Teknik Analisis Data Hasil Analisis Data

b. Jika tidak ada pola yang jelas, serta titik–titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. Analisis dengan Grafik Plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit jumlah pengamatan, semakin sulit untuk mengintepretasikan hasil grafik plot Gozali, 2011:141. Untuk mengatasi kelemahan dari Grafik Plots tersebut, maka dalam penelitian ini juga akan dilakukan uji statistik untuk menjamin keakuratan hasil pengujian. Uji statistik yang dipilih adalah uji Glejser, dasar pengambilan keputusan uji heteroskedastisitas melalui uji Glejser adalah : 1. Apabila sig. 2-tailed α = 0.05, maka telah terjadi heteroskedastisitas. 2. Apabila sig. 2-tailed α = 0.05, maka tidak terjadi heteroskedastisitas.

3.8 Teknik Analisis Data

Berdasarkan judul, latar belakang, dan perumusan masalah maka teknik analisis data yang digunakan dalam penelitian ini adalah analisis regresi berganda., yang bertujuan untuk meramalkan bagaimana keadaan naik turunnya variabel independen, bila dua atau lebih variabel independen sebagai faktor prediktur dimanipulasi Sugiyono, 2012:277. Untuk menganalisis data dalam penelitian ini, peneliti menggunakan program komputer SPSS 19. Adapun model yang digunakan dari regresi linear berganda menurut Supranto, 2009:250 yaitu : Ŷ= b + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + b 5 X 5 + b 6 X 6 + e Keterangan : Ŷ = Pertumbuhan Laba Universitas Sumatera Utara b = Koefisien Konstanta X 1 = WCTA X 2 = DER X 3 = ITO X 4 = TATO X 5 = GPM X 6 = OPM e = Koefisien Error Variabel Pengganggu

3.9 Test of Goodness of Fit

Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodness of fit nya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi R 2 , nilai statistik F, dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis daerah dimana H ditolak. Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana H diterima.

3.9.1 Koefisien Determinasi R

2 Menurut Ghozali 2011:97 : ‘’koefisien determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model menerangkan variasi variabel independen’’. Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas, sebaliknya nilai R 2 yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi Universitas Sumatera Utara variabel dependen Ghozali, 2011:97. Nilai koefisien determinasi yang digunakan dalam penelitian ini adalah nilai adjusted R 2 karena variabel independen yang digunakan dalam penelitian ini lebih dari dua variabel. Selain itu nilai adjusted R 2 dianggap lebih baik dari nilai R 2 , karena nilai adjusted R 2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model regresi Ghozali, 2011:97.

3.9.2 Uji Signifikan Simultan Uji F

Secara simultan, pengujian hipotesis dilakukan dengan uji F-test . Menurut Ghozali 2011:98 : “uji statistik F pada dasarnya menunjukkan apakah semua varibel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama terhadap variabel dependenterikat”. Di dalam penelitian ini uji F digunakan untuk menguji hipotesis H 1 yaitu pengaruh WCTA, DER, ITO, TATO, GPM, dan OPM secara simultan terhadap pertumbuhan laba pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI. Menurut Ghozali 2011:98, uji F dilakukan dengan membandingkan signifikansi F hitung dengan F tabel dengan ketentuan : 1. H diterima dan Ha ditolak jika F hitung F tabel untuk α = 0,05 2. H ditolak dan Ha diterima jika F hitung F tabel untuk α = 0,05

3.9.3 Uji Signifikan Parsial Uji t

Secara parsial, pengujian hipotesis dilakukan dengan uji t-test . Menurut Ghozali 2011:98 “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variabel dependen”. Dalam penelitian ini uji t digunakan untuk menguji hipotesis Universitas Sumatera Utara H 2 , H 3 , H 4 , H 5 , H 6 , dan H 7 yaitu pengaruh WCTA, DER, ITO, TATO, GPM, dan OPM secara parsial terhadap pertumbuhan laba pada perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI. Menurut Ghozali 2011:99, uji t dilakukan dengan membandingkan signifikansi t hitung dengan t tabel dengan ketentuan : 1. H diterima dan Ha ditolak jika t hitung t tabel untuk α = 0,05 2. H ditolak dan Ha diterima jika t hitung t tabel untuk α = 0,05 Universitas Sumatera Utara BAB IV ANALISIS HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum Objek Penelitian dan Deskripsi Data Penelitian

4.1.1 Gambaran Umum Objek Penelitian

Perusahaan manufaktur merupakan perusahaan industri pengolahan yang mengolah bahan baku menjadi barang jadi. Sebuah perusahaan dapat dikatakan sebagai perusahaan manufaktur apabila ada tahapan input-proses-output dalam kegiatan bisnisnya. Sebagian besar perusahaan-perusahaan manufaktur di Indonesia telah go public dan listing di BEI. Dari segi produk yang dihasilkan, perusahaan manufaktur yang terdaftar di BEI dibagi menjadi tiga sektor, yaitu : 1. Sektor industri dasar dan kimia 2. Sektor aneka industri 3. Sektor industri barang konsumsi Objek dari penelitian ini hanya perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di Bursa Efek Indonesia selama periode 2008- 2012. Sektor industri barang konsumsi terdiri atas 5 lima subsektor industri, tabel 4.1 berikut menampilkan perkembangan jumlah perusahaan yang listing di setiap subsektor selama periode 2008-2012. Tabel 4.1 Jumlah Perusahaan Manufaktur yang Terdaftar di BEI Periode 2008-2012 No Subsektor Tahun Jumlah Perusahaan Terdaftar di BEI 2008 2009 2010 2011 2012 1 Makanan dan Minuman 14 14 15 14 14 Universitas Sumatera Utara Tabel 4.2 Jumlah Perusahaan Manufaktur yang Terdaftar di BEI Periode 2008-2012 Lanjutan No Subsektor Tahun Jumlah Perusahaan Terdaftar di BEI 2008 2009 2010 2011 2012 2 Rokok 4 4 3 3 3 3 Farmasi 10 10 10 10 10 4 Kosmetik dan Barang Keperluan Rumah Tangga 4 4 3 4 4 5 Peralatan Rumah Tangga 3 3 3 3 3 TOTAL 35 35 34 34 34 Sumber : idx fact book 2008 hingga 2012, diolah penulis, 2013 Melalui pemilihan sampel dengan teknik purposive sampling diperoleh 23 perusahaan sebagai sampel penelitian dengan periode penelitian sebanyak 5 lima tahun mulai dari tahun 2008 hingga 2012, sehingga data penelitian secara keseluruhan berjumlah 115 pengamatan 23 perusahaan x 5 periode. Tabel 4.2 berikut menampilkan daftar perusahaan yang menjadi sampel penelitian dari masing-masing subsektor industri. Tabel 4.3 Daftar Sampel Penelitian No Nama Perusahaan Kode Saham Tanggal Listing I Subsektor : Makanan dan Minuman 1 Tiga Pilar Sejahtera Food Tbk AISA 11 Juni 1997 2 Cahaya Kalbar Tbk CEKA 9 Juli 1996 3 Delta Djakarta Tbk DLTA 12 Februari 1984 4 Indofood Sukses Makmur Tbk INDF 14 Juli 1994 Universitas Sumatera Utara Tabel 4.4 Daftar Sampel Penelitian Lanjutan No Nama Perusahaan Kode Saham Tanggal Listing I Subsektor : Makanan dan Minuman 5 Multi Bintang Indonesia Tbk MLBI 17 Januari 1994 6 Mayora Indah Tbk MYOR 4 Juli 1990 7 Sekar Laut Tbk SKLT 8 September 1993 8 Ultrajaya Milk Industry and Trading Company Tbk ULTJ 2 Juli 1990 II Subsektor : Rokok 1 Gudang Garam Tbk GGRM 27 Agustus 1990 2 HM Sampoerna Tbk HMSP 15 Agustus 1990 III Subsektor : Farmasi 1 Darya-Varia Laboratoria Tbk DVLA 11 November 1994 2 Indofarma Tbk INAF 17 April 2001 3 Kimia Farma Tbk KAEF 4 Juli 2001 4 Kalbe Farma Tbk KLBF 30 Juli 1991 5 Merck Tbk MERK 23 Juli 1981 6 Pyridam Farma Tbk PYFA 16 Oktober 2001 7 Taisho Pharmaceutical Indonesia Tbk SQBB 29 Maret 1983 8 Tempo Scan Pasific Tbk TSPC 17 Juni 1994 IV Subsektor : Kosmetik dan Barang Keperluan Rumah Tangga 1 Mustika Ratu Tbk MRAT 27 Juli 1995 2 Mandom Indonesia Tbk TCID 23 September 1993 3 Unilever Indonesia Tbk UNVR 11 Januari 1982 V Subsektor : Peralatan Rumah Tangga 1 Kedawung Setia Industrial Tbk KDSI 29 Juli 1996 2 Langgeng Makmur Industry Tbk LMPI 17 Oktober 1994 Sumber : idx.co.id diolah penulis, 2013 Universitas Sumatera Utara

4.1.2 Deskripsi Data Penelitian

Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai minimum dan maksimum, rata-rata mean, dan standar deviasi Ghozali, 2011:19. Nilai minimum dan maksimum menunjukkan nilai tertinggi dan terendah dari data penelitian, sementara itu nilai mean menunjukkan nilai rata-rata dari data penelitian. Standar deviasi merupakan ukuran penyebaran yang memberikan informasi sebagaimana data menyebar. Nilai ukuran penyebaran yang besar menunjukkan bahwa data sangat beragambervariasi, sedangkan ukuran penyebaran yang kecil menunjukkan bahwa data lebih kompak atau homogen. Statistik deskriptif dari setiap variabel penelitian yang terdapat dalam penelitian ini disajikan dalam tabel 4.3 berikut. Tabel 4.5 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation WCTA 115 -.293 .729 .33993 .229001 DER 115 .104 8.441 .82951 .931766 ITO 115 1.154 15.110 4.30403 2.081424 TATO 115 .364 3.248 1.37113 .523224 GPM 115 .105 .719 .37387 .174311 OPM 115 .007 .471 .13528 .105391 LABA 115 -.634 5.874 .37295 .731114 Valid N listwise 115 Sumber: Ouput SPSS 19, diolah penulis 2013 Berdasarkan statistik deskriptif data yang disajikan pada tabel 4.3 tersebut, dapat dijelaskan hal berikut : Universitas Sumatera Utara 1. WCTA minimum yaitu sebesar -0,293 dimiliki oleh PT Multi Bintang Indonesia pada tahun 2009. Nilai WCTA diperoleh dari nilai aset lancar yaitu aset yang perputarannya kurang dari 1 satu tahun dikurangi dengan hutang jangka pendek yang harus dilunasi, kemudian hasil pengurangan tersebut dibagi dengan jumlah aset yang dimiliki. Rasio WCTA yang hanya -0,239 mengindikasikan jika modal operasional PT Multi Bintang Indonesia sangat rendah, ini dapat menjadi ancaman bagi kegiatan operasi dari PT Multi Bintang Indonesia. Rasio WCTA maksimum dimiliki oleh PT Merck Tbk pada tahun 2011 sebesar 0,729. Ini menandakan bahwa PT Merck Tbk memiliki modal operasional yang cukup tinggi dan paling efisien dalam mengelola aset lancar yang dimiliki sehingga mampu menutupi jumlah hutang jangka pendek yang harus dilunasi. Adapun mean WCTA yang dimiliki oleh industri barang konsumsi yang terdaftar di BEI selama periode 2008-2012 adalah 0,339. Sementara itu nilai standar deviasi dari industri barang konsumsi selama periode 2008-2012 adalah 0,229. Ini menujukkan bahwa ukuran penyebaran nilai rasio WCTA relatif kecil, sehingga rasio WCTA pada sektor industri barang konsumsi lebih homogen. 2. DER minimum yaitu sebesar 0,104 dimiliki oleh PT Mandom Indonesia Tbk pada tahun 2010. Nilai DER diperoleh dari jumlah utang yang dimiliki dibagi dengan modal yang dimiliki, dengan rasio DER sebesar 0,104 mengindikasikan bahwa PT Mandom Indonesia Tbk sebagai perusahaan yang Universitas Sumatera Utara paling sedikit menggunakan hutang sebagai sumber pendanaan bagi perusahaan. Rasio DER maksimum dimiliki oleh PT Multi Bintang Indonesia Tbk pada tahun 2009 sebesar 8,441. Ini menandakan bahwa PT Multi Bintang Indonesia Tbk paling banyak menggunakan hutang sebagai sumber pendanaan perusahaan. Hal ini dapat menimbulkan resiko yang cukup besar ketika PT Multi Bintang Indonesia Tbk tidak mampu melunasi hutang- hutangnya tersebut. Adapun mean DER yang dimiliki oleh industri barang konsumsi yang terdaftar di BEI selama periode 2008-2012 adalah 0,829. Sementara itu nilai standar deviasi dari industri barang konsumsi selama periode 2008-2012 adalah 0,931. Ini menujukkan bahwa ukuran penyebaran nilai rasio DER relatif kecil, sehingga rasio DER pada sektor industri barang konsumsi lebih homogen. 3. ITO minimum yaitu sebesar 1,154 dimiliki oleh PT Tiga Pilar Sejahtera Food Tbk pada tahun 2009. Nilai ITO didapat dari harga pokok penjualan yaitu biaya langsung yang dikeluarkan dalam kegiatan produksi dibagi dengan rata- rata persediaan bahan baku, dengan rasio ITO sebesar 1,154 mengindikasikan tidak efisisiensinya kinerja PT Tiga Pilar Sejahtera Food Tbk dalam memproduksi produk sehingga banyak persediaan bahan baku yang menumpuk. Rasio ITO maksimum dimiliki oleh PT Cahaya Kalbar Tbk pada tahun 2008 sebesar 15,11. Ini menunjukkan bahwa PT Cahaya Kalbar Tbk merupakan perusahaan yang paling efisien dan produktif dalam kegaitan bisnisnya, Universitas Sumatera Utara dimana perputaran persediaan barang yang dimiliki sangat tinggi dibanding perusahaan-perusahaan lain pada sektor industri barang konsumsi. Adapun mean ITO yang dimiliki oleh industri barang konsumsi yang terdaftar di BEI selama periode 2008-2012 adalah 4,304. Sementara itu nilai standar deviasi dari industri barang konsumsi selama periode 2008-2012 adalah 2,081. Ini menujukkan bahwa ukuran penyebaran nilai rasio ITO lumayan tinggi, sehingga rasio ITO pada sektor industri barang konsumsi lebih bervariasi. 4. TATO minimum yaitu sebesar 0,364 dimiliki oleh PT Tiga Pilar Sejahtera Food Tbk pada tahun 2010. Nilai TATO didapat dari jumlah penjualan bersih dibagi dengan jumlah aset yang dimiliki, dengan rasio TATO yang hanya 0,364 mengindikasikan bahwa PT Tiga Pilar Sejahtera Food Tbk tidak efektif dalam menggunakan seluruh aset yang dimiliki, sehingga mengakibatkan rendahnya penjualan bersih yang diperoleh. Rasio TATO maksimum dimiliki oleh PT Cahaya Kalbar Tbk pada tahun 2008 sebesar 3,248. Ini menunjukkan bahwa PT Cahaya Kalbar Tbk menghasilkan penjualan bersih yang tinggi karena efektif dalam mengelola seluruh aset yang dimiliki. Adapun mean TATO yang dimiliki oleh industri barang konsumsi yang terdaftar di BEI selama periode 2008-2012 adalah 1,371. Sementara itu nilai standar deviasi dari industri barang konsumsi selama periode 2008-2012 adalah 0,523. Ini menujukkan bahwa ukuran penyebaran nilai rasio TATO relatif kecil, sehingga rasio TATO pada sektor industri barang konsumsi lebih homogen. Universitas Sumatera Utara 5. GPM minimum yaitu sebesar 0,105 dimiliki oleh PT Kedawung Setia Industrial Tbk pada tahun 2008. Nilai GPM didapat dari jumlah laba kotor yang dihasilkan dibagi dengan jumlah penjualan bersih selama setahun, dengan rasio GPM yang hanya 0,105 mengindikasikan rendahnya jumlah laba kotor yang dihasilkan oleh PT Kedawung Setia Industrial Tbk, karena tingginya biaya langsung yang dikeluarkan dalam kegiatan produksi. Rasio GPM maksimum dimiliki oleh PT Delta Djakarta Tbk pada tahun 2012 sebesar 0,719. Nilai ini menandakan bahwa PT Delta Djakarta Tbk menghasilkan laba kotor yang paling tinggi dibanding dengan perusahaan lain pada sektor industri barang konsumsi. Selain itu PT Delta Djakarta Tbk lebih efisien dalam kegiatan produksinya. Adapun mean GPM yang dimiliki oleh industri barang konsumsi yang terdaftar di BEI selama periode 2008-2012 adalah 0,373. Sementara itu nilai standar deviasi dari industri barang konsumsi selama periode 2008-2012 adalah 0,174. Ini menunjukkan bahwa ukuran penyebaran nilai rasio GPM relatif kecil, sehingga rasio GPM pada sektor industri barang konsumsi lebih homogen. 6. OPM minimum yaitu sebesar 0,007 dimiliki oleh PT Indofarma Tbk pada tahun 2008. Nilai OPM didapat dari jumlah laba operasi atau laba sebelum pajak yang dihasilkan dibagi dengan penjualan bersih yang diperoleh selama satu periode, dengan rasio OPM yang hanya 0,007 mengindikasikan laba operasi dari PT Indofarma Tbk sangat rendah, karena PT Indofarma Tbk banyak melakukan pengeluaran melalui kegiatan operasinya. Universitas Sumatera Utara Rasio OPM maksimum dimiliki oleh PT Taisho Pharmaceutical Indonesia Tbk pada tahun 2011 sebesar 0,471. Nilai ini menandakan bahwa PT Taisho Pharmaceutical Indonesia Tbk memiliki laba operasi yang paling tinggi dibanding dengan perusahaan lain pada sektor industri barang konsumsi. Ini juga mengindikasikan bahwa PT Taisho Pharmaceutical Indonesia Tbk memiliki kegiatan operasi yang efektif. Adapun mean OPM yang dimiliki oleh industri barang konsumsi yang terdaftar di BEI selama periode 2008-2012 adalah 0,135. Sementara itu nilai standar deviasi dari industri barang konsumsi selama periode 2008-2012 adalah 0,105. Nilai ini menunjukkan bahwa ukuran penyebaran nilai rasio OPM relatif kecil, sehingga rasio OPM dari sektor industri barang konsumsi lebih homogen. 7. Pertumbuhan Laba minimum yaitu sebesar -0,634 dimiliki oleh PT Ultrajaya Milk Industry and Trading Company Tbk pada tahun 2009. Pertumbuhan Laba diperoleh dari jumlah laba yang diperoleh tahun saat ini dikurangi jumlah laba yang diperoleh tahun sebelumnya, kemudian hasil pengurangan tersebut dibagi dengan jumlah laba yang diperoleh tahun sebelumnya. Dengan pertumbuhan laba sebesar -0,634 ini menunjukkan bahwa laba yang diperoleh PT Ultrajaya Tbk tahun 2009 mengalami penurunan dibanding tahun 2008, jika ini terus berlanjut maka dapat mengancam kelangsungan usaha dari PT Ultrajaya. Pertumbuhan Laba maksimum dimiliki oleh PT Ultrajaya Milk Industry and Trading Company Tbk pada tahun 2008 sebesar 5,874. Nilai ini mengindikasikan bahwa laba tahun 2008 yang diperoleh oleh PT Ultrajaya Universitas Sumatera Utara jauh lebih tinggi dibanding laba tahun 2007, karena itu nilai seperti ini harus dipertahankan untuk terus meningkatkan kelangsungan usaha dari PT Ultrajaya. Adapun mean Pertumbuhan Laba yang dimiliki oleh industri barang konsumsi yang terdaftar di BEI selama periode 2008-2012 adalah 0,372. Sementara itu nilai standar deviasi dari industri barang konsumsi selama periode 2008-2012 adalah 0,731. Nilai ini menunjukkan bahwa ukuran penyebaran pertumbuhan laba cukup tinggi, sehingga pertumbuhan laba dari sektor industri barang konsumsi lebih bervariasi.

4.2 Hasil Pengujian Asumsi Klasik

4.2.1 Hasil Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal, model regresi yang baik memiliki distribusi data normal atau mendekati normal Ghozali, 2011:160. Uji normalitas penelitian ini dilakukan dengan analisis grafik dan uji Kolmogorov- Smirnov, berikut adalah tampilan dari uji normalitas dalam penelitian ini. 1. Analisis Grafik Analisis grafik yang digunakan dalam penelitian ini adalah dengan grafik histogram dan grafik P-P Plot. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng Ghozali, 2011:163. Berikut ini merupakan hasil uji normalitas dalam penelitian ini dengan menggunakan analisis grafik histogram. Universitas Sumatera Utara Gambar 4.1 Grafik Histogram Sumber: Output SPSS 19 diolah penulis, 2013 Grafik histogram pada gambar 4.1 menunjukkan bahwa grafik menceng ke kiri dan tidak membentuk pola berbentuk bel atau lonceng, maka dapat disimpulkan model regresi tidak memenuhi asumsi normalitas dengan demikian data yang digunakan dalam penelitian ini tidak terdistribusi secara normal. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik- titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal Ghozali, 2011:163. Berikut ini merupakan hasil uji normalitas dengan menggunakan analisis grafik P-P Plot. Universitas Sumatera Utara Gambar 4.2 Grafik Normal P-P Plot Sumber: Output SPSS 19 diolah penulis, 2013 Grafik Normal P-P Plot pada gambar 4.2 menunjukkan bahwa titik-titik data menceng ke kiri dan ke kanan serta menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi tidak memenuhi asumsi normalitas dengan demikian data yang digunakan dalam penelitian ini tidak terdistribusi secara normal. 2. Uji Kolmogorov-Smirnov Uji ini didasarkan pada Kolmogorov–Smirnov Test yang dilakukan terhadap data residual model regresi. Jika nilai probabilitas atau sig. 2-tailed lebih besar dari 0.05 maka data tersebut terdistribusi normal, tetapi jika nilai probabilitas sig. 2-tailed lebih kecil dari 0.05 maka distribusi data tersebut Universitas Sumatera Utara tidak normal Ghozali, 2011:32. Berikut ini merupakan hasil uji normalitas dengan uji Kolmogorov–Smirnov dalam penelitian ini. Tabel 4.6 Hasil Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 115 Normal Parameters a,b Mean .00000 Std. Deviation .699349 Most Extreme Differences Absolute .181 Positive .181 Negative -.162 Kolmogorov-Smirnov Z 1.945 Asymp. Sig. 2-tailed .001 a. Test distribution is Normal. b. Calculated from data. Sumber: Output SPSS 19 diolah penulis, 2013 Sesuai dengan uji Kolmogorov-Smirnov yang ditunjukkan oleh tabel 4.4 di atas, dimana nilai probabilitas atau Asymp. Sig. 2-tailed sebesar 0,001. Oleh karena itu nilai probabilitas lebih kecil dari 0,05 atau 0,001 0,05 maka H ditolak yang berarti data residual tidak terdistribusi secara normal. Melalui uji normalitas yang telah dilakukan, baik melalui analisis grafik maupun uji Kolmogorov-Smirnov dapat disimpulkan bahwa data yang digunakan dalam penelitian ini tidak terdistribusi secara normal dan tidak memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE. Data yang tidak terdistribusi secara normal dapat disebabkan karena adanya data outlier yaitu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh atau ekstrim Universitas Sumatera Utara dari observasi-observasi lainnya Ghozali, 2011:41. Ada 4 empat penyebab timbulnya data oulier yaitu kesalahan dalam mengetri data, gagal menspesifikasi adanya missing value, outlier bukan merupakan anggota populasi yang diambil sebagai sampel, distribusi dari variabel dalam populasi tersebut memiliki nilai ekstrim dan tidak terdistribusi normal Ghozali, 2011:41. Sesuai dengan empat penyebab timbulnya data outlier tersebut, maka menurut peneliti penyebab timbulnya data outlier dalam penelitian ini karena distribusi dari variabel dalam populasi penelitian ini memiliki nilai ekstrim sehingga tidak terdistribusi normal. Hal ini dibuktikan dengan uji normalitas yang telah dilakukan dimana hasilnya menunjukkan ketidaknormalan distribusi data dalam penelitian ini, penyebabnya karena beberapa data yang digunakan dalam penelitian ini memiliki nilai ekstrim dan perbedaan yang terlalu signifikan dibanding data-data lain. Ketidaknormalan data penelitian dapat diatasi dengan melakukan transformasi terhadap data tersebut agar menjadi normal Ghozali, 2011:35. Agar residual datanya menjadi normal, maka transformasi data perlu dilakukan untuk seluruh variabel penelitian. Karena itu data awal dalam penelitian ini akan ditransformasi sesuai dengan bentuk histogram dari setiap variabel penelitian baik variabel bebas maupun terikat. Penulis melakukan transformasi data ke model akar kuadrat untuk variabel WCTA, DER, GPM dan OPM, sementara itu untuk variabel ITO, TATO, dan Pertumbuhan Laba penulis melakukan transformasi data ke model Logaritma 10. Transformasi yang dilakukan terhadap data awal yang berjumlah 115 pengamatan, menimbulkan munculnya 18 pengamatan yang missing value. Universitas Sumatera Utara Pengolahan data dengan SPSS membuat pengamatan yang memiliki missing value ini otomatis dibuang, sehingga jumlah pengamatan setelah ditransformasi adalah 97 pengamatan, ini diperoleh dari 115 pengamatan awal dikurang 18 pengamatan yang missing value. Tabel berikut menunjukkan 18 pengamatan yang memiliki missing value setelah transformasi. Tabel 4.7 Missing Value Pengamatan Penelitian Pengamatan Sampel Perusahaan Tahun 12 Indofarma Tbk 2008 22 Kedawung Setia Industrial Tbk 2008 24 Tiga Pilar Sejahtera Food Tbk 2009 31 Ultrajaya Milk Industry and Trading Company Tbk 2009 42 Mustika Ratu Tbk 2009 48 Cahaya Kalbar Tbk 2010 53 Sekar Laut Tbk 2010 61 Merck Tbk 2010 63 Taisho Pharmaceutical Indonesia Tbk 2010 66 Mandom Indonesia Tbk 2010 69 Langgeng Makmur Industry Tbk 2010 75 Mayora Indah Tbk 2011 77 Ultrajaya Milk Industry and Trading Company Tbk 2011 94 Cahaya Kalbar Tbk 2012 96 Indofood Sukses Makmur Tbk 2012 101 Gudang Garam Tbk 2012 107 Merck Tbk 2012 115 Langgeng Makmur Industry Tbk 2012 Sumber : Data diolah penulis, 2013 Penulis selanjutnya akan mendeteksi data outlier dari 97 pengamatan tersebut, apabila ditemukan data outlier dari 97 pengamatan tersebut maka data Universitas Sumatera Utara outlier tersebut juga akan otomotatis dibuang karena dianggap menjadi pemicu terjadinya ketidaknormalan data dalam penelitian ini. Menurut Hair 1998 dalam Ghozali, 2011:41 untuk kasus sampel kecil kurang dari 80 maka standar skor dengan nilai ≥ 2,5 dinyatakan outlier, untuk sampel besar standar skor dinyatakan outlier jika nilainya pada kisaran 3 sampai 4. Karena jumlah pengamatan dalam penelitian ini yang mencapai 97 pengamatan maka data yang memiliki nilai 3 atau -3 akan dianggap sebagai data outlier. Tabel 4.8 Data Oulier dari Pengamatan Pengamatan Sampel Perusahaan NilaiSkor 25 Multi Bintang Indonesia Tbk 5,492 42 Tiga Pilar Sejahtera Food Tbk - 3,263 Sumber : Data diolah penulis, 2013 Kedua pengamatan yang memiliki data outlier tersebut akhirnya dibuang, dengan demikian jumlah pengamatan dalam penelitian ini adalah 95 pengamatan, setelah 97 pengamatan hasil transformasi tersebut dikurangi 2 dua pengamatan yang memiliki data outlier, dengan demikian jumlah akhir pengamatan dalam penelitian ini adalah 95 pengamatan. Terhadap 95 pengamatan ini akan dilakukan uji asumsi klasik, analisis linear dan juga test of goodness of fit. Hasil uji normalitas terhadap data dari 95 pengamatan dalam penelitian ini adalah sebagai berikut. Universitas Sumatera Utara 1. Analisis Grafik Gambar 4.3 Grafik Histogram Setelah Transformasi Data dan Outlier Sumber: Output SPSS 19 diolah penulis, 2013 Grafik histogram pada gambar 4.3 menunjukkan bahwa pola distribusi normal, karena grafik tidak menceng ke kiri atau ke kanan melainkan membentuk pola bel atau lonceng, sehingga dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas, dengan demikian data yang digunakan dalam penelitian ini telah terdistribusi secara normal. Hasil ini juga diperkuat dengan hasil uji grafik normal P-P Plot berikut. Universitas Sumatera Utara Gambar 4.4 Grafik Normal P-P Plot Setelah Transformasi Data dan Outlier Sumber: Output SPSS 19 diolah penulis, 2013 Grafik Normal P-P Plot pada gambar 4.4 menunjukkan bahwa titik-titik data tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, sehingga dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas dengan demikian data yang digunakan dalam penelitian ini telah terdistribusi secara normal. Universitas Sumatera Utara 2. Uji Kolmogorov-Smirnov Tabel 4.9 Uji Kolmogorov-Smirnov Setelah Transformasi Data dan Outlier a. Test distribution is Normal. b. Calculated from data. Sumber: Output SPSS 19 diolah penulis, 2013 Sesuai dengan uji Kolmogorov-Smirnov yang ditunjukkan oleh tabel 4.8 di atas, maka diperoleh nilai probabilitas atau Asymp.Sig.2-tailed sebesar 0,994, dengan demikian nilai probabilitas lebih besar dari 0,05 atau 0,971 0,05, karena itu H ditolak yang berarti data residual terdistribusi dengan normal.

4.2.2 Hasil Uji Multikolinearitas

Uji multikoloniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen, model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2011:105. Jika nilai tolerance 0,1 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 95 Normal Parameters a,b Mean .00000 Std. Deviation .862564 Most Extreme Differences Absolute .043 Positive .039 Negative -.043 Kolmogorov-Smirnov Z .424 Asymp. Sig. 2-tailed .994 Universitas Sumatera Utara Ghozali, 2011:106. Berikut ini merupakan hasil uji multikolinearitas dalam penelitian ini. Tabel 4.10 Hasil Uji Multikolinearitas Coefficients a a. Dependent Variable: LABA Sumber : Output SPSS 19 diolah penulis, 2013 Hasil uji moltikolinearitas pada tabel 4.9 menunjukkan bahwa keenam variabel bebas yang digunakan dalam penelitian ini, memiliki tolerance value 0,1 dan VIF 10. Dengan demikian dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi.

4.2.3 Hasil Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t -1 sebelumnya, model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2011:110. Dalam model regresi tidak terjadi autokorelasi apabila nilai du d 4 – du Ghozali, 2011:111, Model Collinearity Statistics Tolerance VIF 1 Constant WCTA .352 2.837 DER .302 3.315 ITO .651 1.536 TATO .778 1.286 GPM .531 1.883 OPM .585 1.710 Universitas Sumatera Utara berikut ini merupakan hasil uji autokorelasi terhadap model regresi dalam penelitian ini. Tabel 4.11 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .511 a .261 .211 .891484 1.940 a. Predictors: Constant, OPM, TATO, DER, ITO, GPM, WCTA b. Dependent Variable: LABA Sumber : Output SPSS 19 diolah penulis, 2013 Hasil uji autokorelasi pada tabel 4.10 menunjukkan bahwa nilai Durbin- Watson d sebesar 1,940. Nilai ini akan kita bandingkan dengan nilai pada tabel Durbin-Watson dengan menggunakan signifikansi 5 dan jumlah pengamatan n 95 serta jumlah variabel independen 6 k=6, maka berdasarkan tabel Durbin- Watson diperoleh nilai batas atas du sebesar 1,802 dan nilai batas bawah dl sebesar 1,535. Sehingga diperoleh persamaan berikut : du d 4 – du 1,802 1,940 2,198 maka dapat ditarik kesimpulan bahwa dalam model regresi penelitian ini tidak terjadi autokorelasi positif atau negatif.

4.2.4 Hasil Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain, model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2011:139. Cara yang yang Universitas Sumatera Utara digunakan untuk mendeteksi ada-tidaknya heteroskedastisitas dalam penelitian ini adalah dengan melihat diagram scatterplot dan uji glejser. Pada scatterplot jika tidak ada pola yang jelas, serta titik–titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2011:139. Berikut ini merupakan hasil uji heteroskedastisistas dengan digram scatterplot terhadap model regresi dalam penelitian ini. Gambar 4.5 Diagram Scatterplot Sumber : Output SPSS 19 diolah penulis, 2013 Diagram Scatterplot pada gambar 4.5 menunjukkan bahwa tidak terbentuk pola yang jelas pada gambar serta titik-titik menyebar secara acak dan tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Maka dapat disimpulkan Universitas Sumatera Utara bahwa tidak terjadi heteroskedastisitas pada model regresi dalam penelitian ini. Untuk memperkuat hasil uji diagram scatterplot tersebut, maka uji heteroskedastisitas dalam penelitian ini juga dilengkapi dengan uji glejser, tabel 4.10 berikut menampilkan hasil uji glejser terhadap model regresi dalam penelitian ini. Tabel 4.12 Hasil Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .677 .055 12.358 .000 WCTA .030 .094 .056 .316 .753 DER -.115 .122 -.179 -.941 .349 ITO -.035 .069 -.066 -.510 .611 TATO -.023 .065 -.041 -.348 .728 GPM -.006 .074 -.012 -.083 .934 OPM .008 .071 .015 .109 .914 a. Dependent Variable: ABS_RES Sumber : Output SPSS 19 diolah penulis, 2013 Hasil uji glejser pada tabel 4.11 menunjukkan bahwa nilai signifikan sig. keenam variabel bebas yang digunakan dalam penelitian ini lebih besar dari 0,05 dengan demikian dapat ditarik kesimpulan bahwa tidak terjadi heteroskedastisitas pada model regresi.

4.3 Hasil Analisis Data

Hasil uji asumsi klasik yang dilakukan terhadap data dalam penelitian ini menunjukkan bahwa data yang digunakan dalam penelitian ini telah memenuhi asumsi klasik, yaitu data terdistribusi normal, tidak terjadi gejala Universitas Sumatera Utara multikolinearitas, tidak terdapat autokorelasi dan tidak terjadi gejala heteroskedastisitas dengan demikian dapat disimpulkan bahwa model regresi yang digunakan dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE dan layak untuk dilakukan analisis regresi Ghozali, 2011:173. Hasil regresi dapat dilihat pada tabel 4.12 berikut. Tabel 4.13 Hasil Analisis Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .007 .092 .079 .937 WCTA .128 .158 .125 .811 .419 DER .107 .206 .086 .517 .606 ITO .102 .117 .099 .872 .385 TATO -.398 .110 -.377 -3.626 .000 GPM -.374 .126 -.374 -2.979 .004 OPM .135 .119 .136 1.133 .260 a. Dependent Variable: LABA Sumber : Output SPSS 19 diolah penulis, 2013 Sesuai dengan hasil analisis regresi pada tabel 4.12 tersebut maka diperoleh model persamaan regresi linear berganda berikut : Ŷ = 0,007 + 0,128 X 1 + 0,107 X 2 + 0,102 X 3 - 0,398 X 4 - 0,374 X 5 + 0,135 X 6 + e Model persamaan regresi linear berganda di atas, dapat dijelaskan sebagai berikut: 1. Konstanta memiliki nilai 0,007 yang berarti jika WCTA, DER, ITO, TATO, GPM dan OPM konstan, maka pertumbuhan laba akan mengalami kenaikan sebesar 0,007 satuan. 2. Koefisien regresi untuk WCTA memiliki nilai 0,128 yang berarti setiap kenaikan 1 satu satuan yang dialami oleh WCTA, maka akan diikuti oleh Universitas Sumatera Utara kenaikan pertumbuhan laba sebesar 0,128 satuan. Dalam hal ini faktor lain yang mempengaruhi pertumbuhan laba dianggap konstan. 3. Koefisien regresi untuk DER memiliki nilai sebesar 0,107 yang berarti setiap kenaikan 1 satu satuan yang dialami oleh DER, maka akan diikuti oleh kenaikan pertumbuhan laba sebesar 0,107 satuan. Dalam hal ini faktor lain yang mempengaruhi pertumbuhan laba dianggap konstan. 4. Koefisien regresi untuk ITO memiliki nilai sebesar 0,102 yang berarti setiap kenaikan 1 satu satuan yang dialami oleh ITO, maka akan diikuti oleh kenaikan pertumbuhan laba sebesar 0,102 satuan. Dalam hal ini faktor lain yang mempengaruhi pertumbuhan laba dianggap konstan. 5. Koefisien regresi untuk TATO memiliki nilai sebesar -0,398 yang berarti setiap kenaikan 1 satu satuan yang dialami oleh TATO, maka akan diikuti oleh penurunan pertumbuhan laba sebesar 0,398 satuan. Dalam hal ini faktor lain yang mempengaruhi pertumbuhan laba dianggap konstan. 6. Koefisien regresi untuk GPM memiliki nilai sebesar -0,347 yang berarti setiap kenaikan 1 satu satuan yang dialami oleh GPM, maka akan diikuti oleh penurunan pertumbuhan laba sebesar 0,347 satuan. Dalam hal ini faktor lain yang mempengaruhi pertumbuhan laba dianggap konstan. 7. Koefisien regresi untuk OPM memiliki nilai sebesar 0,135 yang berarti setiap kenaikan 1 satu satuan yang dialami oleh OPM, maka akan diikuti oleh kenaikan pertumbuhan laba sebesar 0,135 satuan. Dalam hal ini faktor lain yang mempengaruhi pertumbuhan laba dianggap konstan. Universitas Sumatera Utara

4.4 Hasil