Jadwal Penelitian Data Penelitian Pembahasan Hasil Analisis Penelitian

G. Jadwal Penelitian

Jadwal penelitian direncanakan sebagai berikut: Tabel 3.4 Jadwal Penelitian Tahapan Penelitian Juli 2010 Agust 2010 Sept 2010 Okt 2010 Nov 2010 Des 2010 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 Pengajuan Proposal Skripsi Bimbingan Proposal Skripsi Seminar Proposal Skripsi Pengumpulan dan Pengolahan Data Bimbingan Skripsi Penyelesaian Laporan Penelitian Ujian Meja Hijau Sumber: Data diolah penulis, 2010 Universitas Sumatera Utara BAB IV HASIL DAN PEMBAHASAN

A. Data Penelitian

Sebelum melakukan pembahasan mengenai data statistik, peneliti harus terlebih dahulu menentukan jumlah sampel. Sampel yang telah ditentukan adalah sebanyak 11 sampel. Perusahaan pertambangan yang telah menjadi sampel kemudian dicari nilai current ratio, debt ratio, total assets turnover, return on asset, return on equity, operating profit margin, dan pertumbuhan laba. Perusahaan pertambangan yang menjadi sampel dalam penelitian ini disajikan dalam tabel 4.1. Tabel 4.1 Daftar Sampel Perusahaan Pertambangan No. Kode Nama Perusahaan 1. ANTM PT Aneka Tambang Tbk. 2. APEX PT Apexindo Pratama Duta Tbk. 3. BUMI PT Bumi Resources Tbk. 4. CNKO PT Central Corporindo Int’l Tbk. 5. ITMG PT Indo Tambang Raya Megah Tbk. 6. MEDC PT Medco Energy Internasional Tbk. 7. PGAS PT Perusahaan Gas Negara Tbk. 8. PTRO PT Petrosea Tbk. 9. RUIS PT Radiant Utama Interinsco Tbk. 10. PTBA PT Tambang Batu Bara Bukit Asam Tbk. 11. TINS PT Timah Tbk. Sumber: Data diolah penulis, 2010 Universitas Sumatera Utara

B. Analisis Data Penelitian 1. Analisis Statistik Deskriptif

Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul Sugiyono, 2004: 142. Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standar deviasi dari variabel-variabel independen dan variabel dependen. Tabel 4.2 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation CR 33 ,2905 8,0165 2,701581 1,8056834 DR 33 ,1391 ,7846 ,446803 ,1845831 TATO 33 ,0002 ,6000 ,242187 ,1499364 ROA 33 ,0001 3,5460 ,212079 ,6087317 ROE 33 ,0004 5,3128 ,352443 ,9097738 OPM 33 ,0354 ,5660 ,224991 ,1417037 PL 33 -,9985 6,1683 ,632383 1,6033776 Valid N listwise 33 Sumber: Data diolah penulis, 2010 Dari tabel 4.2 dapat dijelaskan beberapa hal seperti yang dijelaskan di bawah ini. a. Variabel current ratio CR memiliki nilai minimun 0,2905 yang diperoleh PT Timah Tbk. dan nilai maksimum 8,0165 yang diperoleh PT Aneka Tambang Tbk. dengan rata-rata current ratio CR sebesar Universitas Sumatera Utara 2,701581 dan standar deviasi 1,8056834 dengan jumlah pengamatan sebanyak 33. b. Variabel debt ratio DR memiliki nilai minimun 0,1391 yang diperoleh PT Central Corporindo Int’l Tbk. dan nilai maksimum 0,7846 yang diperoleh PT Bumi Resources Tbk. dengan rata-rata debt ratio DR sebesar 0,446803 dan standar deviasi 0,1845831 dengan jumlah pengamatan sebanyak 33. c. Variabel total assets turnover TATO memiliki nilai minimun 0,0002 yang diperoleh PT Apexindo Pratama Duta Tbk. dan nilai maksimum 0,6000 yang diperoleh PT Radiant Utama Interinsco Tbk. dengan rata- rata total assets turnover TATO sebesar 0,242187 dan standar deviasi 0,1499364 dengan jumlah pengamatan sebanyak 33. d. Variabel return on asset ROA memiliki nilai minimun 0,0001 yang diperoleh PT Bumi Resources Tbk. dan nilai maksimum 3,5460 yang diperoleh PT Timah Tbk. dengan rata-rata return on asset ROA sebesar 0,212079 dan standar deviasi 0,6087317 dengan jumlah pengamatan sebanyak 33. e. Variabel return on equity ROE memiliki nilai minimun 0,0004 yang diperoleh PT Bumi Resources Tbk. dan nilai maksimum 5,3128 yang diperoleh PT Timah Tbk. dengan rata-rata return on equity ROE sebesar 0,352443 dan standar deviasi 0,9097738 dengan jumlah pengamatan sebanyak 33. Universitas Sumatera Utara f. Variabel operating profit margin OPM memiliki nilai minimun 0,0354 yang diperoleh PT Central Corporindo Int’l Tbk. dan nilai maksimum 0,5660 yang diperoleh PT Aneka Tambang Tbk. dengan rata-rata operating profit margin OPM sebesar 0,224991 dan standar deviasi 0,1417037 dengan jumlah pengamatan sebanyak 33. g. Variabel pertumbuhan laba PL memiliki nilai minimun -0,9985 yang diperoleh PT Central Corporindo Int’l Tbk. dan nilai maksimum 6,1683 yang diperoleh PT Timah Tbk. dengan rata-rata pertumbuhan laba PL sebesar 0,632383 dan standar deviasi 1,6033776 dengan jumlah pengamatan sebanyak 33.

2. Pengujian Asumsi Klasik

Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.

a. Uji Normalitas Data

Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Pengujian normalitas data pada penelitian ini menggunakan analisis grafik dan analisis statistik. Analisis grafik untuk melihat normalitas data dilakukan dengan melihat grafik histogram dan kurva normal probability plot. Grafik histogram menunjukkan apakah data berdistribusi normal atau tidak. Data dikatakan normal jika bentuk Universitas Sumatera Utara kurva memiliki kemiringan yang cenderung seimbang, baik pada sisi kiri maupun sisi kanan, atau tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng Lubis, 2007: 29. Analisis statistik dilakukan dengan non parametric Kolmogorov- Smirnov KS dengan membuat hipotesis sebagai berikut: H = Data residual berdistribusi normal H a = Data residual tidak berdistribusi normal Apabila nilai signifikansi lebih besar dari 0,05 maka H diterima dan sebaliknya, jika nilai signifikansi lebih kecil dari 0,05, maka H ditolak atau H a diterima. Gambar 4.1 Hasil Uji Normalitas Grafik Histogram Sumber: Data diolah penulis, 2010 Grafik histogram pada gambar 4.1 menunjukkan pola distribusi tidak normal karena grafik menceng ke kiri. Dengan demikian dapat disimpulkan bahwa model regresi tidak memenuhi asumsi normalitas. Universitas Sumatera Utara Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier, yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Beberapa cara mengatasi data outlier yaitu: 1 lakukan transformasi data ke bentuk lainnya, 2 lakukan trimming, yaitu membuang data outlier, 3 lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu. Untuk mengubah grafik histogram agar berdistribusi normal, penulis melakukan transformasi data ke model logaritma natural Ln dari Pertumbuhan Laba = fCR, DR, TATO, ROA, ROE, OPM menjadi Ln_Pertumbuhan Laba = fLn_CR, Ln_DR, Ln_TATO, Ln_ROA, Ln_ROE, Ln_OPM. Kemudian data diuji ulang berdasarkan asumsi normalitas, berikut ini hasil pengujian dengan grafik histogram. Gambar 4.2 Hasil Uji Normalitas Setelah Transformasi Logaritma Natural Grafik Histogram Sumber: Data diolah penulis, 2010 Universitas Sumatera Utara Grafik histogram pada gambar 4.2 menunjukkan pola distribusi normal karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas. Gambar 4.3 Grafik Normal P-Plot Sumber: Data diolah penulis, 2010 Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Universitas Sumatera Utara Tabel 4.3 Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 33 Normal Parameters a,b Mean ,0000000 Std. Deviation 1,24110591 Most Extreme Differences Absolute ,135 Positive ,082 Negative -,135 Kolmogorov-Smirnov Z ,778 Asymp. Sig. 2-tailed ,581 a. Test distribution is Normal. Sumber: Data diolah penulis, 2010 Dari hasil pengolahan data pada tabel 4.3 diperoleh besarnya nilai Kolomogorov-Smirnov adalah 0,778 dan signifikan pada 0,581. Nilai signifikansi lebih besar dari 0,05, maka H diterima yang berarti data residual berdistribusi normal. Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya.

b. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Menurut Nugroho 2005: 58 deteksi multikolenaritas pada suatu model dapat dilihat yaitu jika nilai Tolerance 0,1 dan nilai Variance Inflation Factor VIF 10 maka model dapat dikatakan terbebas dari multikolenearitas. Universitas Sumatera Utara Tabel 4.4 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant ,179 ,791 ,226 ,823 Ln_CR -,157 ,463 -,080 -,338 ,738 ,602 1,662 Ln_DR -,143 ,565 -,059 -,253 ,802 ,609 1,642 Ln_TATO ,369 ,363 ,245 1,018 ,318 ,579 1,726 Ln_ROA -,127 ,182 -,209 -,696 ,492 ,373 2,678 Ln_ROE ,156 ,237 ,228 ,659 ,516 ,282 3,543 Ln_OPM ,138 ,376 ,086 ,367 ,717 ,609 1,641 a. Dependent Variable: Ln_PL Sumber: Data diolah penulis, 2010 Hasil pengujian data pada tabel 4.4 menunjukkan nilai tolerance variabel independen lebih dari 0,10. Hal ini dapat dilihat pada tolerance value Ln_CR sebesar 0,602; Ln_DR sebesar 0,609; Ln_TATO sebesar 0,579; Ln_ROA sebesar 0,373; Ln_ROE sebesar 0,282; dan Ln_OPM sebesar 0,609. Selain itu nilai Variance Inflation Factor pada tabel 4.4 kurang dari 10. Hal ini dapat dilihat pada VIF Ln_CR sebesar 1,662; Ln_DR sebesar 1,642; Ln_TATO sebesar 1,726; Ln_ROA sebesar 2,678; Ln_ROE sebesar 3,543; dan Ln_OPM sebesar 1,641. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi multikolinearitas antar variabel independen. Universitas Sumatera Utara

c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Analisis pada gambar Scatterplot yang menyatakan model regresi linear berganda tidak terdapat heteroskedastisitas jika: 1 titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0, 2 titik-titik data tidak mengumpul hanya di atas atau di bawah saja, 3 penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, 4 penyebaran titik-titik data sebaiknya tidak berpola. Gambar 4.4 Hasil Uji Heteroskedastisitas Grafik Scatterplot Sumber: Data diolah penulis, 2010 Universitas Sumatera Utara Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Ada tidaknya heteroskedastitas juga dapat dilakukan dengan pendekatan statistik yakni dengan menggunakan uji glejser. Tabel 4.5 Uji Glejser Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -,078 ,412 -,190 ,851 Ln_CR -,279 ,241 -,246 -1,156 ,258 Ln_DR -,348 ,295 -,250 -1,181 ,248 Ln_TATO -,327 ,189 -,375 -1,730 ,096 Ln_ROA -,054 ,095 -,155 -,572 ,572 Ln_ROE ,013 ,123 ,033 ,105 ,917 Ln_OPM -,259 ,196 -,280 -1,325 ,197 a. Dependent Variable: absut Sumber: Data diolah penulis, 2010 Hasil pengujian yang terlihat pada tabel 4.5 menunjukkan nilai signifikan keenam variabel independen lebih besar 0,05. Hal ini dapat dilihat pada nilai Ln_CR sebesar 0,258; Ln_DR sebesar 0,248; Ln_TATO sebesar 0,096; Ln_ROA sebesar 0,572; Ln_ROE sebesar 0,917; dan Ln_OPM sebesar 0,197. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi heteroskedastisitas antar variabel independen. Universitas Sumatera Utara

d. Uji Autokorelasi

Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW. Dalam model regresi tidak terjadi autokorelasi apabila nilai du dw 4 – du. Tabel 4.6 menyajikan hasil uji Durbin Watson dengan menggunakan program SPSS Versi 18. Tabel 4.6 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,353 a ,125 ,077 1,3768834 2,367 a. Predictors: Constant, Ln_OPM, Ln_TATO, Ln_DR, Ln_ROA, Ln_CR, Ln_ROE b. Dependent Variable: Ln_PL Sumber: Data diolah penulis, 2010 Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson DW sebesar 2,367. Nilai ini akan penulis bandingkan dengan nilai tabel dengan menggunakan signifikansi 5, jumlah pengamatan n sebanyak 33, dan jumlah variabel independen 6 k=6. Maka berdasarkan tabel Durbin Watson didapat nilai batas atas du sebesar Universitas Sumatera Utara 1,8999 dan nilai batas bawah dl sebesar 1,0607. Oleh karena itu, nilai dw lebih besar dari 1,8999 dan lebih kecil dari 4 – 1,8999 atau dapat dinyatakan bahwa 1,8999 2,367 4 – 1,8999 du dw 4 – du. Dengan demikian dapat disimpulkan tidak terdapat autokorelasi baik positif maupun negatif.

3. Pengujian Hipotesis Penelitian

Untuk engetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan koefisien determinasi R 2 , uji signifikansi simultan F test, dan uji signifikansi parsial t test.

a. Koefisien Determinasi R

2 Koefisien determinasi R 2 bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen Lubis, Akhmad, dan Syarif 2007: 48. Range nilai dari R 2 adalah 0-1. Semakin mendekati nol berarti model tidak baik atau variasi model dalam menjelaskan amat terbatas, sebaliknya semakin mendekati satu model semakin baik. Tabel 4.7 Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,353 a ,125 ,077 1,3768834 a. Predictors: Constant, Ln_OPM, Ln_TATO, Ln_DR, Ln_ROA, Ln_CR, Ln_ROE b. Dependent Variable: Ln_PL Sumber: data diolah penulis, 2010. Universitas Sumatera Utara Pada model summary di atas, dapat dilihat hasil analisis regresi secara keseluruhan, dimana nilai R sebesar 0,353 yang menunjukkan bahwa korelasi atau hubungan antara pertumbuhan laba variabel dependen dengan current ratio, debt ratio, total assets turnover, return on asset, return on equity, dan operating profit margin variabel independen mempunyai tingkat hubungan yang rendah yaitu sebesar 35,3. Tingkat hubungan yang sedang ini dapat dilihat dari tabel pedoman untuk memberikan interpretasi koefisien korelasi. Nilai Adjusted R Square adalah sebesar 0,077. Angka ini mengidentifikasikan bahwa pertumbuhan laba variabel dependen mampu dijelaskan oleh current ratio, debt ratio, total assets turnover, return on asset, return on equity, dan operating profit margin variabel independen sebesar 7,7 sedangkan selebihnya sebesar 92,3 dijelaskan oleh sebab-sebab lain. Kemudian standard error of the estimate adalah sebesar 1,3768834 dimana semakin kecil angka ini akan membuat model regresi semakin tepat dalam memprediksi pertumbuhan laba. Tabel 4.8 Pedoman Untuk Memberikan Interpretasi Koefisien Korelasi Interval Koefisien Tingkat Hubungan 0,00 - 0,199 Sangat Rendah 0,2 - 0,399 Rendah 0,4 - 0,599 Sedang 0,6 - 0,799 Kuat 0,8 - 1 Sangat Kuat Sumber: Sugiyono, 2004:183 Universitas Sumatera Utara

b. Uji Signifikansi Simultan

Secara simultan, pengujian hipotesis dilakukan dengan uji-F F test. Uji-F dilakukan untuk menguji apakah variabel-variabel independen berpengaruh secara signifikan terhadap variabel dependen. Dalam uji-F digunakan hipotesis sebagai berikut: H = variabel independen secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap variabel dependen. H a= variabel independen secara bersama-sama mempunyai pengaruh yang signifikan terhadap variabel dependen. Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan F tabel dengan ketentuan: 1 jika F hitung F tabel pada α 0.05, maka H a ditolak dan H diterima, 2 jika F hitung F tabel pada α 0.05, maka H a diterima H ditolak. Berdasarkan hasil pengolahan data dengan program SPSS Versi 18, maka diperoleh hasil sebagai berikut. Tabel 4.9 Hasil Uji-F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 7,027 6 1,171 ,618 ,714 a Residual 49,291 26 1,896 Total 56,318 32 a. Predictors: Constant, Ln_OPM, Ln_TATO, Ln_DR, Ln_ROA, Ln_CR, Ln_ROE b. Dependent Variable: Ln_PL Sumber: Data diolah penulis, 2010 Universitas Sumatera Utara Dari uji ANOVA Analysis of Variance didapat F hitung sebesar 0,618 dengan tingkat signifikansi sebesar 0,714. Sedangkan F tabel diketahui sebesar 2,534. Berdasarkan hasil tersebut dapat diketahui bahwa F hitung F tabel 0,618 2,534 maka H diterima dan H a ditolak. Jadi dapat disimpulkan bahwa secara simultan current ratio, debt ratio, total assets turnover, return on asset, return on equity, dan operating profit margin tidak mempunyai pengaruh signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia.

