BAB IV ANALISIS HASIL PENELITIAN
4.1. Data Penelitian
Adapun yang menjadi sampel dalam penelitian ini adalah perusahaan- perusahaan yang bergerak dalam bidang makananminuman yang terdaftar di
Bursa Efek Indonesia. Berdasarkan kriteria yang telah ditetapkan, diperoleh 16 perusahaan yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini
dengan periode pegamatan selama tahun 2007-2009.
Tabel 4.1 Daftar Sampel Penelitian
No Kode
Perusahaan
1 ADES PT Ades Waters Indonesia Tbk
2 AISA PT Tiga Pilar Sejahtera Food Tbk
3 AQUA PT Aqua Golden Mississipi Tbk
4 CEKA PT Cahaya Kalbar Tbk
5 DLTA PT Delta Djakarta Tbk
6 FAST PT Fast Food Indonesia Tbk
7 INDF PT Indofood Sukses Makmur Tbk
8 MLBI PT Multi Bintang Indonesia Tbk
9 MYOR PT Mayora Indah Tbk
10 PSDN PT Prasidha Aneka Niaga Tbk
11 PTSP PT Pioneerindo Gourmet International Tbk
12 SKLT PT Sekar Laut Tbk
13 SMAR PT SMART Tbk
14 STTP PT Siantar Top Tbk
15 TBLA PT Tunas Baru Lampung Tbk
16 ULTJ PT Ultra Jaya Milk TBK
Universitas Sumatera Utara
4.2. Analisis Hasil Penelitian 4.2.1. Analisis Statistik Deskriptif
Statistik Deskriptif merupakan bagian dari ilmu statistika yang mempelajari alat, teknik, atau prosedur yang digunakan untuk menggambarkan
atau mendeskripsikan kumpulan data atau hasil pengamatan. Berikut merupakan data statistik deskriptif secara umum dari seluruh data yang digunakan :
Tabel 4.2 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation x1
48 1.6419
325.7131 32.738779
70.4566814 x2
48 1.2695
105.0017 12.027667
20.5290165 y
48 .34
7.82 2.1790
1.80581 Valid N listwise
48
Dari tabel 4.2 di atas, dapat dijelaskan beberapa hal sebagai:
a. Rata-rata dari perputaran piutang usaha adalah 32.738779 dengan standard
deviasi 70.4566814 dan jumlah data yang ada adalah 48. Nilai perputaran piutang usaha tertingi adalah 325.7131 dan nilai perputaran piutang usaha
terendah adalah 1.6419 b.
Rata-rata dari perputaran persediaan adalah 12.027667 dengan standard deviasi 20.5290165 dan jumlah data yang ada adalah 48. Nilai perputaran
persediaan tertingi adalah 105.0017 dan nilai perputaran persediaan terendah adalah 1.2695
c. Rata-rata dari likuiditas adalah 2.1790 dengan standard deviasi 1.80581 dan
jumlah data yang ada adalah 48. Nilai likuiditas tertinggi adalah 7.82 dan nilai likuiditas terendah adalah 0.34.
Universitas Sumatera Utara
4.2.2. Pengujian Asumsi Klasik 4.2.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Pengujian normalitas data dalam penelitian ini mengunakan
uji statistik non parametrik Kolmogorov Smirnov K-S dengan membuat hipotesis:
H H
: Data residual berdistribusi normal.
1
Dasar pengambilan keputusan dengan melihat angka probabilitas dengan aturan: : terdapat perbedaan antara distribusi data dengan berdistribusi normal.
Probabilitas Sig. 0.05, maka Ho diterima. Probabilitas Sig. 0.05, maka Ho ditolak.
Tabel 4.3 Uji Normalitas sebelum data ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 48
Normal Parameters Mean
a,b
.0000000 Std. Deviation
1.27783744 Most Extreme
Differences Absolute
.215 Positive
.215 Negative
-.118 Kolmogorov-Smirnov Z
1.488 Asymp. Sig. 2-tailed
.024
a. Test distribution is Normal. b. Calculated from data.
Universitas Sumatera Utara
Hasil analisis metode One-Sample Kolmogorov-Smirnov, menunjukkan bahwa Nilai Kolmogrov – Smirnov sebesar 1.488 dan signifikan pada 0.024
karena Asymp. Sig. 2-tailed 0.024 dari 0.05. Dari hasil yang diproleh maka H
O
ditolak atau H
1
diterima, dengan kata lain data tidak terdistribusi normal. Data yang tidak terdistribusi secara normal tersebut juga dapat dilihat melalui grafik
histogram dan grafik normal plot data.
