Teknik Pengumpulan Data Metode Analisis Data c

29 lain yang tidak memenuhi kriteria tidak dapat dijadikan sampel dalam penelitian ini.

3.3. Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan dalam penelitian ini adalah dokumentasi, yaitu peneliti melakukan pengumpulan data sekunder atau data yang diperoleh secara tidak langsung atau melalui media perantara yaitu internet melalui situs Bursa Efek Indonesia dengan melihat laporan keuangan yang diterbitkan setiap tahunnya baik dalam media cetak maupun data yang di download melalui situs www.idx.co.id .

3.4. Defenisi Operasional dan Pengukuran Variabel Penelitian

Variabel yang digunakan oleh penulis dalam penelitian ini adalah sebagai berikut :

3.4.1. Variabel Independen bebas

Menurut sugiyono 2005:33, variabel bebas merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen terikat. Variabel independen dalam penelitian ini adalah leverage keuangan. Leverage keuangan merupakan penggunaan dana yang disertai dengan beban tetap pendanaan dengan utang. Leverage keuangan diukur melalui rasio solvabilitaspengungkit. Rasio pengungkit adalah rasio untuk mengetahui Universitas Sumatera Utara 30 kemampuan perusahaan dalam membayar kewajiban jika perusahaan tersebut dilikuidasi Darsono, 2005:54. Alat ukur yang digunakan adalah : a. Debt to Asset Ratio DAR Rasio ini menekankan pentingnya pendanaan hutang dengan jalan menunjukkan persentase aktiva perusahaan yang didukung oleh hutang. Rasio ini juga menyediakan informasi tentang kemampuan perusahaan dalam mengadaptasi kondisi pengurangan aktiva akibat kerugian tanpa mengurangi pembayaran bunga kepada kreditor. Nilai rasio yang tinggi menunjukkan peningkatan dari risiko pada kreditor. Darsono, 2005:54. b. Debt to Equity Rasio DER Rasio ini menunjukkan persentase penyediaan dana oleh pemegang saham terhadap pemberi pinjaman. Semakin tinggi rasio menunjukkan semakin rendah pendanaan perusahaan yang disediakan oleh pemegang saham. Darsono, 2005:54. c. Long term Debt to Equity Ratio LDER Rasio ini menunjukkan perbandingan antara klaim keuangan jangka panjang yang digunakan untuk mendanai kesempatan investasi jangka panjang dengan pengembalian jangka panjang pula. Brigham, 1996:543. Universitas Sumatera Utara 31

3.4.2. Variabel dependen terikat

Menurut sugiyono 2005:33, variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas. Variabel dependen dalam penelitian ini adalah aktivitas investasi perusahaan. Aktivitas investasi mengacu pada perolehan dan pemeliharaan investasi dengan tujuan menjual produk dan menyediakan jasa, dan untuk tujuan menginvestasikan kelebihan kas. Investasi dalam tanah, bangunan, peralatan, hak legal paten, lisensi, hak cipta, persediaan, sistem informasi, dan aktiva sejenis adalah untuk menjalankan operasi bisnis perusahaan Wild, 2005:22. Aktivitas investasi perusahaan dapat dilihat pada sisi kiri neraca aktiva perusahaan. Aktivitas investasi perusahaan dapat diukur melalui rasio aktivitas untuk mengukur efektivitas manajemen dalam menggunakan sumber dayanya. Alat ukur yang digunakan adalah : a. Total Asset Turn Over TATO Rasio ini menggambarkan kemampuan operasional perusahaan dalam menjual dengan menggunakan aktiva yang dimiliki. Rasio produktivitas yang rendah menunjukkan terjadinya ketidakefisienan dalam menggunakan asset yang dimiliki Darsono, 2005:58. Universitas Sumatera Utara 32

3.5. Metode Analisis Data

Metode analisis data dalam penelitian ini menggunakan analisis statistik korelasi dengan menggunakan software SPSS 18. Tahap awal yang dilakukan sebelum melakukan pengujian hipotesis yaitu asumsi klasik. Pengujian asumsi klasik yang dilakukan terdiri dari uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi. Untuk pengujian hipotesis, dilakukan analisis uji F dan uji t. 3.6. Pengujian Asumsi Klasik 3.6.1. Uji Normalitas Data Uji normalitas bertujuan untuk menguji apakah model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Metode yang dapat dipakai untuk normalitas antara lain: analisis grafik dan analisis statistik. Uji normalitas dalam penelitian ini dilakukan dengan cara analisis grafik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya: a. Jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal menyerupai lonceng, regresi memenuhi asumsi normalitas. Universitas Sumatera Utara 33 b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

3.6.2. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah regresi mempunyai korelasi antara variabel independen. Menurut Umar 2003: 132 “multikolinieritas adalah ada tidaknya korelasi yang sempurna atau korelasi yang tidak sempurna tetapi relatif tinggi pada variabel-variabel bebasnya. Pengujian multikolonieritas dilakukan dengan melihat nilai VIF antar variabel independen. Untuk mendeteksi ada atau tidaknya multikolinieritas didalam model regresi adalah sebagai berikut: a. Nilai R 2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen. b. Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0.90, maka hal ini merupakan indikasi adanya multikolonieritas. Tidaknya adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolonieritas. c. Multikolonieritas dapat juga dilihat dari nilai tolerance dan lawannya serta variance inflation VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya Ghozali, 2006: 91. Universitas Sumatera Utara 34

3.6.3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain Ghazali, 2006: 105. Suatu model yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas. Menurut Ghazali 2006: 105 cara memprediksinya adalah jika pola gambar scatterplot model tersebut adalah: a. Titik - titik data menyebar diatas dan dibawah atau sekitar angka 0 b. Titik - titik data tidak mengumpul hanya diatas atau dibawah saja c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali d. Penyebaran titik-titik data sebaiknya tidak berpola.

3.6.4. Uji Autokorelasi

Uji autokorelasi dapat diartikan sebagai korelasi yang terjadi di antara anggota-anggota dari serangkaian observasi yang berderetan waktu apabila datanya time series atau korelasi antara tempat berdekatan apabila cross sectional. Adapun uji yang dapat digunakan untuk mendeteksi adanya penyimpangan asumsi klasik ini adalah uji Durbin Watson DW. Untuk melihat ada atau tidaknya autokorelasi dilihat dari tabel sebagai berikut: Universitas Sumatera Utara 35 Tabel 3.2 Tabel Pengambilan Keputusan Ada Tidaknya Autokorelasi Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidak ada korelasi negative Tolak 4 – dl d 4 Tidak ada korelasi negative No decision 4 –du ≤ d ≤ 4 – dl Tidak ada autokorelasi positif atau negative Tidak ditolak du d 4 – du Sumber: Ghozali, 2006: 96

3.7. Pengujian Hipotesis Peneliti

Pengujian hipotesis dalam penelitian ini dilakukan dengan analisis regresi berganda, uji signifikansi t-test serta uji signifikansi F-test. Menurut Rochaety 2007: 107 “dengan uji hipotesis kita memusatkan perhatian pada peluang kita membuat keputusan yang salah. Hipotesis diterima atau ditolak berdasarkan informasi yang terkandung dalam sampel tetapi menggambarkan keadaan populasi”.

3.7.1. Analisis Regresi Berganda

Regresi berganda bertujuan untuk menghitung besarnya pengaruh dua atau lebih variabel terkait dan memprediksi variabel terkait dengan menggunakan dua atau lebih variabel bebas”. Model persamaannya adalah sebagai berikut: Y= a+b 1 X 1 +b 2 X 2 +b 3 X 3 +e Universitas Sumatera Utara 36 Keterangan : Y = Variabel dependen yaitu Total Asset Turn Over TATO. a = Interceptkoefisien yang menyatakan perubahan rata – rata variabel dependen untuk setiap variabel independen sebesar satu atau yang disebut konstanta. b 1 ,b 2 ,b 3 , = Angka arah atau koefisien regresi yang menunjukkan angka peningkatan ataupun penurunan variabel dependen yang didasarkan pada variabel independen. Bila b + maka terjadi kenaikan pada variabel dependen, bila b - maka terjadi penurunan pada variabel dependen, dalam hal ini yaitu Total Asset Turn Over TATO. X 1 = Debt to Asset Rasio DAR X 2 = Debt to Equity Ratio DER X 3 = Long term Debt to Equity Ratio LDER e = error

3.7.2. Uji Signifikasi Simultan F-test

Pengujian hipotesis secara simultan dilakukan dengan uji F. Menurut Ghazali 2006: 84 “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama tehadap variabel dependenterikat”. Uji F merupakan suatu untuk mengetahui apakah semua variabel independen bukan merupakan penjelas yang sihnifikan terhadap variabel dependen. Penguji ini Universitas Sumatera Utara 37 dilakukan dengan menghitung serta membandingkan F hitung dengan F tabel yaitu ketentuan sebagai berikut: Jika F hitung F tabel dan signifikansi 5 H diterima Jika F hitung F tabel dan signifikansi 5 H a diterima

3.7.3. Uji Signifikasi Parsial t-test

Menurut Ghozali 2006: 84 “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variabel dependen”. Uji t merupakan suatu cara untuk mengukur apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Dalam pengujian ini dilakukan dengan menghitung serta membandingkan t hitung dengan t tabel yaitu dengan ketentuan sebagai berikut: Jika t hitung t tabel dan signifikansi 5 H diterima Jika t hitung t tabel dan signifikansi 5 H a diterima Universitas Sumatera Utara 38

BAB IV ANALISIS HASIL PENELITIAN

4.1. Hasil Penelitian

4.1.1. Deskripsi Data Statistik

Untuk memberikan gambaran dan informasi mengenai data variabel dalam penelitian ini maka digunakanlah tabel statistik deskriptif. Tabel statistik deskriptif ini meliputi nilai rata-rata mean, jumlah data N dan standar deviasi dari tiga variabel independen yaitu debt to asset ratio DAR, debt equity ratio DER, long term to equity ratio LDER sebagai variabel yang mempengaruhi total asset turn over TATO pada perusahaan food and beverage yang terdaftar di bursa efek Indonesia. lihat lampiran Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation LN_DAR 30 -1.83 -.12 -.7753 .40327 LN_DER 30 -2.53 3.74 .5229 1.49323 LN_LDER 30 -4.61 .31 -1.5068 1.26060 LN_TATO 30 -1.02 1.18 .1150 .52175 Valid N listwise 30 Sumber: hasil pengelohan SPSS 2012 Tabel 4.1 menunjukkan hasil output SPSS mengenai statistik deskriptif variabel penelitian tahun 2008 – 2010 dengan jumlah sampel keseluruhan sebanyak 30 perusahaan 10 perusahaan selama 3 tahun. Dari tabel tersebut dapat dijelaskan statistik deskriptif masing – masing variabel, bahwa : Universitas Sumatera Utara 39 a. Variabel DAR memiliki nilai minimum -1,83; nilai maksimum -0,12; nilai rata-rata DAR sebesar -0,7753 dengan standar deviasi 0,40327 dan jumlah observasi sebanyak 30 sampel b. Variabel DER memiliki nilai minimum -2,53; nilai maksimum 3,74; nilai rata-rata 0,5229 dengan standar deviasi sebesar 1,49323 dan jumlah observasi sebanyak 30 sampel c. Variabel LDER memiliki nilai minimum -4,61; nilai maksimum 0,31; nilai rata-rata -1,5068 dengan standar deviasi 1,26060 dan jumalah observasi sebanyak 30 sampel. d. Variabel TATO memiliki nilai minimum -1,02; nilai maksimum 1,18; nilai rata-rata 0,1150 dengan standart deviasi 0,52175 dan jumlah observasi sebanyak 30 sampel. 4.1.2 Uji Asumsi Klasik 4.1.2.1 Uji Normalitas Data Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal serta untuk menghindari bias dalam model regresi. Penggujian normalitas dalam penelitian ini menggunakan uji statistik non-parametik Kolmogorov-Sminov K-S, dengan membuat hipotesis: H : data residual berdistribusi normal H a : data residual tidak berdistribusi normal Universitas Sumatera Utara 40 Apabila signifikansi lebih besar dari 0,05 maka diterima, sedangkan jika nilai signifikansi lebih kecil dari 0,05 maka H ditolak. Tabel 4.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Standardized Residual N 29 Normal Parameters a,,b Mean .0000000 Std. Deviation .94491118 Most Extreme Differences Absolute .108 Positive .108 Negative -.079 Kolmogorov-Smirnov Z .582 Asymp. Sig. 2-tailed .887 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan SPSS 2012 Dari hasil pengelolahan data, diperoleh variabel DAR, DER, LDER dan TATO terdistribusi secara normal dengan nilai signifikan sebesar 0,887 0,05 maka H diterima Dengan demikian secara keseluruhan dapat disimpulkan bahwa nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal. Universitas Sumatera Utara 41 Gambar 4.1 Histogram Sumber; Hasil Pengolahan SPSS 2012 Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati normal, dari grafik histogram di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng kanan. Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Normalitas data dapat menggunakan normal P-Plot data dalam keadaan normal apabila distribusi data menyebar disekitar diagonal. Universitas Sumatera Utara 42 Gambar 4.2 Grafik Normal Plot Sumber: Hasil Pengolahan SPSS 2012 Pada grafik normal plot terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.

4.1.2.2 Uji Multikolinieritas

Untuk mendeteksi ada tidaknya multikolinieritas, dapat dilakukan dari hasil output SPSS dengan melihat nilai tolerance dan variance inflation factor VIF. Nilai yang umum dipakai untuk mendeteksi adanya gejala multikolinieritas adalah jika tolerance 0,1 sedangkan VIF 10 Ghozali, 2005: 92. Universitas Sumatera Utara 43 Tabel 4.3 Hasil Uji Multikolinieritas Coefficientsa Coefficients

a,b

Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -.032 .214 -.150 .882 LN_DAR -.613 .310 -.368 -1.975 .059 .846 1.182 LN_DER .072 .066 .205 1.092 .285 .835 1.198 LN_LDER .250 .088 .568 2.847 .009 .738 1.355 a. Dependent Variable: LN_TATO b. Weighted Least Squares Regression - Weighted by DAR Sumber: Hasil Pengolahan SPSS 2012 Dari data pada tabel 4.3 dapat disimpulkan bahwa tidak terjadi multikolonieritas dengan dasar nilai VIF untuk setiap variabel independen tidak ada yang melebihi 10 dan nilai tolerance tidak ada yang kurang dari 0.1, hal ini dapat dilihat dari nilai tolerance DAR sebesar 0,846; DER sebesar 0,835; LDER sebesar 0,738 tidak kurang dari 0,1 dan nilai VIF DAR sebesar 1,182; DER sebesar 1,198; dan LDER sebesar 1,355 tidak melebihi 10. Maka dapat dilakukan analisis lebih lanjut dengan menggunakan model regresi berganda. Universitas Sumatera Utara 44

4.1.2.3 Uji Heteroskedastisitas

Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah melihat plot grafik yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar pengambilan keputusannya adalah: 1 Jika pola tertentu, sperti titik-titik yang teratur maka telah terjadi heteroskedastisitas, 2 Jika tidak ada pola tertentu, serta titik-titik yang menyebar tidak tertentu diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heterskedastisitas atau terjadi homoskedastisitas dengan mengganti penyebaran titik-titik pada gambar. Gambar 4.3 Hasil Uji Heteroskedastisitas Sumber; Hasil Pengolahan SPSS 2012 Universitas Sumatera Utara 45 Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Dengan demikian, model ini layak dipakai untuk memprediksi kebijakan pendanaan pada perusahaan food and beverage yang terdaftar di bursa efek indonesia berdasarkan masukan variabel independen DAR, DER dan LDER.

4.1.2.4. Uji Autokorelasi

Autokorelasi dapat diartikan sebagai korelasi yang terjadi di antara anggota-anggota dari serangkaian observasi yang berderetan waktu apabila datanya time series atau korelasi antara tempat berdekatan apabila cross sectional. Tabel 4.4 Hasil Uji Autokorelasi Model Summary

b,c

Model R R Squar e Adjusted R Square Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 .515 a .265 .177 .36021 .265 3.002 3 25 .049 1.939 a. Predictors: Constant, LN_LDER, LN_DAR, LN_DER b. Dependent Variable: LN_TATO c. Weighted Least Squares Regression - Weighted by DAR Sumber: Hasil Pengolahan SPSS 2012 Hasil uji autokorelasi diatas menunjukkan nilai R sebesar 0,515 menunjukkan bahwa koralasi yang kecil yaitu 51,5. Nilai adjust R square Universitas Sumatera Utara 46 sebesar 0,265 atau 26,5 mengindikasikan bahwa variasi dari kedua variabel independen hanya mampu menjelaskan variabel dependen 51,5. Durbin – Watson sebesar 1,939, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai signifikansi 5 jumlah sampel 30 n dan jumlah independen 3 k=3. Oleh karena nilai DW 1,939 lebih besar dari batas du 1,650 dan kurang dari 3-1,6503-du, maka dapat disimpulkan bahwa tidak ada autokorelasi positif atau negatif. 4.1.3 Pengujian Hipotesis Penelitian 4.1.3.1. Persamaan Regresi Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel dependen dengan variabel independen. Tabel 4.5 Hasil Analisis Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 1.322 .386 3.429 .002 DAR -.453 .902 -.121 -.503 .619 DER .007 .015 .094 .434 .668 LDER .344 .369 .220 .933 .359 a. Dependent Variable: TATO Sumber: Hasil Pengolahan SPSS 2012 Universitas Sumatera Utara 47 Berdasarkan hasil analisis regresi seperti tertera pada ringkasan tabel 4.5 diatas diperoleh persamaan model regresi yang distandarkan sebagai berikut: Y= 1,322 – 0,453X 1 + 0,007X 2 + 0,344X 3 + e Adapun interpretasi dari persamaan di atas adalah: 1. a = 1,322 nilai konstanta ini menunjukkan bahwa apabila tidak ada variabel DAR, DER, LDER X 1 = X 2 =X 3 = 0, maka TATO yang diberikan adalah 0,01322 2. b 1 = -0,453 koefisien regresi b 1 ini menunjukkan bahwa setiap variabel DAR meningkat satu satuan, maka TATO akan berkurang 0,453 atau 45,3 dengan asumsi variabel lain dianggap tetap atau ceteris paribus. 3. b 2 = 0,007 nilai parameter atau koefisien regresi b 2 menunjukkan bahwa setiap variabel DER meningkat satu satuan, maka TATO akan meningkat sebesar 0,007 atau 0,7 dengan asumsi variabel lainnya tetap atau sama dengan nol. 4. b 3 = 0,344 koefisien regresi b 3 ini menunjukkan bahwa setiap variabel LDER meningkat satu satuan, maka TATO akan bertambah 0,344 atau 34,4 dengan asumsi variabel lain dianggap tetap atau ceteris paribus. Universitas Sumatera Utara 48

4.1.3.2. Uji Signifikasi Simultan

Pengujian hipotesis secara simultan dilakukan dengan uji F. Menurut Gho zali 2006: 84 “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama- sama tehadap variabel dependenterikat”. Uji F merupakan suatu untuk mengetahui apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Penguji ini dilakukan dengan menghitung serta membandingkan F hitung dengan F tabel yaitu ketentuan sebagai berikut: Jika F hitung F tabel dan signifikansi 5 H diterima Jika F hitung F tabel dan signifikansi 5 H a diterima Tabel 4.6 Hasil Uji F ANOVA

b,c

Model Sum of Squares Df Mean Square F Sig. 1 Regression 1.169 3 .390 3.002 .049 a Residual 3.244 25 .130 Total 4.412 28 a. Predictors: Constant, LN_LDER, LN_DAR, LN_DER b. Dependent Variable: LN_TATO c. Weighted Least Squares Regression - Weighted by DAR Sumber: Hasil Pengolahan SPSS 2012 Berdasarkan hasil perhitungan dengan menggunakan program SPSS tersebut, dapat disimpulkan bahwa F hitung sebesar 3,002 dan F tabel sebesar 4,171 dengan nilai p value sebesar 0,049 lebih kecil dari 0,05. Dengan demikian dapat Universitas Sumatera Utara 49 diketahui bahwa F hitung F tabel 3,002 4,171, H diterima dan nilai p value yaitu 0,049 0,05 artinya antara DAR, DER dan LDER tidak memiliki pengaruh yang signifikan terhadap TATO. Dengan kata lain, variabel-variabel independen secara bersama-sama tidak mempengaruhi jumlah TATO secara signifikan.

4.1.3.3. Uji Signifikansi Parsial

Pengaruh setiap variabel independen terhadap variabel dependen yang nyata atau signifikan dalam model regresi dapat dilihat dengan melakukan uji t T test. Menurut Ghozali 2006: 84 “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual menerangkan variab el independen” Adapun kriteria pengujiannya yaitu: H diterima jika t hitung t tabel dan signifikansi 0,05 H a diterima jika t hitung t tabel dan signifikansi 0,05 Tabel 4.7 Hasil Uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 1.322 .386 3.429 .002 DAR -.453 .902 -.121 -.503 .619 DER .007 .015 .094 .434 .668 LDER .344 .369 .220 .933 .359 a. Dependent Variable: TATO Universitas Sumatera Utara 50 Sumber: Hasil pengolahan SPSS 2012 Berdasarkan hasil pengujian secara parsial dapat disimpulkan bahwa: - Pengaruh DAR terhadap TATO dengan menggunakan SPSS diperoleh t hitung sebesar -0,503 dan t tabel 2,045 dengan nilai p value 0,619. Karena t hitung t tabel -0,503 2,045 dan nilai p value 0,619 0,05 dapat disimpulkan bahwa H diterima. Hal ini menunjukkan bahwa ada pengaruh positif dan signifikan DAR terhadap TATO. - Pengaruh DER yang diukur dengan menggunakan program SPSS diperoleh t hitung sebesar 0,434 dan t tabel 2,045 dengan nilai p value 0,668. Karena nilai p value 0,6680,05 dan t hitung t tabel 0,434 2,045 maka dapat disimpulkan bahwa H diterima. Hal ini menunjukkan bahwa DER berpengaruh secara signifikan terhadap TATO. - Pengaruh LDER yang diukur dengan menggunakan program SPSS diperoleh t hitung sebesar 0,933 dan t tabel 2,045 dengan nilai p value 0,359. Karena nilai p value 0,3590,05 dan t hitung t tabel 0,933 2,045 maka dapat disimpulkan bahwa H a diterima. Hal ini menunjukkan bahwa LDER tidak berpengaruh signifikan terhadap TATO.

4.2 Pembahasan Hasil Penelitian