c. Uji Signifikansi Parsial

Secara parsial, pengujian hipotesis dilakukan dengan uji t-test. Uji-t dilakukan untuk mengetahui seberapa jauh pengaruh satu variabel independen terhadap variabel dependen secara parsial. Dalam uji-t digunakan hipotesis sebagai berikut: H = tidak semua variabel independen berpengaruh signifikan secara parsial terhadap variabel dependen. H a = semua variabel independen berpengaruh signifikan secara parsial terhadap variabel dependen. Uji ini dilakukan dengan membandingkan signifikansi t hitung dengan t tabel dengan ketentuan: 1 Jika t hitung t tabel, maka H a ditolak dan H diterima, 2 Jika t hitung t tabel , maka H a diterima dan H ditolak. Universitas Sumatera Utara Tabel 4.10 Hasil Uji-t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant ,179 ,791 ,226 ,823 Ln_CR -,157 ,463 -,080 -,338 ,738 ,602 1,662 Ln_DR -,143 ,565 -,059 -,253 ,802 ,609 1,642 Ln_TATO ,369 ,363 ,245 1,018 ,318 ,579 1,726 Ln_ROA -,127 ,182 -,209 -,696 ,492 ,373 2,678 Ln_ROE ,156 ,237 ,228 ,659 ,516 ,282 3,543 Ln_OPM ,138 ,376 ,086 ,367 ,717 ,609 1,641 a. Dependent Variable: Ln_PL Sumber: data diolah penulis, 2010. Berdasarkan tabel di atas, maka dapat diperoleh persamaan regresi sebagai berikut: Y = 0,179 - 0,157X 1 - 0,143X 2 + 0,369X 3 - 0,127X 4 + 0,156X 5 + 0,138X 6 Keterangan: 1 α sebesar 0,179 menunjukkan bahwa apabila variabel independen bernilai 0 maka nilai pertumbuhan laba adalah sebesar 0,179, 2 β 1 sebesar -0,157 menunjukkan bahwa setiap penambahan current ratio sebesar 1 maka akan diikuti oleh penurunan pertumbuhan laba sebesar 0,157 dengan asumsi variabel lain tetap, 3 β 2 sebesar -0,143 menunjukkan bahwa setiap penambahan debt ratio sebesar 1 maka akan diikuti oleh penurunan pertumbuhan laba sebesar 0,143 dengan asumsi variabel lain tetap, Universitas Sumatera Utara 4 β 3 sebesar 0,369 menunjukkan bahwa setiap penambahan total assets turnover sebesar 1 maka akan diikuti oleh penambahan pertumbuhan laba sebesar 0,369 dengan asumsi variabel lain tetap, 5 β 4 sebesar -0,127 menunjukkan bahwa setiap penambahan return on asset sebesar 1 maka akan diikuti oleh penurunan pertumbuhan laba sebesar 0,127 dengan asumsi variabel lain tetap, 6 β 5 sebesar 0,156 menunjukkan bahwa setiap penambahan return on equity sebesar 1 maka akan diikuti oleh penambahan pertumbuhan laba sebesar 0,156 dengan asumsi variabel lain tetap, dan 7 β 6 sebesar 0,138 menunjukkan bahwa setiap penambahan operating profit margin sebesar 1 maka akan diikuti oleh penambahan pertumbuhan laba sebesar 0,138 dengan asumsi variabel lain tetap. Dari hasil pengujian statistik t pada tabel 4.10 dapat dijelaskan sebagai berikut. 1 Pengaruh Current Ratio terhadap Pertumbuhan Laba Nilai t hitung untuk variabel current ratio adalah sebesar -0,338 dan t tabel untuk df = N-k 33-6 d an α = 5 dik etah ui sebesar 2 ,035. Dengan demikian nilai t hitung lebih kecil dari nilai t tabel -0,338 2,035 dan nilai signifikansi sebesar 0,738 lebih besar dari 0,05 artinya H diterima, bahwa secara parsial current ratio tidak mempunyai pengaruh yang signifikan dalam memprediksi Universitas Sumatera Utara pertumbuhan laba pada perusahaan pertambangan pada tingkat kepercayaan 95. 2 Pengaruh Debt Ratio terhadap Pertumbuhan Laba Nilai t hitung untuk variabel debt ratio adalah sebesar -0,253 dan t tabel untuk df = N-k 33-6 dan α = 5 diketahui sebesar 2,035. Dengan demikian nilai t hitung lebih kecil dari nilai t tabel -0,253 2,035 dan nilai signifikansi sebesar 0,802 lebih besar dari 0,05 artinya H diterima, bahwa secara parsial debt tidak mempunyai pengaruh yang signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan pada tingkat kepercayaan 95. 3 Pengaruh Total Assets Turnover terhadap Pertumbuhan Laba Nilai t hitung untuk variabel total assets turnover adalah sebesar 1,018 dan t tabel untuk df = N-k 33-6 dan α = 5 diketahui sebesar 2,035. Dengan demikian nilai t hitung lebih kecil dari nilai t tabel 1,018 2,035 dan nilai signifikansi sebesar 0,318 lebih besar dari 0,05 artinya H diterima, bahwa secara parsial tidak total assets turnover tidak mempunyai pengaruh yang signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan pada tingkat kepercayaan 95. 4 Pengaruh Return On Asset terhadap Pertumbuhan Laba Nilai t hitung untuk variabel return on asset adalah sebesar -0,696 dan t tabel untuk df = N-k 33-6 d an α = 5 dik etah ui sebesar 2 ,035. Dengan demikian nilai t hitung lebih kecil dari nilai t tabel -0,696 Universitas Sumatera Utara 2,035 dan nilai signifikansi sebesar 0,492 lebih besar dari 0,05 artinya H diterima, bahwa secara parsial return on asset tidak mempunyai pengaruh yang signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan pada tingkat kepercayaan 95. 5 Pengaruh Return On Equity terhadap Pertumbuhan Laba Nilai t hitung untuk variabel return on equity adalah sebesar 0,659 dan t tabel untuk df = N-k 33-6 dan α = 5 diketahui sebesar 2,035. Dengan demikian nilai t hitung lebih kecil dari nilai t tabel 0,659 2,035 dan nilai signifikansi sebesar 0,516 lebih besar dari 0,05 artinya H diterima, bahwa secara parsial return on equity tidak mempunyai pengaruh yang signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan pada tingkat kepercayaan 95. 6 Pengaruh Operating Profit Margin terhadap Pertumbuhan Laba Nilai t hitung untuk variabel operating profit margin adalah sebesar 0,367 dan t tabel untuk df = N-k 33-6 dan α = 5 diketahui sebesar 2,035. Dengan demikian nilai t hitung lebih kecil dari nilai t tabel 0,367 2,035 dan nilai signifikansi sebesar 0,717 lebih besar dari 0,05 artinya H diterima, bahwa secara parsial operating profit margin tidak mempunyai pengaruh yang signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan pada tingkat kepercayaan 95. Universitas Sumatera Utara

C. Pembahasan Hasil Analisis Penelitian

Hasil penelitian sebagaimana yang telah dipaparkan sebelumnya, terlihat bahwa hasil regresi bergan da dengan menggunakan uji F tingkat signifikansi α = 5 menunjukkan hasil uji ANOVA atau F test menunjukkan F hitung sebesar 0,618 dengan tingkat signifikansi sebesar 0,714. Pada tabel hanya terlihat tiga angka decimal dibelakang koma. Sedangkan F tabel dicari dengan jumlah sampel n = 33; jumlah variabel k = 6; taraf signifikansi α = 5; degree of freedom df1 = k-1 = 5 dan df2 = n-k = 33-6 = 27 diperoleh nilai F tabel sebesar 2,534 taraf signifikansi α =5. Berdasarkan hasil tersebut dapat disimpulkan bahwa H diterima dan H a ditolak, artinya current ratio, debt ratio, total assets turnover, return on asset, return on equity, dan operating profit margin secara simultan tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia karena F hitung F tabel 0,618 2,534 dan signifikansi penelitian lebih besar dari 0,05 0,714 0,05. Hasil ini sesuai dengan penelitian yang dilakukan oleh Susilawaty 2010. Namun hasil penelitian ini bertolak belakang dengan hasil penelitian yang dilakukan oleh Meilina Sari 2009. Hasil pengujian hipotesis menunjukkan bahwa secara parsial current ratio X 1 tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba. Hal ini dilihat pada tabel 4.10 dimana hasil uji statistik tersebut dapat menyimpulkan nilai t hitung adalah -0,338, sedangkan t tabel adalah 2,035, sehingga t hitung t tabel -0,338 2,035, maka current ratio secara parsial tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan yang terdaftar di Universitas Sumatera Utara Bursa Efek Indonesia. Signifikansi penelitian ini juga menunjukkan angka lebih besar dari 0,05 0,738 0,05. Hasil penelitian ini mendukung penelitan yang dilakukan oleh Meilina Sari 2009 dan Susilawaty 2010. Pada variabel debt ratio X 2 diperoleh hasil bahwa secara parsial variabel ini tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba. Hal ini dilihat pada tabel 4.10 dimana hasil uji statistik tersebut dapat menyimpulkan nilai t hitung adalah -0,253, sedangkan t tabel adalah 2,035. Sehingga t hitung t tabel -0,253 2,035, maka debt ratio secara parsial tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia. Signifikansi penelitian ini juga menunjukkan angka lebih besar dari 0,05 0,802 0,05. Hasil penelitian ini mendukung penelitan yang dilakukan oleh Susilawaty 2010. Namun hasil penelitian ini bertolak belakang dengan hasil penelitian yang dilakukan oleh Meilina Sari 2009. Pada variabel total assets turnover X 3 diperoleh hasil bahwa secara parsial variabel ini tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba. Hal ini dilihat pada tabel 4.10 dimana hasil uji statistik tersebut dapat menyimpulkan nilai t hitung adalah 1,018, sedangkan t tabel adalah 2,035. Sehingga t hitung t tabel 1,018 2,035, maka total assets turnover secara parsial tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia. Signifikansi penelitian ini juga menunjukkan angka lebih besar dari 0,05 0,318 0,05. Hasil penelitian ini mendukung penelitan yang dilakukan oleh Meilina Sari 2009 dan Susilawaty 2010. Universitas Sumatera Utara Pada variabel return on asset X 4 diperoleh hasil bahwa secara parsial variabel ini tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba. Hal ini dilihat pada tabel 4.10 dimana hasil uji statistik tersebut dapat menyimpulkan nilai t hitung adalah -0,696, sedangkan t tabel adalah 2,035. Sehingga t hitung t tabel -0,696 2,035, maka return on asset secara parsial tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia. Signifikansi penelitian ini juga menunjukkan angka lebih besar dari 0,05 0,492 0,05. Hasil penelitian ini mendukung penelitan yang dilakukan oleh Meilina Sari 2009 dan Susilawaty 2010. Pada variabel return on equity X 5 diperoleh hasil bahwa secara parsial variabel ini tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba. Hal ini dilihat pada tabel 4.10 dimana hasil uji statistik tersebut dapat menyimpulkan nilai t hitung adalah 0,659, sedangkan t tabel adalah 2,035. Sehingga t hitung t tabel 0,659 2,035, maka return on equity secara parsial tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia. Signifikansi penelitian ini juga menunjukkan angka lebih besar dari 0,05 0,516 0,05. Hasil penelitian ini mendukung penelitan yang dilakukan oleh Meilina Sari 2009. Pada variabel operating profit margin X 6 diperoleh hasil bahwa secara parsial variabel ini tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba. Hal ini dilihat pada tabel 4.10 dimana hasil uji statistik tersebut dapat menyimpulkan nilai t hitung adalah 0,367, sedangkan t tabel adalah 2,035. Sehingga Universitas Sumatera Utara t hitung t tabel 0,367 2,035, maka operating profit margin secara parsial tidak berpengaruh signifikan dalam memprediksi pertumbuhan laba pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia. Signifikansi penelitian ini juga menunjukkan angka lebih besar dari 0,05 0,717 0,05. Operating profit margin merupakan rasio yang digunakan oleh peneliti agar berbeda dengan penelitian-penelitian yang dilakukan oleh Meilina Sari 2009, Lasdi Purnama 2010, dan Susilawaty 2010. Jadi, hasil penelitian ini tidak memiliki acuan dari peneliti terdahulu. Universitas Sumatera Utara BAB V KESIMPULAN DAN SARAN

A. Kesimpulan