Gambar 4.1 Grafik Histogram
Sumber : Diolah dari SPSS 2011
Universitas Sumatera Utara
Hasil uji normalitas di atas memperlihatkan bahwa pada grafik histogram di atas distribusi data tidak mengikuti kurva berbentuk lonceng namun distribusi
data condong skewness ke kanan atau bisa disimpulkan bahwa data tersebut tidak normal.
Gambar 4.2 Normal Probability Plot
Sumber : Diolah dari SPSS 2011 Demikian pula dengan hasil uji normalitas dengan menggunakan grafik
plot. Pada grafik normal plot, terlihat titik-titik tidak menyebar disekitar garis diagonal serta penyebarannya menjauhi garis diagonal sehingga dapat
disimpulkan bahwa data dalam model regresi tidak berdistribusi secara normal. Semua hasil pengujian melalui analisis grafik dan statistik diatas menunjukkan
Universitas Sumatera Utara
hasil yang sama yaitu data tidak berdistribusi secara normal, sehingga dilakukan tindakan perbaikan yaitu dengan melakukan transformasi seluruh variabel
penelitian ke dalam fungsi LN Logaritma Natural. Hasil pengujian data ulang menghasilkan:
Tabel 4.4 Uji Normalitas
Setelah Transformasi dengan LN One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters Mean
a,b
.0000000 Std. Deviation
.57522248 Most Extreme Differences
Absolute .137
Positive .121
Negative -.137
Kolmogorov-Smirnov Z .946
Asymp. Sig. 2-tailed .333
a. Test distribution is Normal. b. Calculated from data.
Dari transformasi data, maka nilai Kolmograf – Smirnov menjadi 0.946 dan signifikan pada 0.333 sehingga dapat disimpulkan bahwa data dalam model
regresi telah terdistribusi secara normal, dimana nilai signifikansinya lebih dari 0.005 Karena Asymp. Sig. 2-tailed 0.333 dari 0.05. Dengan demikian secara
keseluruhan dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi
normal.
Universitas Sumatera Utara
Gambar 4.3 Grafik Histogram
setelah transformasi dengan LN
Sumber : Diolah dari SPSS 2011
Hasil uji normalitas setelah dilakukan transformasi data di atas memperlihatkan bahwa pada grafik histogram di atas distribusi data mengikuti
kurva berbentuk lonceng yang tidak condong skewness ke kiri maupun condong ke kanan atau bisa disimpulkan bahwa data tersebut berdistribusi secara normal.
Universitas Sumatera Utara
Gambar 4.4 Normal Probability Plot
Setelah transformasi dengan LN
Sumber : Diolah dari SPSS 2011
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal
serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi setelah ditransformasi kedalam
bentuk LN juga berdistribusi secara normal.
Universitas Sumatera Utara
4.2.2.2. Uji Multikolinearitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas adalah dengan melihat besaran korelasi antar variabel
independen dan besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu nilai Tol 0.10 dan Variance Inflation Factor VIF 10. Berikut disajikan tabel
hasil pengujian:
Tabel 4.5 Uji Multikolinearitas
Setelah transformasi dengan LN
Melihat hasil besaran korelasi antar variabel independen tampak bahwa variabel perputaran piutang mempunyai korelasi sebesar 0.056 atau sekitar 5.6.
Hasil dari coefficient correlations tersebut menunjukkan tidak ada korelasi yang
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 ln_x1
.997 1.003
ln_x2 .997
1.003 a. Dependent Variable: ln_y
Coefficient Correlations
a
Model ln_x2
ln_x1 1
Correlations ln_x2
1.000 -.056
ln_x1 -.056
1.000 Covariances
ln_x2 .011
.000 ln_x1
.000 .006
a. Dependent Variable: ln_y
Universitas Sumatera Utara
tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi tidak adanya multikolonieritas. Hasil perhitungan nilai tolerance lebih dari 0.10 yaitu 0.997
yang berarti tidak terjadi korelasi antar variabel independen. Hasil perhitungam VIF juga menunjukkan hal yang sam dimana variabel independen memiliki nilai
VIF kurang dari 10 yaitu 1.003. Berdasarkan tabel diatas dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model ini.
Dari hasil pengujian di atas, dapat dilihat bahwa angka tolerance perputaran piutang X1, perputaran persediaan X2 0.10 dan Variance
Inflation Factor VIF nya 10. Ini mengindikasikan bahwa tidak terjadi multikolinearitas di antara variabel independen dalam penelitian.
