31
Muncul Tbk. 29. Taisho Pharmaceutical Indonesia
Tbk.
SQBB
√ √
√ √
23
30. Taisho Pharmaceutical Indonesia PS Tbk.
SQBI
√ X
√ √
X
31. Tempo Scan Pacific Tbk.
TSPC
√ √
√ √
24
32. Martina Berto Tbk.
MBTO
√ √
√ √
25
33. Mustika Ratu Tbk.
MRAT
√ √
√ X
X
34. Mandom Indonesia Tbk.
TCID
√ √
√ √
26
35. Unilever Indonesia Tbk.
UNVR
√ √
√ √
27
36. Kedawung Setia Industrial Tbk.
KDSI
√ √
√ √
28
37. Kedaung Indah Can Tbk.
KICI
√ √
√ √
29
38. Langgeng Makmur Industri Tbk.
LMPI
√ √
√ X
X Sumber : Data yang diolah penulis, 2015
3.6. Jenis dan Sumber Data
Jenis data yang peneliti gunakan dalam penulisan skripsi ini adalah data sekunder dari perusahaan sektor barang konsumsi yang terdaftar di BEI tahun
2011-2013. Data sekunder merupakan data yang diperoleh dari sumber kedua yang memiliki informasi atau data yang sudah jadi, yang berkaitan dengan
masalah yang diteliti. Data yang digunakan dalam penelitian ini diperoleh dari laporan keuangan yang dipublikasikan berupa neraca dan laporan laba rugi yang
diambil dari website resmi Bursa Efek Indonesia dan referensi dari jurnal ilmiah dan peneliti sebelumnya.
3.7. Metode Pengumpulan Data
Dalam penelitian ini jenis data yang digunakan adalah data kuantitatif dan merupakan data sekunder yang informasinya diperoleh secara tidak langsung dari
perusahaan. Metode pengumpulan data dilakukan dengan metode dokumentasi, yaitu metode mengumpulkan data sekunder yang berasal dari laporan keuangan
perusahaan dan informasi lain yang berkaitan dengan penelitian. Data yang
Universitas Sumatera Utara
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
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model
analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji
heteroskedastisitas dan uji autokorelasi.
4.1.2.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal
probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1.
Universitas Sumatera Utara
39
Gambar 4.1 Grafik Histogram Data Asli
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Pada gambar 4.1 terlihat bahwa pola distribusi normal, akan tetapi jika
kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode
lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal.
Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat
normal probability plot dapat dilihat dalam gambar 4.2 berikut:
Universitas Sumatera Utara
40
Gambar 4.2 Normal Probability Plot Data Asli
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan grafik profitabilitas pada gambar 4.2 di atas menunjukkan
bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara
analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05.
Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05 Ghozali, 2007:12.
Universitas Sumatera Utara
41
Tabel 4.2 Uji Kolmogorov-Smirnov
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov Data Asli
diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.056 dan nilai Kolmogorov-
Smirnov Z sebesar 1.337.
4.1.2.2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat
dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan
Tolerance.
Tabel 4.3 Hasil Uji Multikolinearitas
Variabel Collinearity Statistics
Keputusan Tolerance
VIF LNTA
.960 1.043 Tidak terjadi Multikolinearitas
CR .470
2.128 Tidak terjadi Multikolinearitas ITA
.947 1.056 Tidak terjadi Multikolinearitas
DAR .478
2.094 Tidak terjadi Multikolinearitas
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance,
apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan N
87 Normal
Parameters
a,b
Mean 0E-7
Std. Deviation
.73741722 Most Extreme
Differences Absolute
.143 Positive
.143 Negative
-.075 Kolmogorov-Smirnov Z
1.337 Asymp. Sig. 2-tailed
.056
Universitas Sumatera Utara
42
terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas.
Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.3. diatas diketahui masing-
masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas.
4.1.2.3. Uji Heteroskedastisitas
Uji ini dilakukan untuk mengetahui apakah dalam sebuah model regresi, terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain Erlina, 2011:106. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari
residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan
melihat grafik scatterplot, dengan dasar analisis Ghozali, 2005:139. 1.
Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 berikut:
Universitas Sumatera Utara
43
Gambar 4.3 Grafik Scatterplot
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak,
serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model
regresi yang digunakan.
4.1.2.4. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 atau sebelumnya Ghozali, 2005. Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau
tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang
diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah
Universitas Sumatera Utara
44
variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. Menurut Nawari
2010:225 adapun kriteria dalam penentuan autokorelasi adalah sebagai berikut : 4 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi.
5 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive.
6 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi.
Tabel 4.4 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa
dengan n = 87, K = 1, maka akan diperoleh nilai dl = 1.6258 dan du = 1.6728 dan 4-du = 4 – 1.6728 = 2.3272.
Hasil pengujian autokorelasi dapat dilihat pada tabel berikut:
Tabel 4.4 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .602
a
.362 .331
.75519 2.282
a. Predictors: Constant, DAR, ITA, LNTA, CR b. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan hasil pengujian Durbin-Watson dengan menggunakan SPSS
maka diperoleh nilai Durbin-Watson sebesar 1.6258 2.282 2.3272 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.
4.1.2.5 Model Regresi Berganda
Hasil regresi linear berganda pengaruh ukuran perusahaan yang diukur dengan Total Assets terhadap profitabilitas perusahaan pada perusahaan sektor
Universitas Sumatera Utara
45
barang konsumsi yang terdaftar di Bursa Efek Indonesia periode 2011-2013 yang ditunjukkan pada tabel 4.5 berikut:
Tabel 4.5 Hasil Analisis Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
5.153 1.239
4.158 .000 LNTA
.223 .050
.398 4.426 .000
CR -.812
.192 -.544
-4.232 .000 ITA
-.012 .120
-.009 -.101 .920
DAR -1.502
.273 -.701
-5.496 .000 a. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS Maret 2015
Berdasarkan hasil analisis regresi linear berganda yang digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel
dependen. Persamaan regresi dapat dilihat dari tabel hasil uji coefficients. Pada tabel coefficients yang dibaca adalah nilai dalam kolom B pada baris pertama
menunjukkan konstanta a dan baris selanjutnya menunjukkan konstanta variabel independen. Berdasarkan tabel 4.5 diatas maka model regresi yang digunakan
adalah sebagai berikut: ROA = 5.153 +0.223LNTA – 0.812CR – 0.012ITA – 1.502DAR + e
Dari persamaan regresi diatas maka dapat dianalisis sebagai berikut: a. Konstanta sebesar 5.153 menyatakan bahwa jika nilai Ukuran
Perusahaan dan Variabel Kontrol CR, ITA, dan DAR adalah nol maka Return on Asset adalah 5.153
Universitas Sumatera Utara
46
b. Koefisien regresi Ukuran Perusahaan Ln Total Asset sebesar 0.223 menyatakan bahwa apabila variabel Ukuran Perusahaan Ln Total
Asset ditingkatkan sebesar 1 satuan, maka Return on Asset akan meningkat sebesar 0.223 satuan.
c. Koefisien variabel kontrol Current Ratio sebesar -0.812, yang menjelaskan bahwa variabel Current Ratio merupakan variabel
kontrol yang memiliki pengaruh negatif antara ukuran perusahaan yang diukur menggunakan Ln Total Asset dengan Profitabilitas
ROA. d. Koefisien variabel kontrol Inventory to Total Asset sebesar -0.012,
menjelaskan bahwa variabel Inventory to Total Asset tidak merupakan variabel kontrol dikarenakan nilai signifikansi sebesar 0.920 0.05.
e. Koefisien variabel kontrol Debt to Asset Ratio sebesar -1.502, yang menjelaskan bahwa variabel Debt to Asset Ratio merupakan variabel
kontrol yang memiliki pengaruh negatif antara ukuran perusahaan yang diukur menggunakan Ln Total Asset dengan Profitabilitas
ROA.
4.1.2.6 Uji Koefisien Determinasi R
2
Uji koefisien determinasi R
2
ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel dependen
Ghozali, 2005. Koefisien determinasi R
2
dinyatakan dalam persentase. Nilai yang mendekati satu berarti variabel independen memberikan hampir semua
Universitas Sumatera Utara
47
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Besarnya nilai koefisien determinasi R
2
dapat dilihat pada tabel 4.6 berikut:
Tabel 4.6 Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .602
a
.362 .331
.75519 2.282
a. Predictors: Constant, DAR, ITA, LNTA, CR b. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan tabel diatas menunjukkan koefisien korelasi R dan koefisien
determinasi R Square. Nilai R menunjukkan tingkat hubungan antar variabel- variabel independen dengan variabel dependen. Dari hasil olah data diperoleh
nilai koefisien korelasi sebesar 0.602 atau sebesar 60.2 artinya hubungan antara variabel Ukuran Perusahaan yang diukur menggunakan Ln Total Asset terhadap
Return on Asset adalah erat. Berdasarkan tabel diatas ditunjukkan nilai Adjusted R Square. Dari hasil
perhitungan nilai Adjusted R Square sebesar 0.331 atau sebesar 33.1 artinya 33.1 variabel Return on Asset dipengaruhi oleh Ukuran Perusahaan Ln Total
Asset dengan variabel kontrol berupada Current Ratio, Debt to Asset Ratio, dan Inventory to Asset Ratio.
4.1.2.7 Uji Signifikansi Parameter Individual Uji t
Uji t dilakukan untuk menguji pengaruh pada masing-masing variabel independen Ukuran Perusahaan Ln Total Asset terhadap Return on Asset dengan
variabel kontrol Current Ratio, Debt to Asset Ratio, dan Inventory to Total Asset Ratio. Untuk menguji pengaruh parsial tersebut dapat dilakukan dengan cara
Universitas Sumatera Utara
48
berdasarkan nilai signifikansi. Jika nilai signifikansi lebih kecil dari 0.05 atau 5 maka hipotesis yang diajukan diterima atau dikatakan signifikan namun apabila
nilai signifikansi lebih besar dari 0.05 atau 5 maka hipotesis ditolak atau dikatakan tidak signifikan. Hasil uji t dapat dilihat pada tabel 4.7 berikut:
Tabel 4.7 Hasil Uji t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
5.153 1.239
4.158 .000 LNTA
.223 .050
.398 4.426 .000
CR -.812
.192 -.544
-4.232 .000 ITA
-.012 .120
-.009 -.101 .920
DAR -1.502
.273 -.701
-5.496 .000 b. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan Tabel 4.7, maka hasil regresi berganda dapat menganalisis
pengaruh dari variabel Ukuran Perusahaan Ln Total Asset terhadap Return on Asset dengan variabel kontrol Current Ratio, Inventory to Asset Ratio, dan Debt to
Asset Ratio yaitu: Harga t hitung yang ada selanjutnya dibandingkan dengan harga t tabel.
Untuk kesalahan 5 uji dua pihak dan dk = n – 4 = 83, maka diperoleh t tabel = 1.66342 Adapun kriteria penerimaan hipotesis adalah sebagai berikut :
Ho Hipotesis Nol :
µ = 0 tidak ada pengaruh Ha Hipotesis Alternatif
: µ
≠ 0 ada pengaruh Berdasarkan Tabel 4.7 dapat disimpulkan bahwa variabel Ln Total Asset
memiliki nilai t hitung sebesar 4.426 dengan signifikansi 0.000 0.05 sehingga
Universitas Sumatera Utara
49
ukuran perusahaan yang diukur dengan Ln Total Asset memiliki pengaruh positif dan signifikan terhadap Profitabilitas ROA.
4.1.3. Analisis Regresi dengan Variabel Kontrol Model II
Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model
analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji
heteroskedastisitas dan uji autokorelasi.
4.1.3.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal
probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.4.
Gambar 4.4 Grafik Histogram Data Asli
Sumber: Hasil Pengolahan Data SPSS Maret 2015
Universitas Sumatera Utara
50
Berdasarkan gambar 4.4 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram,
maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.5 berikut:
Gambar 4.5 Normal Probability Plot Data Asli
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan grafik profitabilitas pada gambar 4.5 di atas menunjukkan
bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara
analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov.
Universitas Sumatera Utara
51
Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai
signifikansi dibawah 0.05 Ghozali,2007:12.
Tabel 4.8 Uji Kolmogorov-Smirnov
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan hasil uji normalitas dengan Kolmogorov-Smirnov Data Asli
diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.065 dan nilai Kolmogorov-
Smirnov Z sebesar 1.309.
4.1.3.2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat
dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan
Tolerance. Unstandardized
Residual N
87 Normal
Parameters
a,b
Mean 0E-7
Std. Deviation
.69768164 Most Extreme
Differences Absolute
.140 Positive
.140 Negative
-.079 Kolmogorov-Smirnov Z
1.309 Asymp. Sig. 2-tailed
.065
Universitas Sumatera Utara
52
Tabel 4.9 Hasil Uji Multikolinearitas
Variabel Collinearity
Statistics Keputusan
Tolerance VIF
LNTS .934
1.071 Tidak terjadi Multikolinearitas CR
.468 2.135 Tidak terjadi Multikolinearitas
ITA .924
1.082 Tidak terjadi Multikolinearitas DAR
.479 2.086 Tidak terjadi Multikolinearitas
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance,
apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau
Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah
data dari variabel independen. Berdasarkan tabel 4.10 diatas diketahui masing- masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat
dipastikan data dari variabel independen tidak terjadi multikolinearitas.
4.1.3.3. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain
Erlina, 2011:106. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu
pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat
grafik scatterplot, dengan dasar analisis Ghozali, 2005:139.
Universitas Sumatera Utara
53
1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot
ditunjukkan pada gambar 4.6 berikut:
Gambar 4.6 Grafik Scatterplot
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak,
serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model
regresi yang digunakan.
Universitas Sumatera Utara
54
4.1.3.4. Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 atau sebelumnya Ghozali, 2005. Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau
tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang
diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du
hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. 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. Tabel 4.10 digunakan untuk melihat nilai Durbin Watson yang didapat
dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa dengan n = 87, K = 1, maka akan diperoleh nilai dl = 1.6258 dan du = 1.6728 dan
4-du = 4 – 1.6728 = 2.3272.
Tabel 4.10 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .655
a
.429 .401
.71450 2.270
a. Predictors: Constant, DAR, ITA, LNTS, CR b. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS Maret 2015
Universitas Sumatera Utara
55
Berdasarkan hasil pengujian Durbin-Watson dengan menggunakan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.6258 2.270 2.3272 yang berarti
berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.
4.1.3.5 Model Regresi Berganda
Hasil regresi linear berganda pengaruh ukuran perusahaan yang diukur dengan Total Sales terhadap profitabilitas perusahaan pada perusahaan
Manufaktur Barang Konsumsi yang terdaftar di Bursa Efek Indonesia periode 2011-2013 yang ditunjukkan pada tabel 4.11 berikut:
Tabel 4.11 Hasil Analisis Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
4.721 1.165
4.052 .000 LNTS
.260 .046
.485 5.612 .000
CR -.770
.182 -.516
-4.235 .000 ITA
-.082 .115
-.061 -.708 .481
DAR -1.501
.258 -.701
-5.817 .000 c. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS Maret 2015
Berdasarkan hasil analisis regresi linear berganda yang digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap satu variabel
dependen. Persamaan regresi dapat dilihat dari tabel hasil uji coefficients. Pada tabel coefficients yang dibaca adalah nilai dalam kolom B pada baris pertama
menunjukkan konstanta a dan baris selanjutnya menunjukkan konstanta variabel independen. Berdasarkan tabel 4.11 diatas maka model regresi yang digunakan
adalah sebagai berikut:
Universitas Sumatera Utara
56
ROA = 4.721 +0.260LNTS – 0.770CR – 0.082ITA – 1.501DAR + e Dari persamaan regresi tersebut diatas maka dapat dianalisis sebagai
berikut: a. Konstanta sebesar 4.721 menyatakan bahwa jika nilai Ukuran Perusahaan
dan Variabel Kontrol CR, ITA, dan DARadalah nol maka Return on Asset adalah 4.721
b. Koefisien regresi Ukuran Perusahaan Ln Total Sales sebesar 0.260 menyatakan bahwa apabila variabel Ukuran Perusahaan Ln Total Sales
ditingkatkan sebesar 1 satuan, maka Return on Asset akan meningkat sebesar 0.260 satuan.
c. Koefisien variabel kontrol Current Ratio sebesar -0.770, yang menjelaskan bahwa variabel Current Ratio merupakan variabel kontrol yang memiliki
pengaruh negatif antara ukuran perusahaan yang diukur menggunakan Ln Total Sales dengan Profitabilitas ROA.
d. Koefisien variabel kontrol Inventory to Total Asset sebesar -0.082, menjelaskan bahwa variabel Inventory to Total Asset tidak merupakan
variabel kontrol dikarenakan nilai signifikansi sebesar 0.920 0.05. e. Koefisien variabel kontrol Debt to Asset Ratio sebesar -1.501, yang
menjelaskan bahwa variabel Debt to Asset Ratio merupakan variabel kontrol yang memiliki pengaruh negatif antara ukuran perusahaan yang
diukur menggunakan Ln Total Sales dengan Profitabilitas ROA.
Universitas Sumatera Utara
57
4.1.3.6 Uji Koefisien Determinasi R
2
Uji koefisien determinasiR
2
ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel dependen
Ghozali, 2005. Koefisien determinasi R
2
dinyatakan dalam persentase. Nilai yang mendeakati satu berarti variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Besarnya nilai koefisien determinasi R
2
dapat dilihat pada tabel 4.12 berikut:
Tabel 4.12 Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .655
a
.429 .401
.71450 2.270
a. Predictors: Constant, DAR, ITA, LNTS, CR b. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan tabel diatas menunjukkan koefisien korelasi R dan koefisien
determinasi R Square. Nilai R menunjukkan tingkat hubungan antar variabel- variabel independen dengan variabel dependen. Dari hasil olah data diperoleh
nilai koefisien korelasi sebesar 0.655 atau sebesar 65.5 artinya hubungan antara variabel Ukuran Perusahaan yang diukur menggunakan Ln Total Sales terhadap
Return on Asset adalah erat. Berdasarkan tabel diatas ditunjukkan nilai Adjusted R Square. Dari hasil
perhitungan nilai Adjusted R Square sebesar 0.401 atau sebesar 40.1 artinya 40.1 variabel Return on Asset dipengaruhi oleh Ukuran Perusahaan Ln Total
Sales dengan variabel kontrol berupada Current Ratio, Debt to Asset Ratio, dan Inventory to Total Asset Ratio.
Universitas Sumatera Utara
58
4.1.3.7 Uji Signifikansi Parameter Individual Uji t
Uji t dilakukan untuk menguji pengaruh pada masing-masing variabel independen Ukuran Perusahaan Ln Total Sales terhadap Return on Asset dengan
variabel kontrol Current Ratio, Debt to Asset Ratio, dan Inventory to Total Asset Ratio. Untuk menguji pengaruh parsial tersebut dapat dilakukan dengan cara
berdasarkan nilai signifikansi. Jika nilai signifikansi lebih kecil dari 0.05 atau 5 maka hipotesis yang diajukan diterima atau dikatakan signifikan namun apabila
nilai signifikansi lebih besar dari 0.05 atau 5 maka hipotesis ditolak atau dikatakan tidak signifikan. Hasil uji t dapat dilihat pada tabel 4.13 berikut:
Tabel 4.13 Hasil Uji t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
4.721 1.165
4.052 .000 LNTS
.260 .046
.485 5.612 .000
CR -.770
.182 -.516
-4.235 .000 ITA
-.082 .115
-.061 -.708 .481
DAR -1.501
.258 -.701
-5.817 .000 d. Dependent Variable: ROA
Sumber: Hasil Pengolahan Data SPSS Maret 2015 Berdasarkan tabel 4.13, maka hasil regresi berganda dapat menganalisis
pengaruh dari variabel Ukuran Perusahaan Ln Total Salesterhadap Return on Asset dengan variabel kontrol Current Ratio, Inventory to Asset Ratio, dan Debt to
Asset Ratio yaitu: Harga t hitung yang ada selanjutnya dibandingkan dengan harga t tabel.
Untuk kesalahan 5 uji dua pihak dan dk = n – 4 = 83, maka diperoleh t tabel = 1.66342 Adapun kriteria penerimaan hipotesis adalah sebagai berikut :
Universitas Sumatera Utara
59
Ho Hipotesis Nol :
µ = 0 tidak ada pengaruh Ha Hipotesis Alternatif
: µ
≠ 0 ada pengaruh Berdasarkan Tabel 4.13 dapat disimpulkan bahwa variabel Ln Total Asset
memiliki nilai t hitung sebesar 5.612 dengan signifikansi 0.000 0.05 sehingga ukuran perusahaan yang diukur dengan Ln Total Sales memiliki pengaruh positif
dan signifikan terhadap Profitabilitas ROA.
4.2. Pembahasan
Hasil penelitian menggunakan uji analisis regresi dengan variabel kontrol model I Ln Total Asset menunjukkan bahwa Ln Total Asset memiliki pengaruh
positif dan signifikan terhadap Profitabilitas Perusahaan, di mana hasil analisis regresi menunjukkan nilai t
hitung
sebesar 4.426 t
tabel
1.66342 dan signifikansi 0.000 0.05, sedangkan ketiga variabel kontrol yakni Current Ratio, Inventory to
Total Asset Ratio, dan Debt to Asset Ratio memiliki pengaruh yang berbeda-beda. Current ratio dan Debt to Asset Ratio memiliki pengaruh negatif dan signifikan
terhadap profitabilitas perusahaan ROA, atau dengan kata lain, Current ratio dan Debt to Asset Ratio merupakan variabel kontrol dalam model regresi ini.
Sedangkan inventory to asset ratio tidak mampu menjadi variabel kontrol karena nilai signifikansinya 0.920 0.05. Hasil penelitian ini sesuai dengan hasil
penelitian yang dilakukan oleh John dan Adebayo 2013 yang meneliti mengenai “Effect of Firm Size on Profitability: Evidence from Nigerian Manufacturing
Sector” yang menyatakan bahwa “The results of the study revealed that, both in terms of total assets and in terms of total sales, firm size has a positive effect on
the profitability of Nigerian manufacturing companies. Meanwhile, on the control
Universitas Sumatera Utara
60
variables, a negative relationship with inventory was obtained”, atau dengan arti bahwa total assets dan total sales mampu mempengaruhi positif dan signifikan
terhadap profitabilitas perusahaan. Hasil penelitian menggunakan uji analisis regresi dengan variabel kontrol
model II Ln Total Sales menunjukkan bahwa Ln Total Sales memiliki pengaruh positif dan signifikan terhadap Profitabilitas Perusahaan, di mana hasil analisis
regresi menunjukkan nilai t
hitung
sebesar 5.612 t
tabel
1.66342 dan signifikansi 0.000 0.05, sedangkan ketiga variabel kontrol yakni Current Ratio, Inventory to
Asset Ratio, dan Debt to Asset Ratio memiliki pengaruh yang berbeda-beda. Current ratio dan Debt to Asset Ratio memiliki pengaruh negatif dan signifikan
terhadap profitabilitas perusahaan ROA, atau dengan kata lain, Current ratio dan Debt to Asset Ratio merupakan variabel kontrol dalam model regresi ini.
Sedangkan inventory to asset ratio tidak mampu menjadi variabel kontrol karena nilai signifikansinya 0.481 0.05. hasil penelitian ini sesuai dengan hasil
penelitian yang dilakukan oleh John dan Adebayo 2013 yang meneliti mengenai “Effect of Firm Size on Profitability: Evidence from Nigerian Manufacturing
Sector” yang menyatakan bahwa “The results of the study revealed that, both in terms of total assets and in terms of total sales, firm size has a positive effect on
the profitability of Nigerian manufacturing companies. Meanwhile, on the control variables, a negative relationship with inventory was obtained”, atau dengan arti
bahwa total asset dan total sales mampu mempengaruhi positif dan signifikan terhadap profitabilitas perusahaan.
Universitas Sumatera Utara
61
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan