Jenis dan Sumber Data Metode Pengumpulan Data Pembahasan

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