32
digunakan dalam penelitian ini diperoleh dengan cara mengunduh data-data yang diperlukan dari www.idx.co.id.
3.8. Teknik Analisis Data
Dalam melakukan analisis data digunakan metode deskriptif kuantitatif, yaitu dengan mengumpulkan, mengolah dan menginterpretasikan hasil yang
diperoleh. Teknik yang digunakan dalam penelitian ini adalah teknik analisis statistik, yaitu uji asumsi klasik, pengujian hipotesis dan analisis regresi berganda.
3.8.1. Statistik Deskriptif
Statistik deskriptif berfungsi sebagai penganalisis data dengan menggambarkan sampel data yang telah dikumpulkan. Penelitian ini
menjabarkan jumlah data, rata-rata, nilai minimum dan maksimum serta standar deviasi.
3.8.2. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis dan uji analisis regresi linear berganda, maka hal yang pertama dilakukan adalah uji asumsi klasik,
yang bertujuan untuk mendapatkan nilai estimasi yang diperoleh bersifat BLUE Best, Linear, Unbiased, and Estimator, yang artinya nilai estimator
yang terbaik, estimator yang linear, dan estimator yang tidak bias, maka data-data yang digunakan dalam analisis regresi terlebih dahulu akan diuji
normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
Universitas Sumatera Utara
33
3.8.2.1. Uji Normalitas
Uji ini digunakan untuk proses awal di dalam metode pemilihan analisis data. Jika data normal, gunakan statistik parametrik, dan jika data
tidak normal, gunakan statistik nonparametrik atau lakukan treatment agar data normal.
Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi, variabel terikat, variabel bebas mempunyai distribusi
normal atau tidak. Untuk melihat normalitas dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Apabila data tersebar
di area garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola berdistribusi normal menyerupai
lonceng, maka model regresi memenuhi asumsi normalitas.
3.8.2.2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen. Korelasi
antar variabel independen yang satu dengan yang lainnya disebut dengan multikolinieritas. Ada tidaknya multikolinieritas dapat dideteksi dengan
melihat nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matriks korelasi variabel-variabel independen. Nilai cut off
yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai tolerance 0,1 atau sama dengan nilai VIF10, maka model
dapat dikatakan terbebas dari multikolinearitas.
Universitas Sumatera Utara
34
3.8.2.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Erlina, 2011:106. Model regresi yang baik adalah yang tidak terjadi heteroskedasitas. Metode yang dapat dipakai untuk
mendeteksi gejala heterokedasitas antara lain: metode grafik, park glejser, rank spearman dan barlett.
Dalam penelitian ini metode yang digunakan untuk mendeteksi gejala heteroskedasitas dengan melihat grafik plot antara nilai prediksi
variabel terikat ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedasitas dapat dilakukan dengan melihat ada tidaknya
pola tertentu pada grafik scatterplot antara ZPRED dan SRESID dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y
prediksi – Y sesungguhnya yang terletak di Studentized ketentuan tersebut adalah sebagai berikut:
1 Jika ada titik-titik yang membentuk pola tertentu yang teratur maka mengidentifikasikan telah terjadi heterokedasitas.
2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedasitas.
3.8.2.4. Uji Autokorelasi
Uji autokorelasi digunakan untuk menguji apakah dalam satu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 sebelumnya. Untuk
Universitas Sumatera Utara
35
mendiagnosis adanya autokorelasi dalam model digunakan pengujian durbin watson uji DW. Menurut Nawari 2010:225 adapun kriteria
dalam penentuan autokorelasi adalah sebagai berikut : 1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi.
2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive.
3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi.
3.8.3. Analisis Regresi Linier Berganda
Analisis regresi linier berganda adalah pengaruh antara satu atau lebih variabel independen bebas terhadap variabel dependen terikat.
Analisis dalam penelitian ini digunakan untuk mengetahui apakah masing- masing variabel independen berpengaruh positif atau negatif dan untuk
memprediksi nilai dari variabel dependen apabila variabel independen mengalami kenaikan atau penurunan.
Adapun rumus persamaannya adalah sebagai berikut: ROA = a +
β1 SIZE_TA + β2 LEV + β3 INV + Β4 LIQ + ε Model I ROA = a +
β1 SIZE_TS + β2 LEV + β3 INV + Β4 LIQ + ε Model II Keterangan:
SIZE_TA =Ln Total Assets SIZE_TS = Ln Total Sales
LEV = Total liabilitiestotal assets INV = inventorytotal assets
LIQ = Current assetcurrent liabilities ROA = Return on Assets
β = Koefisien regresi
a = Constant
ε = Error term
Universitas Sumatera Utara
36
3.8.4. Uji Hipotesis 3.8.4.1. Uji Parsial Uji-t
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel
terikat. Rumusan Hipotesis yang akan diuji adalah sebagai berikut:
H diterima bila t
tabel
t
hitung
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan dari
variabel bebas secara parsial terhadap variabel terikat, H
a
diterima bila t
hitung
t
tabel
, atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan dari variabel
bebas secara parsial terhadap variabel terikat Ghozali, 2009:88.
3.8.4.2. Uji Koefisien Determinasi R
2
Uji koefisien determinasi digunakan untuk mengetahui seberapa besar kemampuan model penelitian dalam menerangkan variasi variabel
dependen. Kelemahan penggunaan R square adalah setiap penambahan variabel independen dalam model penelitian akan meningkatkan nilai R
square walaupun variabel independen yang ditambahkan tidak berpengaruh terhadap variabel dependen. Penelitian ini memiliki lebih dari
satu variabel independen jadi untuk menghindari kelemahan R square,
persentase yang dipakai adalah persentase adjusted R square.
Universitas Sumatera Utara
37
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Statistik Deskriptif
Pada bagian ini akan digambarkan data dari masing-masing variabel yang telah diolah berdasarkan nilai minimum, maksimum, rata-rata, dan standar deviasi
dari masing-masing variabel. Variabel dalam penelitian ini meliputi variabel independen yaitu Ukuran Perusahan yang diukur menggunakan Total Assets X1,
dan Ukuran Perusahaan yang diukur menggunakan Total Sales X2, kemudian variabel dependen yaitu Profitabilitas yang diproksikan ke dalam Return on Asset
ROA Y, serta variabel kontrol yaitu Leverage yang diukur menggunakan Debt to Asset Ratio DAR, Inventory to Total Asset Ratio ITA, dan Likuiditas yang
diukur menggunakan Current Ratio. Hasil pengujian statistik deskriptif dapat dilihat pada Tabel 4.1 berikut ini:
Tabel 4.1 Statistik Deskriptif
N Minimum
Maximum Mean
Std. Deviation LNTA
87 11.38
18.17 14.3731 1.65274
LNTS 87
11.38 18.13 14.5967
1.71835 ROA
87 -.90
4.20 2.3139
.92334 CR
87 -.54
2.46 .7269
.61883 ITA
87 .63
4.27 2.9130
.69595 DAR
87 2.28
4.22 3.6029
.43113 Valid N listwise
87 Sumber: Hasil Pengolahan Data SPSS Maret 2015
Berdasarkan pengujian statistik deskriptif pada Tabel 4.1 dapat dijelaskan: 1. Rata-rata nilai Ln Total Asset adalah 14.3731, dengan standar deviasi
sebesar 1.65274, nilai minimum 11.38 dan maksimum 18.17.
Universitas Sumatera Utara
38
2. Rata-rata nilai Ln Total Sales adalah 14.5967, dengan standar deviasi 1.71835, nilai minimum 11.38 dan maksimum 18.13.
3. Rata-rata nilai ROA adalah 2.3139, dengan standar deviasi 0.92334, nilai minimum -0.90, dan nilai maksimum 4.20
4. Rata-rata nilai CR adalah 0.7269, dengan standar deviasi 0.61883, nilai minimum -0.54, dan nilai maksimum 2.46.
5. Rata-rata nilai ITA adalah 2.9310, dengan standar deviasi 0.69595, nilai minimum 0.63 dan maksimum 4.27.
6. Rata-rata nilai DAR adalah 3.6029, dengan standar deviasi 0.43113, nilai minimum 2.28, dan nilai maksimum 4.22.
7. Jumlah data sebanyak 87 data, dengan penjelasan 29 perusahaan dan selama 3 tahun periode yakni 2011-2013.
4.1.2. Analisis Regresi dengan Variabel Kontrol Model I