40
3.6 Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah data yang bersifat kuantitatif data berbentuk angka berupa laporan keuangan. Menurut cara
memperolehnya jenis data yang digunakan dalam penelitian ini, data sekunder yang diterbitkan atau digunakan oleh organisasi yang bukan pengolahannya, data
diperoleh secara tidak langsung melalui media internet Bursa Efek Indonesia www.idx.co.id. Sedangkan menurut waktu pengumpulannya, penelitian ini
menggunakan data Time Series dan Cross Section yang dikumpulkan pada satu periode tertentu pada perusahaan manufaktur sub sektor farmasi yang terdaftar di
BEI dengan tujuan untuk menggambarkan keadaan selama peiode 6 tahun series yaitu tahun 2009-2014.
3.7 Metode Pengumpulan Data
Data dikumpulkan dengan menggunakan metode dokumentasi. Dokumentasi dilakukan dengan mengumpulkan sumber data dokumenter seperti
laporan keuangan tahunan perusahaan manufaktur sub sektor farmasi yang terdaftar di BEI tahun 2009-2014 yang telah di audit dan kemudian menjadi
sampel penelitian yang dipublikasikan oleh BEI melalui situs www.idx.co.id.
3.8 Teknik Analisis
Teknik analisis yang digunakan dalam penelitian ini adalah analisis deskriptif. Analisis deskriptif menurut Siregar 2012 : 221 merupakan
bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian berdasarkan satu sampel. Analisis deskriptif ini dilakukan dengan pengujian
41 hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian
dapat digeneralisasikan atau tidak. Jika hipotesis Ha diterima, berarti hasil penelitian dapat digeneralisasikan. Analisis deskriptif ini menggunakan satu
variabel atau lebih tapi bersifat mandiri, oleh karena itu analisis ini berbentuk perbandingan atau hubungan.
Dalam penelitian ini, analisis data dilakukan dengan menggunakan bantuan program software SPSS Statistics 19.
3.9 Metode Analisis Data 3.9.1 Analisis Regresi Berganda
Menurut Wijaya 2012 : 98 analisis regresi bertujuan menganalisis besarnya pengaruh variabel bebas independent terhadap variabel terikat
dependent. Dalam Ghozali 2012 : 96 analisis regresi selain mengukur “kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan arah
hubungan antara variabel dependen dengan variabel independen”. Sedangkan menurut Sunjoyo 2013 : 153 regresi linier berganda
digunakan untuk “menguji pengaruh lebih dari satu independent variable terhadap dependent variable
”. Model persamaan regresi berganda yang dirumuskan adalah sebagai
berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e
dimana: Y = ROI
a = konstanta atau intercept merupakan nilai Y bila X = 0 b = koefisien regresi atau slope
42 X
1
= CR X
2
= RTO X
3
= ITO X
4
= WCTO X
5
= DER e = error residual tingkat kesalahan
3.9.2 Uji Asumsi Klasik Uji Data
Dalam Sunjoyo 2013 : 54 uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda
yang berbasis ordinary least square OLS. Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya
regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji
multikolinieritas tidak dapat dipergunakan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross
sectional
. 3.9.2.1 Uji Normalitas
Menurut Ghozali 2012 : 160 uji normalitas bertujuan menguji ‘apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi
normal”. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi
tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu:
a. Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah dengan
melihat grafik histogram yang membandingkan antara data obeservasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya dengan
43 melihat histrogram hal ini dapat menyesatkan khususnya untuk jumlah sampel
yang kecil. Metode yang lebih handal adalah dengan melihat probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi
normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal,
maka garis yang menggambarkan datasesungguhnya akan mengikuti garis diagonalnya.
b. Uji Statistik Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara
visual kelihatan normal, pada hal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik
sederhana dapat dilakukan dengan melihat nilai kurtosis dan skewness dari residual. Nilai z statistik untuk dapat dihitung dengan rumus:
��������� =
�������� �6�
Sedangkan nilai z kurtosis dapat dihitung dengan rumus: ��������� =
�������� �24�
3.9.2.2 Uji Multikolonieritas Menurut Ghozali 2012 : 105 uji multikolonieritas bertujuan “untuk
menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas independen”. Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel independen. Jika variabel independen saling berkolerasi, maka variabel- variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang
44 nilai korelasi antar sesama variabel independen sama dengan nol. Untuk
mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:
a. Nilai R² yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak
signifikan memperngaruhi variabel dependen. b. Menganalisis matrik korelasi variabel-variabel indepanden. Jika antar variabel
independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolonieritas. Tidak adanya korelasi yang
tinggi antar variabel independen tidak berarti bebas dari multikolonieritas. Multikolonierias dapat disebabkan karena adanya efek kombinasi dua tau lebih
variabel independen. c. Multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya 2
variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam
pengertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama
dengan nilai VIF tinggi karena VIF=1Tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance
≤ 0.10 atau sama dengan nilai VIF
≥ 10. Setiap peneliti harus menentukan tingkat kolorienitas yang masih ditolerir. Sebagai misal nilai tolerance = 0.10 sama
45 dengan tingkat kolonieritas 0.95. Walaupun multikolonieritas dapat dideteksi
dengan nilai Tolerance dan VIF, tetapi kita masih tetap tidak mengetahui variabel-variabel independen mana sajakah yang saling berkorelasi.
3.9.2.3 Uji Autokorelasi
Menurut Ghozali 2012 : 110 uji autokorelasi bertujuan menguji “apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode
t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena
obeservasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi
ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu time series karena “gangguan” pada sesorang individukelompok cenderung
mempengaruhi “gangguan” pada individukelompok yang sama pada periode berikutnya.
Pada data cross section silang waktu, masalah autokorelasi relatif jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari
individukelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada cara yang dapat digunakan untuk medeteksi ada atau
tidaknya autokorelasi dengan Uji Durbin-Watson DW test. Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu dan mensyaratkan adanya
intercept konstanta dalam model regresi dan tidak ada variabel lag di antara variabel independen. Hipotesis yang akan diuji adalah:
Ho : tidak ada autokorelasi r=0
46 Ha : ada autokorelasi r
≠0 Pengambilan keputusan ada tidaknya autokorelasi:
Hipoteis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dI
Tidak ada autokorelasi positif No desicison
dI ≤ d ≤ du
Tidak ada korelasi negatif Tolak
4 - dI d 4 Tidak ada korelasi negatif
No desicison 4 – du
≤ d ≤ 4 – dI Tidak ada autokorelasi, positif
atau negatif Tidak ditolak
du d 4 - du 3.9.2.4 Uji Heteroskedastisitas
Menurut Ghozali 2012 : 139 uji heteroskedastisitas bertujuan menguji
“apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun
data yang mewakili berbagai ukuran kecil, sedang dan besar. Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas:
a. Melihat Grafik Plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas
dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESIID dan ZPRED dimana sumbu Y adalah yang telah
diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized.
b. Uji Glejser Glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel
47 independen. Jika variabel independe signifikan secara statistik mempengaruhi
variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Hal ini dapat dilihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5. Jadi
dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas.
3.9.3 Pengujian Hipotesis
Uji statistik dalam analisis deskriptif adalah bertujuan untuk menguji hipotesis pernyataan sementara dari penelitian yang bersifat deskriptif.
Pengujian hipotesis dalam penelitian ini dilakukan untuk melihat ada tidaknya pengaruh yang signifikan dari rasio kas Cash Ratio, perputaran piutang
Receivable Turn Over, perputaran persediaan Inventory Turn Over, perputaran modal kerja Working Capital Turn Over, dan Debt to Equity Ratio DER
sebagai variabel independen terhadap Profitabiltas ROI sebagai variabel dependen, baik secara parsial maupun secara simultan.
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of fitnya. Secara statistik, setidaknya ini dapat diukur dari nilai
koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah
kritis daerah dimana Ho ditolak. Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana Ho diterima.
3.9.3.1 Koefisien Determinasi
Dalam Ghozali 2012 : 97 koefisien determinasi R² pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
48 dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R² yang
kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-
variabel yang independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi
untuk data silang cross section relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu time
series biasanya mempunyai koefisien determinasi yang tinggi.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap
tambahan satu variabel independen, maka R² pasti meningkat tidak perduli apakah variabel tersebut berpengaruh secara 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 kedalam model.
Dalam kenyataan nilai adjusted R² dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gurajati dalam Ghozali, 2003 jika
dalam uji empiris didapat nilai adjusted R² negatif, maka nilai adjusted R² dianggap bernilai nol. Secara matematis jika R²=1, maka Adjusted R²=R²=1
sedangkan jika nilai R²=0, maka R²=1-kn-k. Jika k1, maka adjusted R² akan bernilai negatif.
49
3.9.2.2 Uji Signifikansi Simultan Uji Statistik F
Menurut Ghozali 2012 : 98 uji statistik F pada dasarnya menunjukkan “apakah semua variabel independen atau bebas yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependenterikat”. Hipotesis nol Ho yang hendak diuji adalah apakah semua parameter dalam
model sama dengan nol, atau: Ho : b1 = b2 = .......... = bk = 0
Artinya, apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya Ha tidak semua
parameter secara simultan sama dengan nol, atau: Ha : b1
≠ b2 ≠ .......... ≠ bk ≠ 0 Artinya, semua variabel independen secara simultan merupakan penjelas yang
signifikan terhadap variabel dependen. Untuk menguji hipotesis ini digunakan statistik F dengan kriteria
pengambilan keputusan sebagai berikut: 1. Quick look: bila nilai F lebih besar daripada 4 maka Ho dapat ditolak pada
derajat kepercayaan 5. Dengan kata lain kita menerima hipotesis alternatif, yang menyatakan bahwa semua variabel independen secara serentak dan
signifikan mempengaruhi variabel dependen. 2. Membandingkan nilai F hasil perhitungan dengan F menurut tabel. Bila nilai F
hitung lebih besar daripada nilai F tabel, maka Ho ditolak dan menerima Ha.
50
3.9.2.3 Uji Signifikansi Parameter Individual Uji Statistik t
Dalam Ghozali 2012 : 98 uji statsitik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam
menerangkan variasi variabel dependen. Hipotesis nol Ho yang hendak diuji adalah apakah suatu parameter bi sama dengan nol, atau:
Ho : bi = 0 Artinya, apakah suatu variabel independen bukan merupakan penjelas yang
signifikan terhadap variabel dependen. Hipotesis alternatifnya Ha parameter suatu variabel tidak sama dengan nol, atau:
Ha : bi ≠ 0
Artinya, variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen.
Cara melakukan uji t adalah sebagai berikut: 1. Quick look: bila jumlah degree of freedom df adalah 20 atau lebih dan derajat
kepercayaan 5, maka Ho yang menyatakan bi = 0 dapat ditolak bila nilai t lebih besar dari 2 dalam nilai absolut. Dengan kata lain kita menerima
hipotesis alternatif, yang menyatakan bahwa suatau variabel independen secara individual mempengaruhi variabel dependen.
2. Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, kita
menerima hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.
51
BAB IV HASIL DAN PEMBAHASAN
4.1 Data Penelitian
Data penelitian berasal dari laporan keuangan perusahaan manufaktur yang diperoleh dari situs Bursa Efek Indonesia yaitu www.idx.co.id. Metode
Analisis data yang digunakan dalam penelitian ini adalah metode analisis stastistik dengan menggunakan persamaan regresi berganda. Analisis data dimulai dengan
mengolah data menggunakan microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian regresi berganda. Pengujian asumsi klasik dan regresi
berganda dilakukan dengan menggunakan bantuan program software SPSS Statistics 19.
Jumlah Populasi dalam penelitian ini adalah 10 perusahaan dan sampel yang digunakan dalam penelitian ini adalah 9 perusahaan yang ditentukan dengan
menggunakan metode purposive sampling. Periode dalam penelitian ini adalah 6 tahun dari tahun 2009 sampai dengan tahun 2014.
Berikut ini merupakan daftar perusahaan yang menjadi sampel dalam penelitian:
Tabel 4.1 Daftar Sampel Perusahaan Manufaktur Sub Sektor Farmasi yang terdaftar di BEI
No Kode
Perusahaan
Nama Perusahaan Kriteria
Sampel 1
2 3
1. DVLA
PT Darya Varia Laboratoria Tbk √ √ √
Sampel 1
2. INAF
PT Indofarma Persero TBK √ √ √
Sampel 2
3. KAEF
PT Kimia Farma Persero Tbk √ √ √
Sampel 3
4. KLBF
PT Kalbe Farma Tbk √ √ √
Sampel 4
5. MERK
PT Merck Tbk √ √ √
Sampel 5
6. PYFA
PT Pyridam Farma Tbk √ √ √
Sampel 6
52
No Kode
Perusahaan
Nama Perusahaan Kriteria
Sampel 1
2 3
7. SCPI
PT Schering Plough Indonesia Tbk √ √ √
Sampel 7
8. SIDO
PT Industri Jamu dan Farmasi Sido Muncul Tbk
√ √ X
_
9. SQBB
PT Taisho Pharmaceutical Indonesia Tbk
√ √ √
Sampel 8
10. TSPC PT Tempo Scan Pasific Tbk
√ √ √
Sampel 9
Sumber: www.idx.co.id diakses 18 April 2014 oleh penulis Populasi penelitian dimulai dari tahun 2009 sampai dengan tahun 2014 6
tahun berturut-turut sehingga data penelitian secara keseluruhan yaitu: 6 tahun X 9 sampel adalah sebanyak 54 sampel observasi pengamatan.
Berikut adalah tabel data mengenai variabel-variabel yang akan diuji dalam penelitian ini:
Tabel 4.2 Daftar Variabel Penelitian
Hasil CR, RTO, ITO, WCTO, DER, ROI Tahun 2009-2014 Tah un KodePerusahaan
CR RTO
ITO WCTO
DER ROI
2009
DVLA 0,93
3,04 2,81
2,38 0,41
0,09 INAF
0,29 6,52
5,78 2,92
1,44 0,02
KAEF 0,32
9,37 4,72
4,76 0,57
0,04 KLBF
0,99 7,55
2,93 17,80
0,39 0,16
MERK 1,16
4,31 3,93
18,80 0,23
0,34 PYFA
0,14 7,40
1,98 2,47
0,37 0,04
SCPI 0,01
5,23 1,67
60,05 9,49
0,05 SQBB
2,55 4,38
4,54 4,72
0,21 0,41
TSPC 1,74
9,68 4,82
12,87 0,34
0,11
2010
DVLA 1,44
3,11 3,51
2,54 0,33
0,13 INAF
0,32 8,23
4,58 2,72
1,36 0,03
KAEF 0,56
8,90 5,89
5,32 0,49
0,08 KLBF
1,66 8,10
3,26 19,96
0,23 0,19
MERK 2,05
9,02 2,82
19,91 0,20
0,27 PYFA
0,25 6,84
2,39 2,63
0,30 0,04
SCPI 0,01
4,31 1,49
49,66 18,28
0,03 SQBB
3,45 5,40
5,85 3,50
0,19 0,29
TSPC 1,78
9,58 5,44
14,69 0,36
0,14
53
Tah un KodePerusahaan CR
RTO ITO
WCTO DER
ROI
2011
DVLA 1,78
3,06 2,95
2,66 0,28
0,13 INAF
0,29 7,85
4,17 3,13
0,83 0,03
KAEF 0,43
9,06 5,36
5,81 0,43
0,10 KLBF
1,41 7,13
3,14 22,95
0,28 0,18
MERK 3,88
8,62 3,53
22,99 0,18
0,40 PYFA
0,19 6,28
1,68 2,72
0,43 0,04
SCPI 0,41
3,25 1,77
51,37 13,47
0,08 SQBB
3,34 4,67
4,65 3,92
0,20 0,33
TSPC 1,59
9,65 4,93
16,54 0,40
0,14
2012
DVLA 1,53
2,79 3,28
3,04 0,28
0,14 INAF
0,53 4,84
4,88 3,00
0,83 0,04
KAEF 0,59
8,14 4,82
6,13 0,45
0,10 KLBF
0,98 7,55
3,36 28,68
0,29 0,19
MERK 1,20
13,82 2,13
23,27 0,37
0,19 PYFA
0,19 5,78
2,44 3,18
0,55 0,04
SCPI 0,18
4,06 1,67
55,33 24,48
0,03 SQBB
2,71 4,09
4,37 4,44
0,22 0,34
TSPC 1,51
8,89 5,42
18,97 0,39
0,14
2013
DVLA 1,47
2,92 2,13
3,08 0,30
0,11 INAF
0,18 4,89
4,23 3,47
1,19 0,04
KAEF 0,53
7,96 4,77
7,14 0,53
0,09 KLBF
0,54 7,46
2,73 36,82
0,35 0,17
MERK 1,25
5,91 1,44
20,16 0,36
0,25 PYFA
0,16 6,36
1,73 3,46
0,86 0,04
SCPI 0,09
2,89 0,53
71,77 70,83
0,02 SQBB
2,83 4,56
4,00 4,89
0,21 0,35
TSPC 1,33
8,48 4,13
11,01 0,40
0,12
2014
DVLA 1,80
3,14 2,28
3,08 0,28
0,07 INAF
0,23 7,03
4,94 3,59
1,11 0,03
KAEF 0,67
8,78 4,56
7,42 0,65
0,08 KLBF
0,79 7,40
2,88 39,96
0,28 0,17
MERK 1,98
6,02 2,20
21,60 0,29
0,25 PYFA
0,06 5,61
2,51 4,00
0,79 0,02
SCPI 0,08
2,48 2,66
170,27 31,04 0,05
SQBB 2,30
4,25 4,66
5,70 0,25
0,36 TSPC
1,18 8,95
4,33 11,99
0,36 0,11
Sumber: Diolah Penulis, 2015
54
4.2 Hasil Penelitian 4.2.1 Statistik Deskriptif