Pengujian Hipotesis Penelitian Metode Analisis Data .1 Uji Asumsi Klasik

signifikan terhadap variabel dependen. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan nilai adjusted R2 pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R2, nilai adjusted R2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model.

3.6.2 Pengujian Hipotesis Penelitian

Pengujian hipotesis merupakan proses pembuatan keputusan yang menggunakan estimasi statistik sampel terhadap parameter populasinya. Pengujian hipotesis dalam penelitian ini dilakukan dengan analisis regresi berganda, uji signifikan t-test serta uji signifikan f-test. a. Regresi berganda Analisis regresi berganda digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen. Variabel independen dalam penelitian ini adalah ukuran perusahaan, profitabilitas, leverage dan ukuran dewan komisaris. Sedangkan variabel dependennya adalah indeks pengungkapan CSR. Adapun persamaan untuk menguji hipotesis secara keseluruhan pada penelitian ini adalah sebagai berikut : Y = a + β₁X₁ + β₂X₂ + β 3 X 3 + Β 4 X 4 + ε t Keterangan : Y : Indeks pengungkapan CSR α0 : Konstanta Universitas Sumatera Utara X1 : Ukuran perusahaan X2 : Profitabilitas X3 : Laverage X4 : Ukuran dewan komisaris β1...β4 : Koefisien X1...X4 εt : Error Term, yaitu tingkat kesalahan penduga dalam penelitian Analasis regresi berganda didasarkan pada asumsi-asumsi sebagai berikut: - Ada hubungan yang bersifat linier antara variabel terikat dengan variabel bebasnya - Variabel terikat bersifat kontinu atau berskala rasio atau nisbah - Keragaman atau residu untuk semua nilai Y yang bersifat konstan dan menyebar secara normal - Pengamatan yang bersifat berurutan terhadap variabel bebas tidak berkorelasi b. Uji signifikansi simultan Uji F Menurut Ghozali 2005 uji stastistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimaksudkan dalam model mempunyai pengaruh secara simultan terhadap variabel dependen. Pengujian dilakukan dengan menggunakan significance level 0,05 α=5. Ketentuan peneriman atau penolakan hipotesis adalah sebagi berikut : Universitas Sumatera Utara 1. Jika nilai signifikan 0,05 maka hipotesis ditolak koefisien regresi tidak signifikan. Ini berarti bahwa secara simultan keempat variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen. 2. Jika nilai signifikan ≤ 0,05 maka hipotesis diterima koefisien regresi signifikan. Ini berarti secara simultan keempat variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen. c. Uji signifikansi parsial t-test Menurut Ghozali 2005 uji stastistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen. Pengujian dilakukan dengan menggunakan significance level 0,05 α=5. Penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut : 1. Jika nilai signifikan 0,05 maka hipotesis ditolak koefisien regresi tidak signifikan. Ini berarti bahwa secara parsial variabel independen tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen. 2. Jika nilai signifikan ≤ 0,05 maka hipotesis diterima koefisien regresi signifikan. Ini berarti secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen. Universitas Sumatera Utara BAB IV ANALISIS HASIL PENELITIAN 4.1. Deskripsi Data Secara Statistik Perusahaan yang menjadi objek penelitian ini adalah semua perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada tahun 2010 – 2012. Sektor manufaktur dipilih karena sektor ini memiliki jumlah perusahaan terdaftar yang paling banyak dibandingkan dengan sektor usaha lain. Selain itu, sektor ini merupakan sektor yang memiliki cakupan stakeholder paling luas yang meliputi investor, kreditor, pemerintah, dan lingkungan sosial sehingga perlu melakukan pengungkapan informasi sosial. Penelitian ini berfokus pada sektor manufaktur dikarenakan untuk menghindari risiko industri yang berbeda antara suatu sektor industri yang satu dengan yang lain. Peneliti menggunakan metode statistik deskriptif dalam penelitian ini yaitu penelitian yang dilakukan untuk memperoleh gambaran yang sebenarnya tentang kondisi perusahaan yang dianalisis. Dalam penelitian ini objek penelitian dipilih dengan metode purposive sampling dengan menggunakan kriteria-kriteria yang telah ditentukan. Berdasarkan metode purposive sampling diperoleh sampel sebanyak 60 perusahaan manufaktur. Penelitian ini mengunakan tema pengungkapan social secara keseluruhan terdiri dari 78 item pada 7 tema yang diusung dalam CSR. Tabel 4.1 merupakan data statistik secara umum dari keseluruhan data yang digunakan. Universitas Sumatera Utara Tabel 4.1 Descriptive Statistics Mean Std. Deviation N CSR 5,22 1,415 60 Ln_SIZE 6,03612508 ,456516644 60 ROA ,15547901 ,273929667 60 LEV ,9798 ,69444 60 UDK 4,42 1,925 60 Sumber : data yang diolah penulis, 2014 Tabel 4.1 menunjukkan nilai minimum, nilai maksimum, dan nilai rata-rata setiap variabel, yakni variabel ROA, SIZE, LEV, dan UDK. Berikut perincian data deskriptif yang telah diolah : 1. Variabel CSR memiliki nilai rata-rata sebesar 5,22 dan standar deviasi sebesar 1,415 2. Variabel SIZE memiliki nilai rata-rata sebesar 6,0361 dan standar deviasi sebesar 0,4565 3. Variabel ROA memiliki nilai rata-rata sebesar 0,1554 dan standar deviasi sebesar 0,2739. 4. Variabel LEV memiliki nilai rata-rata sebesar 0,9798 dan standar deviasi sebesar 0,6944. 5. Variabel UDK memiliki nilai rata-rata sebesar 4,42 dan standar deviasi sebesar 1,925. 4.2 Pengujian Asumsi Klasik Untuk menghasilkan suatu model regresi yang baik, diperlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Pengujian asumsi klasik yang Universitas Sumatera Utara dilakukan adalah uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi. 4.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen, variabel independen, atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Uji statistik yang digunakan untuk menguji apakah residual normal adalah uji statistik non parametrik Kolmogorov- Smirnov K-S dengan membuat hipotesis: H0 : Data residual berdistribusi normal sig. 0,05 Ha : Data residual tidak berdistribusi normal sig. 0,05 Tabel 4.2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 60 Normal Parameters a,b Mean ,0000000 Std. Deviation 1,21038922 Most Extreme Differences Absolute ,066 Positive ,054 Negative -,066 Kolmogorov-Smirnov Z ,515 Asymp. Sig. 2-tailed ,953 a. Test distribution is Normal. b. Calculated from data. Sumber : data yang diolah penulis, 2014 Dari Tabel 4.2 Hasil Uji Normalitas setelah transformasi dengan logaritma natural di atas, dapat disimpulkan bahwa data dalam model Universitas Sumatera Utara regresi telah terdistribusi secara normal karena nilai signifikansi residual lebih besar dari 0.05 yaitu sebesar 0.953 yang berarti bahwa H0 diterima. Setelah data terdistribusi secara normal, maka dilanjutkan dengan uji asumsi klasik lainnya. Berikut dilampirkan grafik histogram pada Gambar 4.1 dan grafik p-plot pada Gambar 4.2 untuk data yang telah berdistribusi normal. Gambar 4.1 Histogram Sumber : data yang diolah penulis, 2014 Dari grafik histogram pada Gambar 4.1 diatas terlihat bahwa setelah dilakukan transformasi data menggunakan logaritma, grafik histogram memperlihatkan pola distribusi yang normal. Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik. Apabila grafik histogram menunjukkan pola Universitas Sumatera Utara distribusi normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. Gambar 4.2 Grafik P-Plot Sumber : data yang diolah penulis, 2014 Dari grafik normal probability plot pada Gambar 4.2 diatas, grafik P-P Plot menunjukkan titik menyebar di sekitar atau mengikuti arah garis diagonal yang menunjukkan pola distribusi normal. Cara yang digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak adalah dengan desain grafik. Apabila data menyebar di sekitar garis diagonal atau mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya. 4.2.2. Uji Multikolinieritas Pengujian multikolineritas dilakukan dengan melihat 1 nilai tolerance dan lawannya 2 VIF variance inflation factor. Nilai cut off yang Universitas Sumatera Utara umum dipakai untuk menunjukkan adanya multikolineritas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Tabel 4.3 berikut merupakan hasil uji multikolineritas. Tabel 4.3 Hasil Uji Multikolinieritas Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -4,948 2,402 -2,060 ,044 Ln_SIZE 1,679 ,425 ,541 3,951 ,000 ,708 1,412 ROA ,192 ,604 ,037 ,317 ,752 ,972 1,029 LEV ,226 ,237 ,111 ,951 ,346 ,981 1,020 UDK -,049 ,100 -,067 -,492 ,625 ,714 1,401 Sumber : data yang diolah penulis, 2014 Dari Hasil Uji Multikolineritas pada Tabel 4.3 di atas, dapat dilihat bahwa nilai Tolerance 0.10 dan VIF 10. Hal ini dapat dilihat dari nilai toleransi ukuran perusahaan Ln_SIZE 0,708; return on asset ROA sebesar 0.972; leverage LEV sebesar 0,981; dan dewan komisaris UDK sebesar 0,714 yang semuanya lebih besar dari 0.10 0.10. Nilai VIF juga tidak ada yang melebihi 10 dapat dilihat dari nilai VIF ukuran perusahaan Ln_SIZE 1,412; return on asset ROA sebesar 1,029; leverage LEV sebesar 1,020; dan dewan komisaris UDK sebesar 1,401. Nilai tolerance lebih besar dari 0.10 dan nilai VIF lebih kecil dari 10 maka tidak terjadi multikolinieritas diantara variabel independen penelitian. Universitas Sumatera Utara 4.2.3. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain dalam model regresi. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka terjadi heteroskedastisitas. Sebaliknya jika tidak ada pola yang jelas, serta titik-titik menyebar maka tidak terjadi heteroskedastisitas. Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot pada Gambar 4.3 berikut ini. Gambar 4.3 Grafik Scatterplot Sumber: data yang diolah penulis, 2014 Dari gambar 4.3 Grafik Scatterplot, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, Universitas Sumatera Utara sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi pengaruh pengungkapan CSR pada perusahaan manufaktur dengan variabel independen ukuran perusahaan SIZE, return on asset ROA, leverage LEV, dan ukuran dewan komisaris. 4.2.4 Uji Autokorelasi Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Autokorelasi menunjukkan adanya korelasi antara kesalahan pengganggu pada data yang tersusun, baik berupa data cross sectional dan atau time series. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model yang bebas dari autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson DW. Tabel 4.4 Kreteria Pengambilan Keputusan Uji Durbin Watson Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif No Decision dl ≤ d ≤ du Tidak ada autokorelasi negatif Tolak 4- dl d 4 Tidak ada autokorelasi negatif No Decision 4- du ≤ d ≤ 4- dl Tidak ada autokorelasi positif maupun negatif Tidak Ditolak du d 4 - du Universitas Sumatera Utara Tabel 4.5 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 ,518 a ,269 ,215 1,254 ,269 5,050 4 55 ,002 2,232 a. Predictors: Constant, UDK, ROA, LEV, Ln_SIZE b. Dependent Variable: CSR Sumber : data yang diolah penulis, 2014 Tabel 4.5 di atas merupakan Hasil Uji Autokorelasi Durbin Watson dengan menggunakan prograss SPSS versi 19.0. Dari hasil Uji Autokorelasi pada tabel 4.5 di atas menunjukkan nilai statistik Durbin Watson DW sebesar 2,232. Nilai ini akan kita bandingkan dengan nilai tabel dengan menggunakan signifikasi 5 jumlah sampel n = 60, dan jumlah variabel independen k = 4, maka berdasarkan tabel Durbin Watson didapat nilai batas atas du sebesar 1.727 dan nilai batas bawah dl sebesar 1.444 oleh karena itu nilai DW lebih besar dari 1.727 dan lebih kecil dari 4 – 1.727 atau dapat dinyatakan bahwa 1.727 2.232 4 – 1.727 du d 4-du. Dengan demikian dapat disimpulkan tidak terdapat autokorelasi baik positif maupun negatif. 4.3. Analisis Koefisien Korelasi dan Koefisien Determinasi Koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada diatas 0.5 dan mendekati 1. Koefisien determinasi R square menunjukkan seberapa variabel independen menjelaskan Universitas Sumatera Utara variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemapuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen. Tabel 4.6 merupakan hasil analisis korelasi dan koefisien determinasi: Tabel 4.6 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,518 a ,269 ,215 1,254 a. Predictors: Constant, UDK, ROA, LEV, Ln_SIZE b. Dependent Variable: CSR Sumber : data yang diolah penulis, 2014 Pada tabel 4.6 menunjukkan bahwa bahwa koefisien determinasi yang menunjukkan nilai adjusted R2 sebesar 0,269. Hal ini berarti bahwa 26,9 variasi indeks pengungkapan sosial dapat dijelaskan oleh ukuran perusahaan, profitabilitas, leverage dan ukuran dewan komisaris perusahaan, sedangkan 73,1 indeks pengungkapan sosial dapat dijelaskan oleh variabel lain. Nilai R = 0,518 menunjukkan bahwa koefisien korelasi sebesar 51,8. Dari nilai ini dapat disimpulkan bahwa hubungan antara ukuran perusahaan, profitabilitas, leverage, dan ukuran dewan komisaris dengan pengungkapan CSR yang diukur dengan indeks pengungkapan sosial memiliki posisi yang cukup kuat. Universitas Sumatera Utara 4.4. Pengujian Hipotesis Penelitian 4.4.1 Regresi Berganda Dalam pengolahan data dengan menggunakan regresi berganda dilakukan beberapa tahapan untuk mencari hubungan antara variabel dependen dengan variabel independen. Tabel 4.7 Hasil Analisis Regresi Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -4,948 2,402 -2,060 ,044 Ln_SIZE 1,679 ,425 ,541 3,951 ,000 ROA ,192 ,604 ,037 ,317 ,752 LEV ,226 ,237 ,111 ,951 ,346 UDK -,049 ,100 -,067 -,492 ,625 Sumber : data yang diolah penulis, 2014 Berdasarkan hasil analisis regresi seperti tertera pada ringkasan tabel 4.7 diatas diperoleh persamaan model regresi yang distandarkan sebagai berikut: Y= 4,948 + 1,679X 1 + 0,192X 2 + 0,226X 3 + 0,049X 4 Dimana : Y = Indeks pengungkapan CSR α0 = konstanta X1 = ukuran perusahaan Ln_SIZE X2 = profitabilitas ROA X3 = leverage LEV X4 = dewan komisaris UDK Universitas Sumatera Utara Nilai-nilai koefisien pada tabel 4.7 di atas dapat dijelaskan sebagai berikut: 1. Ln_SIZE memiliki koefisien regresi bertanda positif sebesar 1,679, artinya apabila variabel lain bernilai konstan maka nilai Y akan berubah sebesar nilai konstanta yaitu 1,679 setiap satu satuan SIZE. 2. ROA memiliki koefisien regresi bertanda positif sebesar 0,192, artinya apabila variabel lain bernilai konstan maka nilai Y akan berubah sebesar nilai konstanta yaitu 0,192 setiap satu satuan ROA. 3. LEV memiliki koefisien regresi bertanda positif sebesar 0,226 artinya apabila variabel lain bernilai konstan maka nilai Y akan berubah sebesar nilai konstanta yaitu 0,226 setiap satu satuan LEV. 4. UDK memiliki koefisien regresi bertanda negatif sebesar 0,049 artinya apabila variabel lain bernilai konstan maka nilai Y akan berubah sebesar nilai konstanta yaitu 0,049 setiap satu satuan UDK. 4.4.2. Uji signifikansi simultan Uji F Pengujian hipotesis secara simultan dilakukan dengan uji F. Uji stastik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabelterikat. “Uji F merupakan sesuatu penjelas yang signifikan terhadap variabel dependen. Pengujian ini dilakukan dengan menghitung serta membandingkan F hitung dengan F tabel apakah diterima atau ditolak” Ghozali 2006: 84. Universitas Sumatera Utara Jika F hitung F tabel dan signifikansi 0,05 H0 diterima. Jika F hitung F tabel dan signifikansi 0,05 Ha diterima. Tabel 4.8 Hasil Uji F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 31,746 4 7,936 5,050 ,002 a Residual 86,437 55 1,572 Total 118,183 59 a. Predictors: Constant, UDK, ROA, LEV, Ln_SIZE b. Dependent Variable: CSR Sumber: data yang diolah penulis, 2014 Dari hasil uji ANOVA Analysis Of Variance pada tabel 4.8 diatas didapat F hitung sebesar 5,05 dan F tabel 2,53. Dengan demikian F hitung F tabel 5,05 2,53. Maka Ha diterima atau Ho ditolak. Dengan signifikansi sebesar 0,002 yang berarti lebih kecil dari 0.05 0.002 0.05. Maka Ha diterima dan H0 ditolak. Ini berarti variabel SIZE, ROA, LEV, dan UDK secara bersama-sama atau simultan berpengaruh secara signifikan terhadap pertanggungjawaban sosial perusahaan. 4.4.3. Uji Signifikansi Parsial Uji T Pengaruh setiap variabel independen terhadap variabel dependen yang nyata atau signifikan dalam model regresi dapat dilihat dengan melakukan uji t T- test. “Uji stasistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara Universitas Sumatera Utara individual menerangkan variabel independen” Ghozali 2006:84. Adapun kriteria pengujiannya yaitu: Jika t hitung ttabel dan signifikansi 0,05 H0 diterima. Jika t hitung ttabel dan signifikansi 0,05 Ha diterima. Tabel 4.9 Hasil Uji T Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -4,948 2,402 -2,060 ,044 Ln_SIZE 1,679 ,425 ,541 3,951 ,000 ROA ,192 ,604 ,037 ,317 ,752 LEV ,226 ,237 ,111 ,951 ,346 UDK -,049 ,100 -,067 -,492 ,625 a. Dependent Variable: CSR Sumber: data yang diolah penulis, 2014 Berdasarkan hasil pengujian secara parsial dapat disimpulkan bahwa : 1. Pengaruh ukuran perusahaan SIZE terhadap pertanggungjawaban sosial perusahaan menggunakan SPSS diperoleh t hitung sebesar 3,951 dan t tabel 2,0003 dengan p value 0,0000 karena t hitung t tabel 3,951 2,0003 dan nilai P value 0,0000 0,05 dapat disimpulkan bahwa Ha diterima. Hal ini menunjukkan bahwa ada pengaruh ukuran perusahaan terhadap pertanggungjawaban sosial perusahaan. 2. Pengaruh kemampulabaan ROA terhadap pertanggungjawaban sosial perusahaan menggunakan SPSS diperoleh t hitung sebesar 0,317 dan t tabel 2,0003 dengan p value 0,752 karena t hitung t tabel 0,317 2,0003 dan nilai P value 0,752 0,05 dapat disimpulkan Universitas Sumatera Utara bahwa H0 diterima. Hal ini menunjukkan bahwa tidak ada pengaruh ROA terhadap pertanggungjawaban sosial perusahaan. 3. Pengaruh leverage LEV terhadap pertanggungjawaban sosial perusahaan menggunakan SPSS diperoleh t hitung sebesar 0,951 dan t tabel 2,0003 dengan p value 0,346 karena t hitung t tabel 0,951 2.042 dan nilai P value 0,346 0,05 dapat disimpulkan bahwa H0 diterima. Hal ini menunjukkan bahwa tidak ada pengaruh LEV terhadap pertanggungjawaban sosial perusahaan. 4. Pengaruh dewan komisaris UDK terhadap pertanggungjawaban sosial perusahaan menggunakan SPSS diperoleh t hitung sebesar 0,492 dan t tabel 2,0003 dengan p value 0,625 karena t hitung t tabel 0,492 2.042 dan nilai P value 0,625 0,05 dapat disimpulkan bahwa H0 diterima. Hal ini menunjukkan bahwa tidak ada pengaruh UDK terhadap pertanggungjawaban sosial perusahaan. Tabel 4.10 Ringkasan Hasil Penelitian No. Variabel Independen Variabel Dependen Pengungkapan Pertanggungjawaban Sosial CSR 1 SIZE √ 2 ROA X 3 LEV X 4 UDK X 5 SIZE, ROA, LEV, UDK simultan √ Universitas Sumatera Utara BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan