Data Penelitian Uji Regresi Linier Berganda

38

BAB IV ANALISIS HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Populasi dalam penelitian ini adalah perusahaan property dan real estate yang terdaftar di Bursa Efek Indonesia BEI tahun 2009-2011, dimana jumlah populasi dari penelitian ini adalah sebanyak 32 perusahaan. Metode pengambilan sampel yang digunakan dalam penelitian ini adalah purposive sampling dengan jumlah sampel yang digunakan adalah sebanyak 25 perusahaan dengan total pengamatan yang digunakan sebanyak 75 amatan25x3. Data Total Asset Turn Over, Debt to Equity Ratio dan Debt to Asset Ratio untuk tahun 2009-2011 dapat dilihat pada lampiran. 4.2 Analisis Hasil Penelitian 4.2.1 Statistik Deskriptif Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata dan nilai standar deviasi data yang digunakan dalam penelitian. Tabel 4.1 Statistik Deskriptif N Minimum Maximum Mean Std. Deviation TATO 75 .02 .49 .2101 .12406 DER 75 .05 2.20 .8295 .57821 DAR 75 .04 .68 .3908 .18618 ROA 75 -.11 .14 .0395 .04541 Valid N listwise 75 Sumber : Diolah dari SPSS, 2012 Universitas Sumatera Utara 39 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa : 1. Nilai minimum total asset turnover adalah 0.02, nilai maksimum 0.49, nilai rata-rata adalah 0.2101, dengan deviasi standar sebesar 0.12406 dan jumlah data yang ada sebanyak 75. 2. Nilai minimum debt to equity ratio adalah 0.05, nilai maksimum 2.20, nilai rata-rata adalah 0.8295, dengan deviasi standar sebesar 0.57821 dan jumlah data yang ada sebanyak 75. 3. Nilai minimum debt to asset ratio adalah 0.04, nilai maksimum 0.68, nilai rata-rata adalah 0.3908, dengan deviasi standar sebesar 0.18618 dan jumlah data yang ada sebanyak 75. 4. Nilai minimum return on asset adalah -0.11, nilai maksimum 0.14, nilai rata-rata adalah 0.0395, dengan deviasi standar sebesar 0.04541 dan jumlah data yang ada sebanyak 75.

4.2.2 Uji Asumsi Klasik

Analisa dilakukan dengan metode analisa regresi linier berganda. Sebelum dilakukan uji hipotesis, peneliti akan melakukan uji asumsi klasik. Pengujian ini perlu dilakukan untuk mengetahui apakah distribusi data yang digunakan dalam penelitian ini sudah normal, serta bebas dari gejala multikolinearitas, heteroskedastisitas serta autokorelasi. Universitas Sumatera Utara 40

4.2.2.1 Uji Normalitas

Pengujian ini dimaksudkan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Adapun uji normalitas dapat dilakukan dengan dua cara yaitu analisis statistik dan grafik. a. Analisis Statistik Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sampel KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0.05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0.05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada tabel 4.2 Tabel 4.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 75 Normal Parameters a,,b Mean .0000000 Std. Deviation . 03579929 Most Extreme Differences Absolute .111 Positive .075 Negative -.111 Kolmogorov-Smirnov Z .960 Asymp. Sig. 2-tailed .315 Universitas Sumatera Utara 41 a. Test distribution is Normal. b. Calculated from data. Sumber : Diolah dari SPSS, 2012 Hasil uji Kolmogorov-Smirnov pada penelitian ini menunjukkan probabilitas sebesar 0.315. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0.315 0.05.

b. Analisis Grafik

Pengujian normalitas data dengan hanya melakukan uji statistik tidak dapat diambil suatu keputusan yang konkret, sehingga kita perlu melakukan uji normalitas data dengan menggunakan grafik agar lebih meyakinkan. Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistibusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar disekitar garis diagonal. Berikut hasil uji normalitas dengan menggunakan grafik. Universitas Sumatera Utara 42 Gambar 4.1 Histogram Uji Normalitas Sumber : Diolah dari SPSS, 2012 Universitas Sumatera Utara 43 Gambar 4.2 Normal P-Plot Uji Normalitas Sumber : Diolah dari SPSS, 2012 Dengan melihat tampilan grafik histogram, dapat dilihat bahwa gambarnya telah berbentuk lonceng dan tidak menceng ke kanan atau ke kiri yang menunjukkan bahwa data telah berdistribusi secara normal. Pada grafik P-P Plot terlihat titik-titik menyebar di sekitar garis diagonal dan tidak jauh dari garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas. Dari hasil pengujian normalitas diatas baik dari segi analisis statistik maupun analisis grafik keduanya menunjukkan hasil yang sama Universitas Sumatera Utara 44 sehingga dapat diambil kesimpulan bahwa data yang terdapat dalam penelitian ini telah berdistribusi secara normal.

4.2.2.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. Menurut Ghozali 2005:105 “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 tidak terjadi heterokedasitas. Cara mendeteksi ada tidaknya gejala heterokedasitas adalah dengan melihat grafik scatterplott yang dihasilkan dari pengolahan data menggunakan program SPSS versi 17. Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai berikut: a. Jika ada pola tertentu, seperti titi-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka 0 dan y, maka tidak heteroskedastisitas. Universitas Sumatera Utara 45 Gambar 4.3 Scatterplot Uji Heteroskedastisitas Sumber : Diolah dari SPSS, 2012 Pada gambar 4.3 tentang grafik scatterplott diatas dapat dilihat bahwa titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regeresi sehingga model regresi penelitian ini layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen. Universitas Sumatera Utara 46

4.2.2.3 Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. Pengambilan keputusan terhadap ada tidaknya autokorelasi adalah sebagai berikut : a. Angka D-W dibawah -2 berarti ada autokorelasi positif. b. Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi. c. Angka D-W diatas +2 berarti ada autokorelasi negatif. Tabel 4.3 Hasil Uji Autokorelasi Model Summary b Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .615 a .379 .352 .03655 1.875 a. Predictors: Constant, tato, der, dar b. Dependent Variable: roa Sumber : Diolah dari SPSS, 2012 Tabel tersebut memperlihatkan nilai statistik D-W sebesar 1.875 dimana angka tersebut terletak diantara -2 sampai +2, dari pengamatan tersebut dapat diambil kesimpulan bahwa tidak terjadi autokorelasi dalam penelitian ini. Universitas Sumatera Utara 47

4.2.2.4 Uji Multikolinearitas

Uji ini bertujuan untuk melihat apakah model regeresi ditemukan adanya korelasi antar variabel bebas. Model regeresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas, karena jika hal tersebut terjadi maka varaiabel-variabel tersebut tidak ortogonal atau terjadi kemiripan. Untuk melakukan pengujian apakah terdapat multikolinearitas atau tidak, dapat diketahui dengan menggunakan nilai tolerance dan lawannya Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0.01 atau sama dengan VIF10. Tabel 4.4 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .012 .013 .927 .357 TATO .255 .040 .695 6.384 .000 .737 1.356 DER .025 .024 .315 1.015 .313 .911 1.015 DAR -.118 .079 -.485 -1.491 .140 .833 2.069 Universitas Sumatera Utara 48 Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .012 .013 .927 .357 TATO .255 .040 .695 6.384 .000 .737 1.356 DER .025 .024 .315 1.015 .313 .911 1.015 DAR -.118 .079 -.485 -1.491 .140 .833 2.069 a. Dependent Variable: roa Sumber : Diolah dari SPSS, 2012 Dari tabel diatas dapat dijelaskan bahwa : a. Total Asset Turn Over memiliki nilai VIF sebesar 1.356 atau tidak 10 dan nilai tolerance sebesar 0.737 atau tidak 0.1. Dari kedua nilai tersebut dapat disimpulkan bahwa variabel total asset turnover bebas dari adanya multikolinearitas. b. Debt to Equity Ratio memiliki nilai VIF sebesar 1.015 atau tidak 10 dan nilai tolerance sebesar 0.911 atau tidak 0.1. Dari kedua nilai tersebut dapat disimpulkan bahwa variabel debt to equity ratio bebas dari adanya multikolinearitas. c. Debt to Asset Ratio memiliki nilai VIF sebesar 2,069 atau tidak 10 dan nilai tolerance sebesar 0.833 atau tidak 0.1. Dari kedua nilai tersebut dapat disimpulkan bahwa variabel debt to asset ratio bebas dari adanya multikolinearitas. Dari penjelasan diatas dapat dilihat bahwa tidak ada satupun variabel independen yang memiliki nilai VIF10 dan tidak ada yang Universitas Sumatera Utara 49 memiliki tolerance 0.1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas.

4.3 Pengujian Hipotesis

4.3.1 Uji F Statistik

Untuk menguji signifikansi model regresi secara simultan dapat dilakukan dengan melihat perbandingan antara F-tabel dan F-hitung. Selain itu akan dilihat nilai signifikansi sig, dimana jika nilai sig dibawah 0,05 maka variabel independen dinyatakan berpengaruh terhadap variabel dependen. Hipotesa untuk uji F adalah sebagai berikut H : Tidak ada pengaruh antara variabel total asset turnover, debt to equity ratio dan debt to asset ratio secara bersamaan terhadap profitabilitas. H a : Ada pengaruh antara variabel total asset turnover, debt to equity ratio dan debt to asset ratio secara bersamaan terhadap profitabilitas Tabel 4.6 Hasil Uji F ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression .058 3 .019 14.421 .000 a Residual .095 71 .001 Total .153 74 a. Predictors: Constant, tato, der, dar Universitas Sumatera Utara 50 ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression .058 3 .019 14.421 .000 a Residual .095 71 .001 Total .153 74 a. Predictors: Constant, tato, der, dar b. Dependent Variable: roa Sumber : Diolah dari SPSS, 2012 Berdasarkan Uji F maka dapat diambil kesimpulan sebagai berikut: 1. Jika F hitung F F tabel, maka H ditolak dan H a diterima 2. Jika F hitung F F tabel, maka H diterima dan H a ditolak. Langkah selanjutnya adalah menghitung nilai tabel F dengan tingkat probabilitas sebesar 0.05. dengan kriteria sebagai berikut : Vektor 1 : Jumlah variabel – 1 atau 4-1 = 3 Vektor 2 : banyaknya data-vektor 1 atau 75-3 = 72 Dengan ketentuan menggunakan kedua vektor diatas maka diperoleh nilai F dari tabel sebesar 2.73. Dari keseluruhan hasil pengujian tersebut baik dari tabel ANOVA ataupun F tabel dapat dilihat bahwa F hitung F sebesar 14.421 nilai F tabel sebesar 2.73 dengan nilai signifikan sebesar 0.000 0.05. Maka diambil keputusan bahwa H ditolak dan H a diterima, hal ini menunjukkan bahwa Total Asset Turnover TATO, Debt to Equity Ratio DER dan Debt to Asset Ratio DAR secara simultan berpengaruh secara signifikan terhadap return on asset ROA. Universitas Sumatera Utara 51

4.3.2 Uji t Statistik

Uji t dilakukan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial. Dalam uji t digunakan hipotesis sebagai berikut : H = 0, artinya total asset turnover, debt to equity ratio dan debt to asset ratio secara parsial tidak mempunyai pengaruh yang signifikan terhadap profitabilitas. H a ≠ 0, artinya total asset turnover, debt to equity ratio dan debt to asset ratio secara parsial mempunyai pengaruh yang signifikan terhadap profitabilitas. Tabel 4.7 Hasil uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant .012 .013 .927 .357 TATO .255 .040 .695 6.384 .000 DER .025 .024 .315 1.015 .313 DAR -.118 .079 -.485 -1.491 .140 a. Dependent Variable: ROA Sumber : Diolah dari SPSS, 2012 Uji t ini dilakukan dengan membandingkan nilai t hitung dengan nilai t tabel dengan α2 = 52 =0.025. Kesimpulan yang dapat diambil dari uji t ini adalah : 1 Jika t hitung t t tabel maka H diterima dan H a ditolak 2 Jika t hitung t t tabel maka H ditolak dan H a diterima Universitas Sumatera Utara 52 Untuk menghitung nilai t, tabel cara yang dilakukan adalah dengan menghitung nilai dari Degree of Freedom DF terlebih dahulu dengan rumus DF = Jumlah data – 2 atau 75-2 = 73. Kemudian nilai DF yang didapat dicocokkan dengan α yang telah ditentukan sebelumnya atau 0.025. Dengan ketentuan tersebut didapatkan nilai t dari tabel sebesar 1.99300. Dari hasil pengujian diatas maka dapat dijelaskan pengaruh masing- masing variabel independen terhadap variabel dependen sebagai berikut: 1 Pengaruh total asset turnover terhadap tingkat return on asset. Hasil analisis uji t untuk variabel total asset turnover menunjukkan t hitung t sebesar 6.384 dan t tabel sebesar 1.99300 dengan signifikansi sebesar 0.000. Karena t hitung t 6.384 t tabel 1.99300 maka H ditolak dan H a diterima dan signifikansi 0.000 0.05, maka dapat disimpulkan bahwa total asset turnover secara parsial berpengaruh signifikan terhadap retun on asset pada perusahaan property dan real estate yang terdaftar di Bursa Efek Indonesia. 2 Pengaruh debt to equity ratio terhadap tingkat return on asset. Hasil analisis uji t untuk variabel debt to equity ratio menunjukkan t hitung t sebesar 1.015 dan t tabel sebesar 1.99300 dengan signifikansi sebesar 0.313. Karena t hitung t 1.015 t tabel 1.99300 maka H diterima dan H a ditolak dan signifikansi 0.313 0.05, maka dapat disimpulkan bahwa debt to equity ratio secara parsial tidak berpengaruh signifikan terhadap retun on asset pada perusahaan property dan real estate yang terdaftar di Bursa Efek Indonesia. 3 Pengaruh debt to asset ratio terhadap tingkat return on asset. Hasil analisis uji t untuk variabel debt to asset ratio menunjukkan t hitung t sebesar - Universitas Sumatera Utara 53 1.491 dan t tabel sebesar 1.99300 dengan signifikansi sebesar 0.140. Karena t hitung t -1.491 t tabel 1.99300 maka H diterima dan H a ditolak dan signifikansi 0.140 0.05, maka dapat disimpulkan bahwa debt to asset ratio secara parsial tidak berpengaruh signifikan terhadap retun on asset pada perusahaan property dan real estate yang terdaftar di Bursa Efek Indonesia.

4.4 Uji Regresi Linier Berganda

Analisis regresi linear berganda dilakukan untuk mengetahui sejauh mana pengaruh variabel independen yakni total asset turnover, debt to equity ratio dan debt to asset ratio terhadap variabel dependen yaitu ROA pada perusahaan property dan real estate di Bursa Efek Indonesia. Tabel 4.8 Hasil Uji Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant .012 .013 .927 .357 TATO .255 .040 .695 6.384 .000 DER .025 .024 .315 1.015 .313 DAR -.118 .079 -.485 -1.491 .140 a. Dependent Variable: ROA Sumber : Diolah dari SPSS, 2012 Dari tabel diatas dapat diperoleh model persamaan regresi linier berganda ROA = 0.012+0.255 TATO+0.025 DER-0.118 DAR Universitas Sumatera Utara 54 Keterangan : a Nilai konstanta adalah 0.014 artinya jika total asset turnover, debt to equity ratio dan debt to asset ratio bernilai 0, maka return on asset akan meningkat sebesar 0.014, b Nilai koefisien total asset turnover 0.255 artinya setiap kenaikan total asset turnover akan meningkatkan return on asset sebesar 0.255, c Nilai koefisien debt to equity ratio 0.025 artinya setiap kenaikan debt to equity ratio akan meningkatkan return on asset sebesar 0.025, d Nilai koefisien debt to asset ratio -0.118 artinya setiap kenaikan debt to asset ratio akan menurunkan return on asset sebesar 0.118, begitu juga sebaliknya.

4.5 Uji Koefisien Determinasi Uji Goodness of-Fit Model