktuasi dengan nilai terendah 1,15 dan nilai tertinggi 3,99. Rata-rata perputaran persediaan yang diperoleh dari 45 responden adalah 2,3652, dengan standar
deviasi sebesar 0,68784. Nilai range dari perputaran persediaan adalah 2,84 dan penjumlahan perputaran persediaan dari 45 responden adalah 106,43.
4.1.6. Uji Asumsi Klasik Setelah Ditransformasi Square Root
Berikut ini hasil uji asumsi klasik setelah data pada penelitian ditransformasi ke dalam model Square Root.
4.1.6.1.Uji Normalitas Hasil uji normalitas setelah dilakukan transformasi pada data dapat dilihat
pada grafik P-P Plot dan garis poligon pada histogram berikut ini.
Universitas Sumatera Utara
78
Gambar 4.4. P-P Plot Setelah Ditransformasi Square Root
Gambar 4.1. diatas menunjukkan bahwa setelah dilakukan transformasi Square Root pada data, plot-plot data dalam penelitian menyebar disekitar garis
diagonal dan mengikuti garis diagonal. Selain menggunakan P-P Plot, normalitas data penelitian dapat dilihat dari bentuk poligon yang terdapat pada histogram
yang dapat dilihat pada gambar 4.2. berikut ini.
Gambar 4.5. Histogram Setelah Ditransformasi Square Root
Universitas Sumatera Utara
79 Gambar 4.2. menunjukkan bahwa setelah dilakukan transformasi Square
Root pada data, garis poligon pada histogram berdistribusi normal yang terlihat dari kecenderungan garis poligon yang tidak menceng ke kiri maupun ke kanan.
Dari pendekatan grafik P-P Plot dan histogram diatas, maka data-data pada penelitian ini mengikuti asumsi normalitas.
4.1.6.2.Uji Heterokedastisitas Hasil uji heterokedastisitas setelah dilakukan transformasi pada data dapat
dilihat pada scatterplot berikut ini.
Gambar 4.6. Grafik Scatterplot Setelah Ditransformasi Square Root
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi return on asset berdasarkan
Universitas Sumatera Utara
80 masukan variabel independen perputaran kas, perputaran piutang dan perputaran
persediaan.
4.1.6.3.Uji Multikolinearitas Hasil uji multikolinearitas setelah dilakukan transformasi pada data dapat
dilihat pada tabel berikut ini.
Tabel 4.8. Coefficients
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
,214 ,068
3,140 ,003
SQRT PK ,003
,007 ,057
,378 ,707
1,000 1,000
SQRT PP -,026
,024 -,239
-1,115 ,271
,487 2,051
SQRT PPERS ,060
,033 ,393
1,834 ,074
,487 2,051
a. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau sama dengan nilai VIF 10.
Dari hasil output SPSS diatas menunjukkan bahwa nilai tolerance untuk perputaran kas yaitu 1,000, perputaran piutang 0,487 dan perputaran persediaan
0,487 lebih besar dari nilai cutoffyaitu 0,10. Dan nilai VIF untuk perputaran kas yaitu 1,000, perputaran piutang 2,051 dan perpuratan persediaan 2,051 lebih kecil
dari nilai cutoff yaitu 10. Dengan demikian data-data dalam penelitian ini bebas dari asumsi multikolinearitas.
Universitas Sumatera Utara
81 4.1.6.4.Uji Autokorelasi
Hasil uji multikolinearitas setelah dilakukan transformasi pada data dapat dilihat pada tabel berikut ini.
Tabel 4.9. 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
,283
a
,080 ,013
,10488 ,080
1,194 3
41 ,324
2,328 a. Predictors: Constant, SQRT_X3, SQRT_X1, SQRT_X2
b. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Dari tabel 4.9. diatas diperoleh nilai DW yaitu 2,328 dimana nilai D
L
dari tabel Durbin-Watson adalah 1,3832 dan D
U
adalah 1,6662 dan nilai dari 4- D
L
adalah 2,6168 dan nilai dari 4-D
U
adalah 2,3338. Kriteria penilaian data penelitian yang bebas autokorelasi adalah nilai D-W berada diantara D
U
dan 4-D
U,
maka dari hasil penelitian ini 1,6662 2,328 2,3338, maka tidak terjadi asumsi autokorelasi dalam penelitian ini.
4.1.7. Model Analisis Regresi Setelah Ditransformasi Square Root
Setelah melewati uji asumsi klasik pada data yang telah ditransformasi dengan model Square Root, maka model analisis regresi yang digunakan dalam
penelitian ini telah memenuhi Best Linear Umbiased EstimatorBLUE dan layak untuk melanjutkan penelitian selanjutnya, yaitu melakukan pengujian hipotesis.
Adapun hasil pengolahan data dengan analisis regresin yang telah ditransformasi dengan model Square Root adalah sebagai berikut
Universitas Sumatera Utara
82
Tabel 4.10. Koefisien Regresi
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
,214 ,068
3,140 ,003
SQRT PK ,003
,007 ,057
,378 ,707
1,000 1,000
SQRT PP -,026
,024 -,239
-1,115 ,271
,487 2,051
SQRT PPERS ,060
,033 ,393
1,834 ,074
,487 2,051
a. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Dari output SPSS diatas, maka dapat dirumuskan model regresi sebagai berikut :
SQRTY = 0,214 + 0,003 SQRTX
1
– 0,026 SQRTX
2
+ 0,06 SQRTX
3
+ ε
Dimana : SQRTY = Return on Asset
SQRTX
1
= Perputaran Kas SQRTX
2
=Perputaran Piutang SQRTX
3
= Perputaran Persediaan
ε = Error
Konstanta sebesar 0,214 menyatakan bahwa jika tidak terjadi perputaran kas, perputaran piutang dan perputaran persediaan atau jika perputaran kas,
perputaran piutang dan perputaran persediaan bernilai nol maka Return on Asset akan bertambah sebesar 0,214 satuan.
Koefisien regresi SQRTX
1
sebesar 0,003 menyatakan bahwa perputaran kas memiliki pengaruh positif dalam mengestimasi Return on Asset perusahaan
Universitas Sumatera Utara
83 otomotif di Bursa Efek Indonesia sebesar 0,003 satuan artinya, setiap penambahan
perputaran kas sebesar 1 satuan maka akan meningkatkan Return on Asset sebesar 0,003 satuan dengan asumsi variabel lain dianggap tetap.
Koefisien regresi SQRTX
2
menyatakan bahwa perputaran piutang memiliki pengaruh negatif dalam mengestimasi Return on Asset perusahaan
otomotif di Bursa Efek Indonesia sebesar 0,026 satuan artinya, setiap penambahan perputaran piutang sebesar 1 satuan maka Return on Asset akan menurun sebesar
0,026 satuan dengan asumsi variabel lain dianggap tetap. Koefisien regresi SQRTX
3
menyatakan bahwa perputaran persediaan memiliki pengaruh positif dalam mengestimasi Return on Asset perusahaan
otomotif di Bursa Efek Indonesia sebesar 0,06 satuan artinya, setiap penambahan perputaran persediaan sebesar 1 satuan maka akan meningkatkan Return on Asset
sebesar 0,06 dengan asumsi variabel lain dianggap tetap.
4.1.8. Uji Hipotesis Setelah Ditransformasi Square Root
4.1.8.1.Uji t Uji t dilakukan untuk mengetahui hubungan antara variabel-variabel bebas
terhadap variabel terikat secara parsial individu. Dalam uji t digunakan hipotesis sebagai berikut.
