Metode Pengumpulan Data Data Penelitian Pembahasan

40

3.6 Metode Pengumpulan Data

Dalam penelitian ini, metode penelitian yang digunakan oleh penulis adalah studi pustaka yakni membaca dan mempelajari teori-teori yang berkaitan dengan penelitian ini dan dokumentasi penelitian terdahulu sebagai referensi serta melalui media internet dengan mengunduh data berupa laporan keuangan periode tahun 2010 sampai 2012 dari website Bursa Efek Indonesia.

3.7 Teknik Analisis

Teknik analisis yang digunakan dalam penelitian ini adalah:

3.7.1 Metode Deskriptif

adalah suatu metode analisis data dengan mengumpulkan data, menyusun, menginterpretasikan dan menganalisis data tersebut sehingga memberikan keterangan yang lengkap bagi pemecahan masalah yang dihadapi dalam penelitian ini.

3.7.2 Analisis Regresi

Analisis regresi berganda dilakukan untuk mengetahui adanya pengaruh ada hubungan antara variabel-variabel independen dengan variabel dependen dengan menggunakan nilai beta unstandardized karena variabel yang digunakan mempunyai satuan yang sama yaitu persentase. Mekanisme analisis regresi berganda dilakukan dengan pengujian asumsi klasik teoritis meliputi uji normalitas data, uji multikolinearitas, ujiheteroskedastisitas, dan uji autokorelasi, dilanjutkan dengan pengujian hipotesis. Untuk Universitas Sumatera Utara 41 mengetahui proporsi dari total variasi variabel dependen yang dijelaskan oleh beberapa variabel independen secara bersama-sama diukur melalui koefisien determinasi yang dinyatakan dalam nilai � . Kemudian dilakukan uji signifikansi keseluruhan terhadap regresi berganda yang ditaksir, dalam hal ini NPM berkorelasi linear dengan receivable turnover dan inventory turnover secara bersama-sama yang dikenal dengan uji statistik f. Selanjutnya dilakukan uji signifikansi t yakni menguji signifikansi koefisien regresi beta masing-masing variabel independen secara parsial. Model regresi yang dirumuskan dalam penelitian ini adalah: NPM = α + β 1 RT + β 2 IT + e dimana: NPM = Net Profit Margin RT = Receivable Turnover IT = Inventory turnover α = Konstanta β 1 –β 2 = Koefisien variabel independen e = Variabel Pengganggu

3.7.2.1 Pengujian Asumsi Klasik

Sehubungan dengan penggunaan data sekunder dalam penelitian ini,maka untuk mendapatkan ketepatan model yang akan dianalisis perlu dilakukan pengujian atas beberapa persyaratan asumsi klasik yang mendasari model Universitas Sumatera Utara 42 regresi di atas. Pengujian asumsi klasik ini terdiri dari uji normalisasi, uji multikolinieritas, uji heteroskedastisitas, serta uji autokorelasi.

3.7.2.1.1 Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak. Model regressi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas dapat dilakukan dengan uji statistik. Test statistik sederhana yang dapat dilakukan adalah berdasarkan nilai kurtosis atau skewness. Erlina 2011 : 101 nilai Z dari uji Skewness dapat dihitung dengan rumus sebagai berikut: Z hitung = ���� � √6 Sedangkan nilai t kurtosis dapat dihitung dengan rumus: Z kurtosis = � � √ 4 Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka uji statistic menjadi tidak valid untuk jumlah sampel kecil. Universitas Sumatera Utara 43

3.7.2.1.2 Multikolinearitas

Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variable independen. Model regresi yang baik seharusnya tidak trejadi korelasi diantara variable independen. Banyak cara yang dapat digunakan untuk mendeteksi adanya multikolinearitas, namun tidak ada kesepakatan umum tentang tentang uji yang paling tepat. Erlina 2011 : 104 ada dua uji multikolinearitas yang sering digunakan yaitu dengan melihat nilai Variance Inflation Faktor VIF: VIF = T lera ce VIF yang tinggi menunjukkan bahwa multikolinearitas telah menaikkan sedikit varian pada koefisisn estimasi, akibatnya menurunkan nilai t. semakin tinggi VIF, semaik berat dampak dari multikolinearitas. Pada umumnya jika nilai VIF10, maka terjadi multikolinearitas yang cukup berat di antara variable independen. Di samping itu, cara lain yang dapat digunakan untuk mendeteksi adanya gejala multikolinearitas adalah dengan melihat koefisien korelasi sederhana antara variabel- variabel independenpenjelas. Apabila r tinggi Universitas Sumatera Utara 44 nilai absolutnya, maka ada dua variabel penjelas tertentu berkorelasi dan masalah multikolinearitas ada dalam persamaan tersebut. Erlina 2011 : 104 suatu model terdapat gejala multikolinearitas “jika korelasi diantar variabel independen lebih besar dari 0.8”.

3.7.2.1.3 Heteroskedastisitas

Uji Heteroskedastisitas dilakukan untuk mendeteksi adanya penyebaran atau pancaran dari variabel-variabel. Selain itu juga untuk menguji apakah dalam sebuah model regressi terjadi ketidaksamaan varian dari residual dari satu pengamatan ke pengamatan yang lain. Jika varian dari residual dari pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas, dan jika varians berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Uji heteroskedastisitas pada penelitian ini menggunakan metode grafik untuk melihat pola dari variabel yang ada berupa sebaran data. Universitas Sumatera Utara 45 Salah satu cara untuk melihat ada tidaknya heterokedastisitas adalah dengan melihat scatter diagram nilai residu terhadap waktu atau terhadap satu dari lebih variabel-variabel bebas yang diduga sebagai penyebab heterokedastisistas. Suatu model mengandung heterokedastisistas apabila nilai-niai residunya membentuk pola sebaran yang meningkat, yaitu secara terus menerus bergerak menjauhi garis nol. Selain itu dapat juga dilihat melalui grafik normalitasnya terhadap variabel yang digunakan. Jika data yang dimiliki terletak menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas dan tidak ada yang berpencar maka dapat dikatakan tidak terjadi heteroskedastisitas tetapi homokedastisitas. Untuk mengetahui adanya gejala heteroskedastisitas dalam model regresi, maka digunakan uji Glejser yang dilakukan dengan menggunakan rumus: [ e i ] = β i X i + V i Universitas Sumatera Utara 46 dimana: e i = Residual X i = Variabel independen yang diperkirakan mempunyaihubungan erat dengan variance � i 2 V i = Unsur kesalahan

3.7.2.1.4 Autokorelasi

Pengujian asumsi klasik yang keempat pada model regresi adalah uji autokorelasi, yang digunakan untuk mengetahui apakah pada model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t -1 . Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Gejala autokorelasi tersebut dapat dengan menggunakan Durbin-Watson test melalui nilai DW yang diperoleh, yang berpedoman pada angka pada skala dl, du, 4-du, dan 4-dl. Universitas Sumatera Utara 47 Erlina 2011 : 107 pedoman pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut: 1. Bila nilai DW terletak di antara batas atas atau upper bond DU, yaitu antara DU dan 4-DU, maka koefisien autokorelasi sama dengan nol yang berarti tidak terjadi autokorelasi. 2 Bila nilai DW lebih rendah dari batas bawah atau lower bound DL, maka koefisien autokorelasi lebih besar dari nol yang berarti terjadi autokorelasi positif. 3 Bila nilai DW lebih besar daripada4- DL, maka koefisien autokorelasi lebih kecil dari nol yang berarti terjadi autokorelasi negatif. 4 Bila nilai DW terletak di antara batas atas DU dan batas bawah DL, yaitu antara DU dan DL atau antara 4- DUdan 4-DL, maka hasilnya tidak dapat disimpulkan.

3.7.2.2 Pengujian Hipotesis

Untuk melakukan pengujian terhadap hipotesis-hipotesis yang diajukan, perlu digunakan analisis regresi melalui uji t maupun uji f. Tujuan digunakan analisis regresi adalah untuk mengetahui pengaruh variabel-variabel independen terhadap variabel dependen, baik secara parsial maupun secara simultan, serta mengetahui besarnya dominasi variabel-variabel independen terhadap variabel dependen. Universitas Sumatera Utara 48

3.7.2.2.1 Uji t statistik

Dalam melakukan uji hipotesis pertama dan hipotesis kedua, digunakan uji t. Uji t dilakukan untuk mengetahui ada tidaknya pengaruh yang signifikan dari masing-masing variabel independen terhadap variabel dependen. Uji t ini dilakukan dengan cara menilai tingkat signifikansi t hitung, dimana apabila tingkat signifikansi tersebut lebih kecildari alfa α, maka berarti terdapat pengaruh yang signifikan antara variabel independen terhadap variabel dependen, sehingga hipotesis diterima. Uji keberartian koefisien b i dilakukan dengan statistik-t. Hal ini digunakan untuk menguji koefisien regresi secara parsial dari variable independennya. Uji ini dilakukan untuk menguji hipotesis pertama dan hipotesis kedua, adapun hipotesis dirumuskan sebagai berikut : H : β 1 sd 5 = 0 dan H 1 : β 1 sd 5 ≠ 0 Artinya terdapat pengaruh yang signifikan dari variabel independen X terhadapvariabel dependen Y. Universitas Sumatera Utara 49 Nilai t hitung dapat dicari dengan rumus: t hitung = bi Error Standar bi regresi Koefisien Jika t hitung t tabel α, n-k-l, maka H ditolak; Jika t hitung t tabel α, n-k-l, maka H diterima.

3.7.2.2.2 Uji F Statistik

Uji ini digunakan untuk menguji keberartian pengaruh dari seluruh variable independen secara bersama-sama terhadap variabel dependen. Hipotesis inidirumuskan sebagai berikut : H : p = 0 H 1 : p ≠ 0 Nilai F hitung dapat dicari dengan rumus : F hitung = K - N R2 - 1 1 - k 2 R Jika F hitung F tabel α, k-1, n-k, maka H ditolak dan H 1 diterima atau dikatakan signifikan, artinya secara bersama-sama variabel bebas X 1 dan X 2 berpengaruh signifikan terhadap variabel dependen Y = hipotesis diterima. Universitas Sumatera Utara 50 Jika F hitung F tabel α, k-1, n-k, maka H diterima dan H 1 ditolak atau dikatakan tidak signifikan, artinya secara bersama-sama variabel bebas X 1 sd X 2 berpengaruh tidak signifikan terhadap variabel dependen Y = hipotesis ditolak. Universitas Sumatera Utara 51

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Untuk mengetahui pengaruh yang terjadi dalam penelitian ini, maka diperlukan data dari perusahaan-perusahaan yang diteliti agar dapat diketahui bagaimana pengaruh yang terjadi antara perputaran piutang dan perputaran persediaan terhadap net profit margin. Populasi yang diteliti dalam penelitian ini adalah 39 perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia BEI. Setelah dilakukan pemilihan sampel dengan teknik purposive samplingdiperoleh 39 perusahaaan yang telah memenuhi kriteria yang ditentukan sebelumnya. Berdasarkan analisis data diperoleh jumlah sampel secara keseluruhan yang diteliti adalah sebanyak 117 sampel untuk periode 3 tahun dimulai dari tahun 2010 sampai 2012.

4.2 Analisis Hasil Penelitian

4.2.1 Statistik Deskriptif

Analisis deskriptif dilakukan agar dapat memberikan gambaran terhadap variabel-variabel yang digunakan dalam penelitian. Penelitian ini menggunakan dua variabel independen yang bertujuan untuk mengetahui hubungan perputaran piutang dan perputaran persediaan. Deskriptif variabel atas data dilakukan selama 3 tahun, sehingga data secara keseluruhan yang diamati berjumlah 117 sampel. Berdasarkan hasil Universitas Sumatera Utara 52 pengolahan data dengan bantuan SPSS 22, diperoleh hasil perhitungan sebagai berikut: Tabel 4.1 Perhitungan Minimum, Maksimum, Mean, Median, Standar Deviasi Descriptive Statistics N Minimum Maximum Mean Std. Deviation Receivable Turnover 117 2,400 20,370 8,82870 5,180020 Inventory Turnover 117 ,181 10,790 3,80835 2,742967 Net Profit Margin 117 -,095 ,308 ,09122 ,090639 Valid N listwise 117 Sumber: Data Sekunder dariwww.idx.co.id diolah kembali Tabel di atas diketahui bahwa jumlah sampel yang digunakan dalam penelitian ini adalah sebanyak 117 sampel. Selain itu dapat diketahui bahwa: 1. Receivable Turnover minimum 2,400 dan maximum 20,370, rata-rata 8,82870 dengan standard deviasi 5,180020. 2. Inventory Turnover minimum 0,181dan maximum 10,790, rata-rata 3,808 dengan standard deviasi 2,743. 3. Net Profit Margin minimum -0.095 dan maximum 0,308, rata-rata 0,091 dengan standard deviasi 0,091.

4.2.2. Hasil Uji Asumsi Klasik

Sebelum dilakukan pengujian hipotesis yang diajukan dalam penelitian ini, sampel hasil perhitungan rata-rata rasio keuangan selama 3 tahun tersebut perlu dilakukan pengujian asumsi klasik terlebih dahulu. Pengujian asumsi klasik yang dimaksud dalam penelitian ini terdiri atas: normalitas data, multikolinearitas, heteroskedastisitas dan autokorelasi, dengan penjelasan sebagai berikut: Universitas Sumatera Utara 53

4.2.2.1 Normalitas Data

Untuk menentukan data dengan uji Kolmogorov-Smirnov, nilai signifikansi harus di atas 0.05 atau 5 Erlina, Sri Mulyani 2011. Pengujian terhadap normalitas data dengan menggunakan uji Kolmogorov-Smirnov menunjukkan bahwa nilai Logaritma natural dari Receivable Turnover, Inventory Turnover dan Net Profit Marginmempunyai nilai signifikansi di atas 0.05, sehingga data yang ada terdistribusi normal. Hal tersebut mengindikasikan bahwa variabel independen yang digunakan dalam penelitian ini tidak terdapat data yang outlier yang dapat mengakibatkan hasil penelitian menjadi bias sehingga dapat digunakan untuk memprediksi NPM perusahaan yang listed di BEI periode 2010- 2012. Untuk lebih jelasnya dapat dilihat pada Tabel 4.2 berikut ini: Tabel 4.2 Hasil Pengujian Normalitas Perusahaan Barang Konsumsi One-Sample Kolmogorov-Smirnov Test Ln_RT Ln_IT Ln_NPM N 117 117 108 Normal Parameters a,b Mean 2,0064 1,0648 -2,6778 Std. Deviation ,60066 ,79840 1,00097 Most Extreme Differences Absolute ,077 ,055 ,070 Positive ,077 ,050 ,067 Negative -,072 -,055 -,070 Test Statistic ,077 ,055 ,070 Asymp. Sig. 2-tailed ,083 c ,200 c,d ,200 c,d a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction. d. This is a lower bound of the true significance. Sumber: Outpu SPSS 22 One-Sample Kolmogorov-Smirnov Test Universitas Sumatera Utara 54 Pengujian normalitas dapat juga dilakukan dengan analisis grafik dengan melihat grafik histogram dan normal probability plot. Sumber: Output SPSS 22, Histogram Gambar 4.1 Hasil Pengujian Normalitas PerusahaanBarang Konsumsi Pada grafik histogram terlihat bahwa variable berdistribusi normal, hal ini ditunjukkan bahwa grafik histogram pola distribusi data tersebut tidak menceng ke kiri atau ke kanan. Universitas Sumatera Utara 55 Sumber: Output SPSS 22 P-Plot Gambar 4.2 Hasil Pengujian Normalitas Perusahaan Barang Konsumsi Pada scasterplot terlihat titik-titik yang mengikuti data disepanjang garis diagonal, hal ini berarti data berdistribusi normal

4.2.2.2 Hasil Uji Multikolinearitas

Untuk mendeteksi ada tidaknya gejala multikolinearitas antar variabel independen digunakan variance inflation factor VIF. Sampel hasil yang ditunjukkan dalam output SPSS maka besarnya VIF dari masing-masing variabel independen dapat dilihat pada tabel 4.3 sebagai berikut: Universitas Sumatera Utara 56 Tabel 4.3 Hasil Perhitungan VIF Perusahaan Barang Konsumsi Model t Sig. Collinearity Statistics Tolerance VIF 1 Constant 4,760 ,000 Receivable Turnover -,790 ,431 ,997 1,003 Inventory Turnover ,272 ,786 ,997 1,003 Sumber: Output SPSS 22; Coefficients a Sampel tabel 4.3 menunjukkan bahwa ke-2 variabel independentidak terjadi multikolinearitas karena nilai VIF 10 dan nilai tolerance 0.01. Dengan demikian dua variabel independen Receivable Iturnover, Inventory Turnover dapat digunakan untuk memprediksi NPM selama periode pengamatan.