4.2.2.3. Uji Heterokedasititas
Dalam penelitian ini, untuk mengetahui apakah dalam penelitian terjadi Heteroskedastisitas, dapat dilihat dengan grafik scatterplot. Hasil dari uji
heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini:
Universitas Sumatera Utara
Gambar 4.5 Grafik Scatterplot
Sumber : Diolah dari SPSS 2011
Dari gambar di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta titik-titik menyebar di atas
dan dibawah angka 0 pada sumbu Y. Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
memprediksi variabel dependen Likuiditas berdasarkan masukan variabel independen, perputaran piutang usaha dan perputaran persediaan.
Universitas Sumatera Utara
4.2.2.4. Uji Autokorelasi
Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini:
Tabel 4.6 Uji Autokorelasi
Setelah transformasi dengan LN
Model Summary
Model
b
Durbin-Watson 1
1.302 a. Predictors : Constant, LN_X2, LN_X1
b. Dependent Variable: LN_Y
Sumber : Diolah dari SPSS 2011
Dari tabel diatas dapat dilihat bahwa nilai Durbin-Watson sebesar 1.302. Hal ini menunjukkan bahwa tidak terjadi autokorelasi karena nilai Durbin-Watson
berada pada rentang -2 ≤ 1.302 ≤ 2. Dengan demikian, maka dalam model
regresi linear berganda ini tidak terjadi autokorelasi antara kesalahan pengganggu pada periode penelitian dengan kesalahan pengganggu pada periode sebelum
penelitian.
Universitas Sumatera Utara
Regresi Berganda
Tabel 4.7 Regresi Linear Berganda setelah transformasi dengan LN
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.096 .293
.328 .745
ln_x1 -.151
.078 -.244
-1.940 .059
ln_x2 .414
.105 .497
3.961 .000
a. Dependent Variable: ln_y Sumber: Diolah dari SPSS 2011
Dari nilai-nilai koefisien di atas, persamaan regresi yang dapat disusun untuk variabel perputaran piuang usaha dan perputaran persediaan adalah :
LNY = 0.096 - 0.151 LNX
1
+ 0.414 LNX
Setelah diantilogaritma natural maka persamaannya menjadi :
2
Y = 1.101 + 0.860X
1
+ 1.513X
Dimana :
2
LNY = Logaritma Natural Likuiditas
LNX
1
LNX = Logaritma Natural Perputaran Piutang Usaha
2
Adapun interpretasi dari persamaan di atas adalah : = Logaritma Natural Perputaran Persediaan
a. Konstanta a sebesar 1.101, menyatakan bahwa jika variabel independen
dianggap konstan, maka Likuiditas sebesar 1.101. b.
Koefisien X1 b1 = 0.860, ini menunjukkan apabila terjadi perubahan variabel perputaran piutang sebesar 1 satuan akan meningkatkan
Universitas Sumatera Utara
Likuiditas sebesar 0.860 dengan asumsi variabel lainnya tetap atau sama dengan nol.
c. Koefisien X2 b2 = 1.513, ini menunjukkan bahwa apabila terjadi
perubahan perputaran persediaan sebesar 1 satuan, maka akan meningkatkan Likuiditas sebesar 1.513, dengan asumsi variabel lainnya
tetap atau sama dengan nol.
Koefisien Determinasi R
2
Tabel 4.8 Koefisien Determinasi R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.541 .293
a
.262 .58787
a. Predictors: Constant, ln_x2, ln_x1 b. Dependent Variable: ln_y
Pada model summary di atas, angka R sebesar 0.541 menunjukkan bahwa terdapat korelasi atau hubungan antara Likuiditas dengan perputaran piutang dan
perputaran persediaan yaitu sebesar 54 yang berada di atas 0.5 50. Angka adjusted R. Square atau koefisien determinasi adalah 0.262. Angka ini
mengindikasikan bahwa 26.2 variasi atau perubahan dalam likuiditas dapat dijelaskan oleh variasi variabel perputaran piutang usaha dan perputaran
persediaan. Sedangkan sisanya 73.8 dijelaskan oleh faktor-faktor lain yang tidak
dimasukkan dalam model penelitian. Standar Error of Estimate SEE adalah
Universitas Sumatera Utara
0.58787, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
4.2.3. Pengujian Hipotesis 4.2.3.1. Uji Simultan Uji F Statistik
Uji F digunakan untuk menguji pengaruh signifikansi secara simultan dari semua variabel independen terhadap variabel dependen. Hasil pengujian hipotesis
dengan menggunakan uji t dapat dilihat pada berikut:
Tabel 4.9 Uji F Statistik
ANOVA
b
Model Sum of
Squares Df
Mean Square
F Sig.
1 Regression
6.444 2
3.222 9.324
.000
a
Residual 15.551
45 .346
Total 21.996
47 a. Predictors: Constant, ln_x2, ln_x1
b. Dependent Variable: ln_y Sumber : Diolah dari SPSS 2011
Dari uji ANOVA atau F test, diperoleh F hitung sebesar 9.324 dengan tingkat signifikansi 0.000, sedangkan F tabel sebesar 3.20 dengan signifikansi
0.05. Berdasarkan hasil tersebut dapat disimpulkan bahwa perputaran piutang usaha dan perputaran persediaan secara bersama-sama atau secara simultan
berpengaruh positif dan signifikan terhadap Likuiditas perusahaan karena F hitung F tabel 9.324 3.20 dan sig penelitian 0.05 0.000 0.05.
Universitas Sumatera Utara
4.2.3.2. Uji Parsial Uji t Statistik
Uji t digunakan untuk menguji pengaruh signifikansi konstanta dari setiap variabel independen terhadap variabel dependen secara parsial. Hasil pengujian
hipotesis dengan menggunakan uji t dapat dilihat pada berikut:
Tabel 4.10 Uji t statistik
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.096 .293
.328 .745
ln_x1 -.151
.078 -.244
-1.940 .059
ln_x2 .414
.105 .497
3.961 .000
a. Dependent Variable: ln_y Sumber : Diolah dari SPSS 2011
Hipotesis pertama :
Ho : b1=0, artinya Perputaran Piutang Usaha tidak mempunyai pengaruh
terhadap likuiditas perusahaan. H1 :
b1 ≠0, artinya Perputaran Piutang Usaha berpengaruh terhadap likuiditas
perusahaan. Kesimpulan yang dapat diambil dari analisis tersebut adalah perputaran
piutang usaha LN_X1 mempunyai nilai signifikansi 0.059 yang berarti nilai ini lebih besar dari 0.05. Selain itu, t hitung diperoleh -1.940 t tabel 2.01.
Berdasarkan nilai tersebut disimpulkan bahwa H1 ditolak, sehingga dapat disimpulkan bahwa variabel perputaran piutang usaha secara parsial tidak
berpengaruh secara signifikan terhadap Likuiditas.
Universitas Sumatera Utara
Hipotesis kedua:
Ho : b2=0, artinya Perputaran Persediaan tidak mempunyai pengaruh terhadap
likuiditas perusahaan. H1 :
b2 ≠ 0, artinya Perputaran Persediaan berpengaruh terhadap likuiditas
perusahaan. Kesimpulan yang dapat diambil dari analisis tersebut adalah perputaran
persediaan LN_X2 mempunyai nilai signifikansi 0 .000 yang berarti nilai ini lebih keci dari 0.05, dan t hitung 3.961 t tabel 2.01. Berdasarkan nilai tersebut
disimpulkan bahwa Ha diterima, ini menunjukkan bahwa secara parsial perputaran persediaan berpengaruh positif dan signifikan terhadap Likuiditas.
4.3. Pembahasan Hasil Analisis Penelitian
Berdasarkan hasil uji F sebelumnya, dapat disimpulkan bahwa semua variabel independen yaitu perputaran piutang usaha dan perputaran persediaan
berpengaruh positif dan signifikan terhadap variabel dependent yaitu likuiditas, yang ditunjukkan oleh nilai signifikansi F 0.000 0.05 dan F hitung 9.324 F
tabel 3.20. Hasil ini di dukung dari nilai koefisien determinasi adjusted R Square sebesar 0.262 yang menunjukkan bahwa variabel independen perputaran piutang
dan perputaran persediaan mampu menjelaskan sebanyak 26.2 variasi atau perubahan dari variabel dependen yaitu likuiditas. Sedangkan sisanya sebesar
73.8 dijelaskan oleh variasi atau faktor lain yang tidak dimasukkan ke dalam model. Adapun koefisien regresi dari masing-masingg variabel independen adalah
Universitas Sumatera Utara
-0.151 untuk variabel perputaran piutang usaha dan 0.414 untuk variabel perputaran persediaan.
Uji parsial t test digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Hasil uji menunjukkan bahwa
varibel independen perputaran piutang usaha, yang dimasukkan ke dalam model regresi tidak signifikan pada 0.05 dimana hal ini menandakan bahwa variabel
perputaran piutang usaha berpengaruh positif tapi tidak signifikan terhadap variabel dependen yaitu likuiditas. Hasil ini sesuai dengan nilai signifikansi t
untuk variabel perputaran piutang 0.059 yang lebih besar dari 0.05. Sementara itu variabel independen perputaran persediaan yang dimasukkan ke dalam model
regresi signifikan pada 0.05, dimana hal ini menandakan bahwa variabel perputaran persediaan berpengaruh positif dan signifikan terhadap variabel
dependen yaitu likuiditas. Hasil ini sesuai dengan nilai signifikansi t untuk variabel perputaran persediaan 0.000 yang lebih kecil dari 0.05.Dengan kata
lain, tingkat likuiditas dari setiap perusahaan makanan dan minuman, lebih disebabkan oleh perputaran persediaan yang diberikan serta faktor-faktor lain
yang tidak tercermin dalam penelitian ini. Hasil pengolahan regresi berganda diatas menunjukkan nilai R sebesar
54.1 , nilai R pada dasarnya menggambarkan seberapa besar hubungan antara variabel independen dengan variabel dependen. Ini berarti kedua variabel
independen dalam penelitian ini, LN_Perputaran Piutang Usaha dan LN_Perputaran Persediaan secara bersama-sama memiliki hubungan dengan
variabel dependen yaitu LN_Likuiditas sebesar 54.1 .
Universitas Sumatera Utara
Pengolahan regresi berganda diatas juga menunjukkan nilai R Square sebesar 0,293 atau sebesar 29.3 . Berbeda dari nilai R, nilai R Square
menunjukkan seberapa jauh kemampuan variabel independen dalam menjelaskan variasi variabel dependen. Nilai R Square berada diantara 0 sampai 1. Nilai R
Square yang mendekati 1 menunjukkan bahwa dalam suatu model regresi, kemampuan variabel independen dalam menjelaskan variasi variabel dependen
semakin baik. Dalam model regresi diatas nilai R Square sebesar 0,293 atau 29,3 , hal ini berarti kemampuan variabel independen yaitu, Perputaran Piutang
Usaha dan Perputaran Persediaan secara bersama-sama dalam menjelaskan variasi variabel dependen Likuiditas relatif kecil, sedangkan sisanya sebesar 70,7
100-29,3 dijelaskan oleh variabel lain yang tidak diikutsertakan dalam model regresi ini.
Peneliti berpendapat bahwa faktor-faktor lain yang mungkin lebih besar pengaruhnya terhadap Likuiditas adalah jumlah aktiva lancar yang dimiliki oleh
perusahaan, tingkat kewajiban lancar lancar yang harus segera dipenuhi oleh perusahaan, sehingga dapat dihasilkan tingkat likuiditas yang memadai dalam hal
ini tidak terlalu rendah dan tidak tidak terlalu tinggi, dimana tingkat likuiditas tentunya merupakan indikator bagi perusahaan untuk dapat melaksanakan
kegiatan operasionalnya secara efektif dan efisien.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
Dari hasil pengujian hipotesis penelitian dan pengujian regresi berganda dapat diperoleh tiga kesimpulan :
1. Secara simultan, dapat disimpulkan bahwa perputaran piutang usaha dan
perputaran persediaan berpengaruh positif terhadap likuiditas dengan signifikansi 0.000. Artinya secara bersama-sama meningkatnya perputaran
piutang usaha dan perputaran persediaan akan meningkatkan tingkat likuiditas perusahaan. Secara parsial perputaran piutang usaha
berpengaruh positif tetapi tidak signifikan terhadap likuiditas, dengan nilai signifikansi 0.059 berarti di atas signifikansi 5. Artinya semakin
meningkat perputaran piutang usaha hanya akan meningkatkan sedikit likuiditas sehingga tidak memiliki pengaruh signifikan. Maka perputaran
piutang usaha tidak dapat menjelaskan perubahan likuiditas. Secara parsial perputaran persediaan berpengaruh signifikan positif
terhadap likuiditas dengan nilai signifikansi 0.000. Artinya semakin meningkat perputaran persediaan maka semakin meningkat pula likuiditas
perusahaan. 2.
Diantara dua variabel independen yang digunakan dalam penelitian ini, variabel persediaan berpengaruh lebih signifikan dibanding perputaran
piutang usaha.
Universitas Sumatera Utara