H : b
1
,b
2
,b
3
= 0 ; artinya perputaran kas, perputaran piutang dan perputaran persediaan secara parsial tidak mempunyai pengaruh yang
signifikan terhadap return on asset pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
Universitas Sumatera Utara
84 H
1
: b
1
≠ 0 artinya perputaran kas secara parsial mempunyai pengaruh yang
signifikan terhadap return on asset pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
H
2
: b
2
≠ 0 artinya perputaran piutang secara parsial mempunyai pengaruh
yang signifikan terhadap return on asset pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
H
3
: b
3
≠ 0 artinya perputaran persediaan secara parsial mempunyai
pengaruh yang signifikan terhadap return on asset pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
Kriteria : 1. H
diterima dan H
1
, H
2
dan H
3
ditolak jika t
hitung
t
tabel
untuk α = 5 2. H
1
diterima dan H ditolak jika t
hitung
t
tabel
untuk α = 5 3. H
2
diterima dan H ditolak jika t
hitung
t
tabel
untuk α = 5 4. H
3
diterima dan H ditolak jika t
hitung
t
tabel
untuk α = 5
Berikut nilai t
hitung
yang diperoleh dari hasil pengolahan data pada software SPSS.
Tabel 4.11. Uji Statistik t
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
,214 ,068
3,140 ,003
SQRT PK ,003
,007 ,057
,378 ,707
1,000 1,000
SQRT PP -,026
,024 -,239
-1,115 ,271
,487 2,051
SQRT PPERS ,060
,033 ,393
1,834 ,074
,487 2,051
a. Dependent Variable: SQRT_Y
Sumber : Output SPSS Olahan Peneliti, 2014
Universitas Sumatera Utara
85 Berdasarkan hasil uji statistik t pada tabel 4.11. diatas dapat dijelaskan
sebagai berikut. 1. Pengaruh perputaran kas pada return on asset
• Nilai signifikansi pada perputaran kas sebesar 0,707 menunjukkan bahwa nilai sig untuk uji t lebih besar dari 0,05. Hal ini sesuai dengan hasil
pengujian statistik yang membandingkan antara t
hitung
dan t
tabel
yaitu perputaran kas secara parsial tidak berpengaruh signifikan terhadap return
on asset pada tingkat kepercayaan 95. • Variabel perputaran kas memiliki t
hitung
0,378 dengan nilai signifikansi 0,707. Dengan menggunakan tabel t, diperoleh nilai t
tabel
yaitu 2,0167. Hal ini menunjukkan bahwa t
hitung
t
tabel
0,343 2,0167 dengan demikian H diterima dan H
1
ditolak artinya perputaran kas secara parsial tidak memiliki pengaruh yang signifikan terhadap return on asset pada
perusahaan otomotif yang terdaftar di Bursa Efek Indonesia. 2. Pengaruh perputaran piutang terhadap return on asset
• Nilai signifikansi perputaran piutang sebesar 0,271 menunjukkan bahwa nilai sig untuk uji t lebih besar dari 0,05. Hal ini sesuai dengan hasil
pengujian statistik yang membandingkan antara t
hitung
dan t
tabel
yaitu perputaran piutang secara parsial tidak berpengaruh signifikan terhadap
return on asset pada tingkat kepercayaan 95. • Variabel perputaran piutang memiliki t
hitung
-1,115 dengan nilai signifikansi 0,271. Dengan menggunakan tabel t, diperoleh nilai t
tabel
yaitu 2,0167. Hal ini menunjukkan bahwa t
hitung
t
tabel
-1,115 2,0167 dengan
Universitas Sumatera Utara
86 demikian H
diterima dan H
2
ditolak artinya perputaran piutang secara parsial tidak memiliki pengaruh yang signifikan terhadap return on asset
pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia. 3. Pengaruh perputaran persediaan terhadap return on asset
• Nilai signifikansi perputaran persediaan adalah 0,074 menunjukkan bahwa nilai sig untuk uji t lebih besar dari 0,05. Hal ini sesuai dengan hasil
pengujian statistik yang membandingkan antara t
hitung
dan t
tabel
yaitu perputaran kas secara parsial tidak berpengaruh signifikan terhadap return
on asset pada tingkat kepercayaan 95. • Variabel perputaran persediaan memiliki t
hitung
1,834 dengan nilai signifikansi 0,074. Dengan menggunakan tabel t, diperoleh nilai t
tabel
yaitu 2,0167. Hal ini menunjukkan bahwa t
hitung
t
tabel
1,834 2,0167 dengan demikian H
diterima dan H
3
ditolak artinya perputaran persediaan secara parsial tidak memiliki pengaruh yang signifikan terhadap return on asset
pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
4.1.8.2.Uji F Uji F ini dilakukan untuk melihat seberapa besar pengaruh variabel bebas
secara bersama-sama simultan mempunyai pengaruh terhadap variabel terikat. Pembuktian dilakukan dengan membandingkan nilai kritis Ftabel dan Fhitung
yang terdapat pada tabel analisis dfvariance. Dalam uji F digunakan hipotesis sebagai berikut.
Universitas Sumatera Utara
87 H
= 0 ; artinya perputaran kas, perputaran piutang dan perputaran
persediaan secara simultan tidak mempunyai pengaruh yang signifikan terhadap return on asset pada perusahaan otomotif
yang terdaftar di Bursa Efek Indonesia. H
4
≠ 0 ; artinya perputaran kas, perputaran piutang dan perputaran
persediaan secara simultan mempunyai pengaruh yang signifikan terhadap return on asset pada perusahaan otomotif yang terdaftar
di Bursa Efek Indonesia. Kriteria :
1. H diterima dan H
4
ditolak jika F
hitung
F
tabel
untuk α = 5 2. H
4
diterima dan H ditolak jika F
hitung
F
tabel
untuk α = 5
Berikut nilai thitung yang diperoleh dari hasil pengolahan data pada software SPSS.
Tabel 4.12. Uji Statistik F
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
,039 3
,013 1,194
,324
b
Residual ,451
41 ,011
Total ,490
44 a. Dependent Variable: SQRT ROA
b. Predictors: Constant, SQRT PPERS, SQRT PK, SQRT PP
Sumber : Output SPSS Olahan Peneliti, 2014
Dari tabel 4.12. diperoleh F
hitung
sebesar 1,194 dengan tingkat signifikansi 0,324 yang lebih besar dari 0,05. Dengan menggunakan tabel F diperoleh nilai
Universitas Sumatera Utara
88 F
tabel
sebesar 2,830. Hal ini menunjukkan F
hitung
F
tabel
1,194 2,830 dengan demikian H
diterima dan H
1
ditolak. Dari tabel di atas diperoleh pula keterangan-keterangan tambahan yang
menjelaskan pengaruh simultan diantara variabel bebas terhadap variabel terikat, yaitu :
1. Pada tabel nilai df = 3. Hal ini berarti jumlah variabel bebas dalam penelitian ini adalah 3 yaitu perputaran kas, perputaran piutang dan perputaran
persediaan. 2. Total df = 44 yang artinya data yang diuji berjumlah 44 dimana df = n-1
sedangkan residual df = 41, berasal dari 45-4. 3. Residual merupakan selisih antara keputusan yang sesungguhnya dengan
keputusan yang diprediksi. Berdasarkan uji F diatas perputaran kas, perputaran piutang dan perputaran
persediaan secara simultan tidak berpengaruh signifikan terhadap return on asset pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
4.1.9. Koefisien DeterminasiSetelah Ditransformasi Square Root
Untuk menguji hipotesis, peneliti menggunakan analisis linier berganda. Berdasarkan hasil pengolahan data pada software SPSS, maka diperoleh hasil
sebagai berikut.
Universitas Sumatera Utara
89
Tabel 4.13. 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
,283
a
,080 ,013
,10488 ,080
1,194 3
41 ,324
2,328 a. Predictors: Constant, SQRT_X3, SQRT_X1, SQRT_X2
b. Dependent Variable: SQRT_Y
Sumber : Ouput SPSS Olahan Peneliti, 2014
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel bebas dengan variabel terikat. Berikut ini tabel
yang berisi range nilai yang dapat menginterpretasikan koefisien korelasi
Tabel 4.14. Pedoman untuk memberikan Interpretasi Koefisien Korelasi
Interval Koefisien Tingkat Hubungan
0,00-0,199 Sangat Rendah
0,200-0,399 Rendah
0,400-0,599 Sedang
0,600-0,799 Kuat
0,800-1,000 Sangat Kuat
Sumber : Sugiyono 2004 : 183
Pada tabel 4.13. dapat dilihat bahwa koefisien korelasi yang diperoleh dalam penelitian ini adalah 0,283 yang menunjukkan bahwa korelasi atau
hubungan antara return on asset sebagai variabel terikat dengan perputaran kas, perputaran piutang dan perputaran persediaan sebagai variabel bebas memiliki
tingkat hubungan yang rendah yaitu 28,3. Tingkat hubungan ini dapat dilihat dari tabel 3.14. pedoman untuk memberikan interpretasi koefisien korelasi.
Universitas Sumatera Utara
90 Koefisien determinasi R
2
bertujuan untuk mengetahui seberapa besar kemampuan variabel bebas menjelaskan variabel terikat Lubis, 2007 : 48.
Semakin mendekati 0, semakin tidak baik nilai koefisien determinasi, yang berarti bahwa variasi model dalam menjelaskan semakin terbatas. Semakin mendekati 1,
maka semakin baik model regresi tersebut. Dari tabel diatas diperoleh nilai koefisien determinasi adalah 0,080 yang
berarti 8 return on asset dapat diprediksi dengan variabel perputaran kas, perputaran piutang dan perputaran persediaan, sedangkan 92 selebihya
dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini. Nilai adjusted R Square atau koefisien determinasi adalah sebesar 0,013
yang berarti bahwa return on asset mampu diprediksikan oleh perputaran kas, perputaran piutang dan perputaran persediaan sebesar 1,3 sedangkan 98,7
selebihnya dijelaskan oleh variabel-variabel yang tidak diteliti dalam penelitian ini.
Jika terdapat 2 variabel atau lebih dalam penelitian, maka uji yang digunakan untuk memprediksi hubungan antara variabel bebas dan variabel terikat
adalah adjusted R Square.
4.2. Pembahasan
Pada sistem modal kerja yang efisien, perubahan dalam pengelolaan modal kerja akan berdampak pada perubahan profitabilitas. Dalam penelitian ini,
perubahan-perubahan pengelolaan modal kerja tersebut dibatasi pada perubahan
Universitas Sumatera Utara
91 perputaran modal kerja yaitu perputaran kas, perputaran piutang dan perputaran
persediaan. Berdasarkan hasil analisis regresi berganda maka diperoleh model regresi
SQRTY = 0,214 + 0,003 SQRTX1 – 0,026 SQRTX2 + 0,06 SQRTX3 + ε. Konstanta sebesar 0,214 menyatakan bahwa jika tidak terjadi perputaran kas,
perputaran piutang dan perputaran persediaan atau jika perputaran kas, perputaran piutang dan perputaran persediaan bernilai nol maka Return on
Asset akan bertambah sebesar 0,214 satuan. Koefisien regresi SQRTX
1
sebesar 0,003 menyatakan bahwa perputaran kas memiliki pengaruh positif dalam mengestimasi Return on Asset perusahaan otomotif di Bursa Efek
Indonesia sebesar 0,003 satuan artinya, setiap penambahan perputaran kas sebesar 1 satuan maka akan meningkatkan Return on Asset sebesar 0,003
satuan dengan asumsi variabel lain dianggap tetap. Koefisien regresi SQRTX
2
menyatakan bahwa perputaran piutang memiliki pengaruh negatif dalam mengestimasi Return on Asset perusahaan otomotif di Bursa Efek
Indonesia sebesar 0,026 satuan artinya, setiap penambahan perputaran piutang sebesar 1 satuan maka Return on Asset akan menurun sebesar 0,026 satuan
dengan asumsi variabel lain dianggap tetap. Koefisien regresi SQRTX
3
menyatakan bahwa perputaran persediaan memiliki pengaruh positif dalam mengestimasi Return on Asset perusahaan otomotif di Bursa Efek
Indonesia sebesar 0,06 satuan artinya, setiap penambahan perputaran persediaan sebesar 1 satuan maka akan meningkatkan Return on Asset sebesar
0,06 dengan asumsi variabel lain dianggap tetap.
Universitas Sumatera Utara
92 Berdasarkan hasil uji t yang telah diuraikan secara statistik dengan
menggunakan software SPSS Versi 20 maka dapat dilihat bahwa variabel perputaran kas memiliki taraf signifikan 0,707 lebih besar dibandingkan dengan
taraf signifikan yaitu 0,05. Dan t
hitung
yang diperoleh adalah 0,343 lebih kecil dibandingkan t
tabel
yaitu 2,0096 dengan presentase 0,057 atau 5,7. Dengan demikian apabila ada kenaikan 1 pada perputaran kas maka akan meningkatkan
return on asset sebesar 5,7. Sehingga secara parsial perputaran kas tidak berpengaruh secara signifikan terhadap return on asset pada perusahaan otomotif
yang terdaftar di Bursa Efek Indonesia. Pada variabel perputaran piutang taraf signifikan yang diperoleh adalah 0,271 lebih besar dibandingkan dengan taraf
signifikan yaitu 0,05. Dan t
hitung
yang diperoleh adalah 1,115 lebih kecil dibandingkan t
tabel
yaitu 2,0096 dengan presentase -0,239 atau -23,9. Dengan demikian apabila ada kenaikan 1 pada perputaran piutang maka akan
mengurangi perolehan return on asset sebesar 23,9. Sehingga secara parsial perputaran piutang tidak berpengaruh secara signifikan terhadap return on asset
pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia. Pada variabel perputaran persediaan taraf signifikan yang diperoleh adalah 0,074 lebih besar
dibandingkan dengan taraf signifikan yaitu 0,05. Dan t
hitung
yang diperoleh adalah 1,834 lebih kecil dibandingkan t
tabel
yaitu 2,0096 dengan presentase 0,393 atau 39,3. Dengan demikian apabila ada kenaikan 1 pada perputaran persediaan
maka akan meningkatkan perolehan return on asset sebesar 39,3. Sehingga secara parsial perputaran persediaan tidak berpengaruh secara signifikan terhadap
return on asset pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
Universitas Sumatera Utara
93 Dari uji F yang juga telah diuraikan secara statistik maka dapat dilihat
bahwa modal kerja yang dijelaskan melalui variabel perputaran kas, perputaran piutang dan perputaran persediaan secara simultan tidak berpengaruh signifikan
terhadap profitabilitas yang dijelaskan melalui return on asset pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia. Hal ini dapat dilihat dari
perbandingan antara F
hitung
dan F
tabel
yaitu F
hitung
F
tabel
1,194 2,830 dengan demikian H
diterima dan H
1
ditolak. Dari hasil pengujian koefisien korelasi diatas dapat dilihat pula bahwa
korelasi atau hubungan antara profitabilitas yang dijelaskan melalui variabel return on asset sebagai variabel terikat dengan modal kerja yang dijelaskan
melalui variabel perputaran kas, perputaran piutang dan perputaran persediaan sebagai variabel bebas memiliki tingkat hubungan yang rendah.
Dari hasil pengujian koefisien determinasi dapat dilihat bahwa profitabilitas yang dijelaskan melalui variabel return on asset mampu diprediksikan oleh
perputaran kas, perputaran piutang dan perputaran persediaan sebesar 1,3 sedangkan 98,7 selebihnya dijelaskan oleh variabel-variabel yang tidak diteliti
dalam penelitian ini.
Universitas Sumatera Utara
94
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan