Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
1. Variabel Independen bebas
Menurut Sugiyono 2006:33 “Variabel bebas adalah variabel yang mempengaruhi atau yang menjadi sebab timbulnya atau berubahnya variabel
dependen variabel terikat.” Variabel independen yang digunakan dalam penelitian ini yaitu perputaran piutang usaha yang disimbolkan dengan “X1” dan
perputaran persediaan yang disimbolkan dengan “X2” .
2. Variabel Dependen terikat
Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas Sugiyono, 2006:33. Variabel dependen
yang digunakan dalam penelitian ini adalah tingkat rentabilitas perusahaan dengan menggunakan rasio Return on Assets yang disimbolkan dengan “Y”.
G. Metode Analisis Data
Sebelum menganalisis data yang terkumpul melalui penelitian ini, terlebih dahulu ditetapkan metode analisis yang akan digunakan sehingga
pelaksanaannya lebih mudah dan terarah. Adapun metode analisis yang digunakan dalam penelitian ini terdiri dari:
1. mengolah data-data perputaran piutang usaha, perputaran persediaan dan tingkat rentabilitas sesuai dengan rumus yang telah dibahas sebelumnya dan
sesuai dengan periode yang ditetapkan. 2. melakukan uji asumsi klasik melalui program SPSS 15.0. Pengujian ini terdiri
dari:
Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
a. Uji Normalitas
Menurut Erlina dan Mulyani 2007 : 103, ”uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, gunakan statistik
parametrik dan jika data tidak normal gunakan statistik non parametrik atau lakukan treatment agar data normal.”
Menurut Ghozali 2005 : 110, ”uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik
menjadi tidak valid untuk jumlah sampel kecil.” Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau
tidak menurut Ghozali 2005 : 110, yaitu :
i Analisis grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan
distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi
kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan plotnya data residual akan dibandingkan dengan garis
diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
ii Analisis statistik
Uji statistik sederhana dapat dilakukan dengan melihat nilai kurtosis dan nilai Z-skewness. Uji statistik lain yang dapat digunakan untuk menguji normalitas
residual adalah uji statistik non parametrik Kolmogorov-Smirnov K-S.
Pedoman pengambilan keputusan tentang data tersebut mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov dapat dilihat
dari :
Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
a nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah
tidak normal. b. nilai Sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah
normal.
b. Uji Multikolinearitas,
Uji multikolinearitas berhubungan dengan adanya korelasi antar variabel independen. Sebuah persamaan terjangkit penyakit ini bila dua atau lebih variabel
independen memiliki tingkat korelasi yang tinggi. Sebuah persamaan regresi dikatakan baik bila persamaan tersebut memiliki variabel independen yang saling
tidak berkorelasi. Menurut Ghozali 2005 : 91, untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut :
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independennya banyak yang
tidak signifikan mempengaruhi variabel dependen. 2
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 multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas.
Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
3 Multikolinearitas dapat juga dilihat dari a nilai tolerance dan lawannya b
variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap 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 tinggi karena VIF = 1 Tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai
tolerance 0.10 atau sama dengan nilai VIF 10.
Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
Menurut Ghozali 2005 : 95, cara mengobati apabila terjadi multikolonieritas dalam data penelitian adalah sebagai berikut:
a Menggabungkan data crossection dan time series pooling data
b Keluarkan satu atau lebih variable independen yang mempunyai korelasi
tinggi dari model regresi dan identifikasikan variable independen lainnya untuk membantu prediksi.
c Transformasi variable merupakan salah satu cara mengurangi hubungan linear
di antara variable independen. Transformasi dapat dilakukan dalam bentuk logaritma natural dan bentuk first difference atau delta. Caranya
Yt = b1 + b2 X2t + b3 X3t + ut
…………………… 1 Yt-1
= b1 + b2 X2t-1 + b3 X3t-1 + ut-1 …………… 2
Kurangkan persamaan 2 dari 1 didapat first difference Yt – Yt-1
= b2 X2t – X2t-1 + b3 X3t – X3t-1 + vt……3 d
Gunakan model dengan variabel indevenden yang mempunyai korelasi tinggi hanya semata-mata untuk prediksi jangan mencoba untuk
menginterpretasikan koefisien regresinya.
e Gunakan metode analisis yang lebih canggih seperti Bayesian regression atau
dalam kasus khusus ridge regression.
c. Uji Heterokedastisitas,
Uji heterokedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Dan jika varians
berbeda, maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Suatu model dikatakan terdapat gejala heterokedesitas jika koefisien parameter beta dari persamaan regresi tersebut signifikan secara statistik.
Sebaliknya, jika parameter beta tidak signifikan secara statisik, hal ini menunjukkan bahwa data model empiris yang diestimasi tidak terdapat
heterokedesitas Erlina,Mulyani 2007:108.
Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
Untuk mengetahui adanya masalah heteroskesdatisitas ini kita bisa menggunakan korelasi jenjang Spearman, tes Park, tes Goldfeld-Quandt, tes BPG,
tes White atau tes Glejser. Bila menggunakan korelasi jenjang Spearman, maka kita harus menghitung nilai korelasi untuk setiap variabel independen terhadap
nilai residu, baru kemudian dicari tingkat signifikansinya. Park dan Glejser test memiliki dasar test yang sama yaitu meregresikan kembali nilai residu ke variabel
independen. Menurut Hadi 2006 : 174, salah satu cara untuk mengurangi masalah
heteroskesdatisitas adalah “menurunkan besarnya rentang range data. Salah satu cara yang bisa dilakukan untuk menurunkan rentang data adalah melakukan
transformasi manipulasi logaritma. Tindakan ini bisa dilakukan bila semua data bertanda positif.”
Ada beberapa cara yang dapat dipakai untuk mendeteksi ada atau tidaknya heterokedastisitas. Dalam penelitian ini menggunakan grafik scatterplot dengan
dasar analisis: 1.
jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi
heterokedastisitas. 2.
jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
d. Uji Autokorelasi
Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
Uji autokorelasi bertujuan menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1sebelumnya. Jika terjadi autokorelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul karena observasi yang
berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbal karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi
lainnya. Hal ini sering ditemukan pada data runtut waktu time series karena gangguan pada seseorang individu atau kelompok cenderung mempengaruhi
gangguan pada individu atau kelompok yang sama pada periode berikutnya. Untuk mendeteksi adanya autokorelasi dapat digunakan uji Durbin
Watson D-W. Panduan mengenai angka D-W untuk mendeteksi autokorelasi bisa dilihat pada tabel D-W, yang bisa dilihat pada buku statistik yang relevan.
Namun demikian secara umum bisa diambil patokan: 1
Angka D-W di bawah -2 berarti ada autokorelasi positif. 2
Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi. 3 Angka D-W diatas +2 berarti ada autokorelasi negatif
Jika terjadi autokorelasi, maka dapat diatasi dengan cara: a
Melakukan transformasi data. b
Menambah data observasi.
3. membuat model dan teknik analisis data
Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
Model Regresi Berganda
Analisa data dalam penelitian ini menggunakan analisis regresi berganda. Dalam penelitian ini terdapat dua variabel independen, yaitu perputaran piutang
usaha dan perputaran persediaan serta satu variabel dependen, yaitu rentabilitas yang mempunyai hubungan yang saling mempengaruhi antara ketiga variabel
tersebut. Persamaan umum regresi berganda yang digunakan dalam penelitian ini
yaitu: Y = a + b1X1 + b2X2 + e
Keterangan : Y
: Variabel dependen rentabilitas perusahaan dengan menggunakan rasio ROA
a : Konstanta atau harga Y bila X = 0
b1, b2 :Angka atau arah koefisien regresi, yang
menunjukkan angka peningkatan ataupun penurunan variabel dependen yang didasarkan pada
variabel independen
X1 : Perputaran Piutang Usaha
X2 : Perputaran Persediaan
e : tingkat kesalahan pengganggu
Koefisien Determinasi R²
Pengujian Koefisien Determinasi R² digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap
variasi naik turunnya variabel dependen. Koefisien determinasi berkisar antara nol sampai dengan satu 0
≤ R² ≤ 1 . Hal ini berarti bila R² = 0 menunjukkan tidak adanya pengaruh antara variabel independen terhadap variabel dependen, bila R²
Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
semakin besar mendekati 1, menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen dan bila R² semakin kecil mendekati nol
maka dapat dikatakan semakin kecilnya pengaruh variabel independen terhadap variabel dependen.
4. melakukan uji hipotesis. 1.
Uji Parsial Uji t Statistik
Pengujian ini bertujuan untuk mengetahui seberapa besar variabel independen berpengaruh terhadap variabel dependen.
Bentuk pengujiannya adalah : Ho : b1,b2=0 , artinya Perputaran Piutang Usaha dan Perputaran Persediaan
secara Parsial tidak mempunyai pengaruh terhadap rentabilitas perusahaan. Ha : b1,b2
≠0 , artinya Perputaran Piutang Usaha dan Perputaran Persediaan
secara Parsial mempunyai pengaruh terhadap rentabilitas perusahaan. Pengujian dilakukan menggunakan uji – t dengan tingkat pengujian
pada 5 derajat kebebasan degree of freedom atau df=n – k. Uji ini dilakukan dengan membandingkan signifikansi t-hitung dengan t-tabel dengan
ketentuan: Ho diterima apabila t-hitung t
≤ t-tabel
t
t , pada 5
Ha diterima apabila t hitung t ≥ t -tabel
t
t , pada 5
Esther Thersia O.S : Pengaruh Perputaran Piutang Usaha Dan Perputaran Persediaan Terhadap Tingkat Rentabilitas Perusahaan Otomotif Dan Komponennya Yang Terdaftar Di Bursa Efek Indonesia, 2009.
2. Uji Simultan Uji F Statistik
Uji ini dilakukan untuk menilai pengaruh variabel bebas secara bersama- sama terhadap variabel terikat. Bentuk pengujiannya adalah :
Ho : b1=b2 =0 , artinya Perputaran Piutang Usaha dan Perputaran Persediaan
secara bersama-sama tidak berpengaruh terhadap rentabilitas perusahaan. Ha : b1
≠b2≠0 , artinya Perputaran Piutang Usaha dan Perputaran Persediaan secara bersama-sama berpengaruh terhadap rentabilitas perusahaan.
Kriteria pengambilan keputusan : Ho diterima jika F
hitung
F
tabel
Ha diterima jika F
hitung
F
tabel
H. Jadwal Penelitian Jadwal penelitian dilakukan sebagai berikut:
