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