4.2.3 Hasil Uji Heteroskedastisitas

Uji Glejser test digunakan untuk mendeteksi ada tidaknya heteroskedastisitas. Glejser menyarankan untuk meregresi nilai absolut dari ei terhadap variabel X variabel bebas yang diperkirakan mempunyai hubungan yang erat dengan δ i 2 dengan menggunakan rumus perhitungan sebagai berikut: [ei ] = β 1 X i + V i yang mana: [e i ] merupakan penyimpangan residual; dan X i merupakan variabel bebas. Untuk menentukanheteroskedastisitas juga dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, bila kondisi ini Universitas Sumatera Utara 57 terpenuhi maka tidak terjadi heteroskedastisitas dan model regresi layak digunakan. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot di tunjukkan pada gambar 4.3 dibawah ini: Sumber: Output SPSS 22, ScatterPlot Gambar 4.3 Grafik Scatterplot Perusahaan Barang Konsumsi Pada grafik ScatterPlotyang disajikan terlihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. hal ini berarti tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi NPM berdasarkan masukan variable independennya. Hasil uji heteroskedastisitas dengan uji Glejser dapat ditunjukkan dalam tabel 4.4 sebagai berikut: Universitas Sumatera Utara 58 Tabel 4.4 Hasil Uji Heteroskedastisitas Perusahaan Barang Konsumsi Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant ,074 ,013 5,531 ,000 Receivable Turnover -,001 ,001 -,048 -,511 ,611 Inventory Turnover 6,258E-5 ,002 ,003 ,032 ,975 Sumber: Output SPSS 22; Coefficients a Hasil tampilan outputSPSS dengan jelas menunjukkan pada tabel 4.4 tidak ada satupun variable independen yang signifikan secara statistic mempengaruhi variable independen absolut Ut ABSUT. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi disimpulkan model regresi tidak mengarah adanya heteroskedastisitas. Berdasarkan tabel 4.4 menunjukkan bahwa semua variabel bebas tidak signifikan, sehingga tidak terjadi heteroskedastisitas dalam varian kesalahan. Hal ini mengindikasikan bahwa kedua variabel independent Receivable Iturnover, Inventory Turnover benar-benar mempengaruhi NPM dan tidak berpengaruh terhadap variabel residualnya, sehingga penelitian ini homoskedastisitas.

4.2.4 Hasil Uji Autokorelasi

Penyimpangan autokorelasi dalam penelitian diuji dengan uji Durbin-Watson DW-test. Hal tersebut untuk menguji apakah model linier mempunyai korelasi antara disturbence error pada periode t dengan kesalahan pada periode t-1 sebelumnya. Hasil regresi dengan level of Universitas Sumatera Utara 59 significance 0.05 α= 0.05 dengan sejumlah variabel independen k = 2 dan banyaknya data n = 117. Adapun hasil dari uji autokorelasi dapat dilihat pada Tabel 4.5 berikut: Tabel 4.5 Hasil Uji Autokorelasi Perusahaan Barang Konsumsi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,079 a ,006 -,011 ,091142 1,919 a. Predictors: Constant, Inventory Turnover, Receivable Turnover b. Dependent Variabel: Net Profit Margin Sumber: Output SPSS 22Model Summary b Berdasarkan hasil hitung Durbin Watson, penyimpangan autokorelasi sebesar 1.88; seda ngkan dalam tabel DW untuk “k”=2 dan N=117 besarnya DW-tabel: dl batas luar = 1,66; du batas dalam = 1.73; 4 – du = 2.27; dan 4 – dl = 2.34 maka dari perhitungan disimpulkan bahwa DW- test terletak pada daerah uji. Hal ini dapat dilihat pada gambar 4.4 sebagai berikut: 1.661.73 1.88 2.27 2.34 Gambar 4.4 Hasil Uji Durbin Watson Perusahaan Barang Konsumsi Positive indication no-auto Indication Negative autocorrelation correlation autocorrelation dl du D 4-du 4-dl Universitas Sumatera Utara 60 Sesuai dengan gambar 4.4 tersebut menunjukkan bahwa Durbin Watson berada di daerah no-autocorrelation.Artinya, pada data rasio-rasio keuangan yang digunakan dalam penelitian ini tidak terdapat kesalahan data yang dipengaruhi oleh kesalahan pada periode tahun sebelumnya.

4.3. Hasil Uji Hipotesis

Nilai koefisien determinasi adjusted R 2 sebesar -0.011 atau -1.1. Hal ini berarti -1.1 variasi NPM yang bisa dijelaskan oleh variasi dari kedua variabel bebas yaitu Receivable Turnover dan Inventory Turnover, sedangkan sisanya sebesar 101.1 dijelaskan oleh sebab-sebab lain di luar model. Tabel 4.6 Nilai Koefisien Determinasi PerusahaanBarang Konsumsi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,079 a ,006 -,011 ,091142 1,919 a. Predictors: Constant, Inventory Turnover, Receivable Turnover b. Dependent Variabel: Net Profit Margin Sumber: Output SPSS 22Model Summary b Berdasarkan hasil output SPSS dapat dilihat bahwa pengaruh secara bersama-sama empat variabel independen tersebut Receivable Turnover dan Inventory Turnover terhadap NPM seperti ditunjukkan pada tabel 4.7 dibawah ini. Universitas Sumatera Utara 61 Tabel 4.7 Hasil Perhitungan Regresi SimultanPerusahaanBarang Konsumsi ANOVA a Model Sum of Squares Df Mean Square F Sig. 1 Regression ,006 2 ,003 ,361 ,697 b Residual ,947 114 ,008 Total ,953 116 a. Dependent Variable: Net Profit Margin b. Predictors: Constant, Inventory Turnover, Receivable Turnover Sumber: Output SPSS 22,ANOVA a Dari hasil perhitungan diperoleh nilai F sebesar 0.361 dan nilai signifikansi sebesar 0.697. Karena nilai signifikansi lebih besar dari 0.05 maka hipotesis H 3 ditolak dan tidak terdapat pengaruh variabel Inventory Turnover, Receivable Turnover secara bersama-sama terhadap variabel NPM. Sementara itu secara parsial pengaruh dari keempat variabel independen tersebut terhadapNPM ditunjukkan pada tabel 4.8 sebagai berikut: Tabel 4.8 Hasil Perhitungan Regresi ParsialPerusahaanBarang Konsumsi Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant ,099 ,021 4,760 ,000 Receivable Turnover -,001 ,002 -,074 -,790 ,431 Inventory Turnover ,001 ,003 ,025 ,272 ,786 Dependent Variable: Net Profit Margin Sumber: Output SPSS 22, Coefficients a Dari hasil output SPSS tersebut diatas dapat dilihat nilai konstanta sebesar 0.099 hal ini mengindikasikan bahwa NPM mempunyai nilai sebesar 0.099 atau Universitas Sumatera Utara 62 9.9 dengan tidak dipengaruhi oleh variabel-variabel independen Inventory Turnover, Receivable Turnover. Untuk melihat besarnya pengaruh variabel independen terhadapvariabel dependennya dapat dilihat dari nilai beta unstandardized coefficients. Dari tabel 4.7 maka dapat disusun persamaan regresi linier berganda sebagai berikut: NPM= 0.099 - 0.001 RT + 0.001 IT + e Dari hasil persamaan regresi linier berganda tersebut di atas maka dapat dianalisis sebagai berikut:

4.3.1 Variabel Receivable Turnover

Dari perhitungan persamaan regresi linier berganda, hasilnya adalah nilai koefisien variabel Receivable Turnover sebesar -0.001. Dari hasil perhitungan uji secara parsial diperoleh nilai t hitung sebesar -0.790 dan nilai signifikansi sebesar 0.431. Karena nilai signifikansi lebih besar dari 5 maka hipotesisH 1 ditolak berarti tidak terdapat pengaruh signifikan variabel Receivable Turnover terhadap variabel NPM.

4.3.2 Variabel Inventory Turnover

Dari perhitungan persamaan regresi linier berganda, hasilnya adalah nilai koefisien variabel IT sebesar 0.001. Dari hasil perhitungan uji secara partial diperoleh nilai t hitung sebesar 0.272 dan nilai signifikansi sebesar 0.786. Karena nilai signifikansi lebih besar dari 5 maka hipotesis H 2 ditolak berarti tidak terdapat pengaruh signifikan variabel Inventory turnover terhadap variabel NPM. Universitas Sumatera Utara 63

4.4. Pembahasan

Hasil penelitian ini menunjukkan bahwa nilai koefisien determinasi adjusted R 2 perusahaan Barang Konsumsi -0.011 atau -1.1. Hal ini berarti variasi NPM yang bisa dijelaskan oleh variasi dari kedua variabel bebas yaitu receivable turnoverdan inventory turnover adalah sebesar -0.011 atau -1.1, sedangkan sisanya sebesar 0,989 atau 98,9 dijelaskan oleh sebab-sebab lain. Variabel independen Receivable Turnover, inventory turnoversecara bersama-sama tidak berpengaruh signifikan terhadap NPM. Hal ini terlihat dari hasil uji f statistik dengan nilai signifikansi masing-masing sebesar 0.697. Adapun pengaruh variabel receivable turnover, inventory turnover secara parsial terhadap NPM ditunjukkan oleh parameternya masing-masing melalui uji t statistik. Dalam uji t statistik, α, β 1 , dan β 2 disebut parameter atau juga disebut koefisien regresi; α sebagai koefisien titik potong konstanta danβ 1 , β 2 sebagai koefisien kemiringan slope. Koefisien titik potong adalah nilai variabel dependen NPM apabila nilai variabel independen Receivable Turnover, inventory turnover sama dengan nol. Koefisien kemiringan mengukur tingkat perubahan nilai rata-rata variabel dependen untuk setiap perubahan variabel independen sebesar satu unit. Nilai konstansta hasil regresi linear berganda adalah sebesar 0.099 yang artinya perusahaan akan memperoleh laba sebesar 0.099 atau 9.9 tanpa dipengaruhi oleh variabel-variabel independen receivable turnover, inventory turnover. Penafsiran semacam itu tentunya tidak masuk akal dari segi ekonomi. Bagaimana Universitas Sumatera Utara 64 perusahaan dapat menghasilkan laba sebesar itu apabilaaktivitassama dengan nol, dengan demikian parameter titik potong ini tidak memiliki arti secara ekonomi. Parameter β 1 menunjukkan nilai koefisien regresi variabel receivable turnover sebesar -0.001 artinya bahwa antara variabel independen receivable turnover dan variabel dependen NPM terjadi hubungan yang negatif.Untuk setiap penurunanreceivable turnover sebesar 1, maka NPM akan turun 0.1. Namun hasil initidak signifikan secara statistik karena tingkat signifikansinya di dibawah0.05. Dengan demikian hipotesis yang mengatakan terdapat pengaruh signifikan receivable turnoverterhadap NPM pada perusahaan Barang Konsumsi ditolak. Parameter β 2 menunjukkan nilai koefisien regresi variable inventory turnover perusahaan Barang Konsumsi sebesar 0.001 artinya bahwa antara variabel independen inventory turnover dan variabel dependen NPM terjadi hubungan yang positif pada perusahaan Barang Konsumsi, untuk setiap penambahaninventory turnover sebesar 1, maka NPM akan naik sekitar 0.001 atau 0.1. Pada perusahaan Barang Konsumsi hasil ini tidak signifikan secara statistik karena tingkat signifikansinya di bawah 0.05. Dengan demikian hipotesis yang mengatakan terdapat pengaruh signifikan inventory turnover terhadap NPM pada perusahaan Barang Konsumsi, ditolak. Universitas Sumatera Utara 65 BAB V KESIMPULAN DAN SARAN

5.1 Simpulan