50
pengujian ini dilakukan dengan menghitung serta melihat nilai signifikansinya yaitu dengan ketentuan sebagai berikut:
Ho diterima jika signifikansi 0.05 Ha diterima jika signifikansi 0.05
3.7.3 Uji signifikasi simultan F-test
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model memiliki pengaruh secara
bersama-sama terhadap variabel dependen. Uji ini digunakan untuk melihat pengaruh variabel independen yaitu perputaran modal kerja, perputaran
persediaan, perputaran aset tetap, perputaran piutang, current ratio, quick ratio, debt to asset ratio, debt to equity ratio berpengaruh terhadap
profitabilitas secara simultan. Bentuk pengujiannya adalah : Ho : b1 = 0, artinya suatu variabel independen secara simultan tidak
berpengaruh terhadap variabel dependen. Ha : b1
≠ 0, artinya suatu variabel independen secara simultan berpengaruh terhadap variabel dependen.
Kriteria pengambilan keputusan : Ho diterima jika signifikansi 0.05
Ha diterima jika signifikansi 0.05
3.8 Jadwal Penelitian
Jadwal penelitian yang telah dirancang oleh peneliti adalah sebagai berikut:
Tabel 3.3 Jadwal Penelitian
Universitas Sumatera Utara
51
No Tahapan
Penelitian Juni
2014 Juli
2014 Agustus
2014 Keterangan
1 Pengajuan proposal skripsi
1 minggu 2 Bimbingan
proposal skripsi 1 minggu
3 Seminar proposal skripsi
1 minggu 3 Pengumpulan
data 1 minggu
4 Pengolahan data 1 minggu
5 Bimbingan skripsi
1 minggu 6 Penyelesaian
penulisan laporan
penelitian 2 minggu
7 Sidang skripsi 1 minggu
Sumber : diolah penulis, 2014
Universitas Sumatera Utara
52
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data Penelitian
Populasi yang diteliti dalam penelitian ini adalah perusahaan otomotif yang terdaftar di Bursa Efek Indonesia BEI selama tahun 2010 - 2013. Perusahaan
yang dijadikan sampel berjumlah 12 perusahaan, sehingga data penelitian secara keseluruhan berjumlah 48 12 x 4 sampel. Daftar perusahaan yang telah
ditentukan dapat dilihat pada lampiran.
4.2 Analisis Hasil Penelitian
4.2.1 Statistik deskriptif
Statistik deskriptif dalam penelitian ini hanya mendeskripsikan sampel dan tidak membuat kesimpulan yang berlaku untuk populasi dimana sampel
diambil. Menurut Ghozali 2006 : 78, “statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dapat dilihat dari rata-rata mean,
standar deviasi, varian, maksimum, minimum, sum, range dan kemencengan distribusi”. Statistik deskriptif akan dijelaskan dalam tabel berikut ini.
Universitas Sumatera Utara
53
Tabel 4.1 Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation
ROA 48
-5.10 21.93
8.6669 5.75205
WCT 48
-785.62 13349.80 1.2683E3 2057.52399 ITO
48 133.13
1587.30 5.8171E2 353.50696
FAT 48
70.86 1239.70 3.8574E2
232.57756 RT
48 324.80
3365.95 9.5178E2 728.62737
CR 48
73.70 385.60 1.6408E2
63.61023 QR
48 42.65
216.87 1.0086E2 42.97946
DAR 48
20.20 93.50 50.3810
17.82245 DER
48 13.91
1438.30 1.6460E2 236.99784
Valid N listwise
48 Sumber : Output SPSS, diolah Penulis, 2014
Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa : a.
Variabel working capital turnover X
1
memiliki sampel N sebanyak 48 dengan nilai minimum terkecil -785.62, nilai maksimum
terbesar 13349.80 dan mean nilai rata-rata 1.2683E3. Standar Deviation simpangan baku variabel ini adalah 2057.52399.
b. Variabel inventory turnover X
2
memiliki sampel N sebanyak 48 dengan nilai minimum terkecil 133.13, nilai maksimum terbesar
1587.30 dan mean nilai rata-rata 5.8171E2. Standar Deviation simpangan baku variabel ini adalah 353.50696.
c. Variabel fixed asset turnover X
3
memiliki sampel N sebanyak 48 sampel dengan nilai minimum terkecil 70.86, nilai maksimum
Universitas Sumatera Utara
54
terbesar 1239.70 dan mean nilai rata-rata 3.8574E2. Standar Deviation simpangan baku variabel ini adalah 232.57756.
d. Variabel receivable turnover X
4
memiliki sampel N sebanyak 48 sampel dengan nilai minimum terkecil 324.80, nilai maksimum
terbesar 3365.95 dan mean nilai rata-rata 9.5178E2. Standar Deviation simpangan baku variabel ini adalah 728.62737.
e. Variabel current ratio X
5
memiliki sampel N sebanyak 48 sampel dengan nilai minimum terkecil 73.70, nilai maksimum terbesar
385.60 dan mean nilai rata-rata 1.6408E2. Standar Deviation simpangan baku variabel ini adalah 63.61023.
f. Variabel quick ratio X
6
memiliki sampel N sebanyak 48 sampel dengan nilai minimum terkecil 42.65, nilai maksimum terbesar
216.87 dan mean nilai rata-rata 1.0086E2. Standar Deviation simpangan baku variabel ini adalah 42.97946.
g. Variabel debt to asset ratio X
7
memiliki sampel N sebanyak 48 sampel dengan nilai minimum terkecil 20.20, nilai maksimum
terbesar 93.50 dan mean nilai rata-rata 52.8998. Standar Deviation simpangan baku variabel ini adalah 17.82245.
h. Variabel debt to equity ratio X
8
memiliki sampel N sebanyak 48 sampel dengan nilai minimum terkecil 13.91, nilai maksimum
terbesar 1438.30 dan mean nilai rata-rata 1.6460E2. Standar Deviation simpangan baku variabel ini adalah 236.99784.
Universitas Sumatera Utara
55
i. Variabel profitabilitas ROA Y memiliki sampel N sebanyak 48
dengan nilai minimum terkecil -5.10, nilai maksimum terbesar 21.93 dan mean nilai rata-rata 8.6669. Standar Deviation simpangan
baku variabel ini adalah 5.75205. j.
Jumlah sampel yang ada sebanyak 48 sampel.
4.2.2 Uji asumsi klasik
Syarat yang menjadi dasar penggunaan model regresi berganda dengan metode estimasi Ordinary Least Square OLS adalah dipenuhinya
semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien Best Linear Unbiased Estimator. Best artinya yang terbaik, dalam arti
garis regresi merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi merupakan cara memahami pola hubungan antara dua
seri data atau lebih. Garis regresi adalah best jika garis itu menghasilkan error yang terkecil. Error itu sendiri adalah perbedaan antara nilai observasi
dan nilai yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased, maka estimator regresi disebut efisien. Estimator regresi akan
disebut linear apabila, estimator itu merupakan fungsi linear dari sampel. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan
program statistik. Menurut Ghozali 2006 : 123, asumsi klasik yang harus dipenuhi adalah:
• Berdistribusi normal. •
Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan
secara sempurna ataupun mendekati sempurna.
• Non-Autokorelasi, artinya kesalahan pengganggu dalam model
regresi tidaksaling berkorelasi.
Universitas Sumatera Utara
56
• Non-Heterokedastisitas, artinya variance variabel independen
dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
1. Uji normalitas
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak
. Ghozali 2006 : 115, memberikan pedoman pengambilan keputusan
rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov yang dapat dilihat dari:
a nilai sig. atau signifikan atau probabilitas 0.05, maka distribusi data adalah tidak normal
b nilai sig. atau signifikan atau probabilitas 0.05, maka distribusi data adalah normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov Smirnov adalah seperti yang ditampilkan berikut ini.
Universitas Sumatera Utara
57
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 48
Normal Parameters
a
Mean .0000000
Std. Deviation 3.22905751
Most Extreme Differences
Absolute .076
Positive .071
Negative -.076
Kolmogorov-Smirnov Z .527
Asymp. Sig. 2-tailed .944
a. Test distribution is Normal. Sumber: Output SPSS, diolah penulis, 2014
Dari tabel 4.2 diatas menunjukkan bahwa hasil pengujian statistik dengan menggunakan model Kolmogorov-Smirnov menunjukkan bahwa
data telah terdistribusi secara normal. Hal tersebut dapat dilihat dari hasil Asymp. Sig. 2-tailed sebesar 0.944 yaitu lebih besar dari 0.05. Sesuai
dengan ketentuan rentang data yang telah ditentukan diatas, maka data terdistribusi normal. Berikut hasil uji normalitas dengan menggunakan
Histogram dan Plot :
Universitas Sumatera Utara
58
Gambar 4.1 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2014 Dengan melihat gambar 4.1 tampilan histogram, dapat disimpulkan
bahwa grafik yang ditunjukkan dalam histogram membentuk pola yang simetris artinya pola yang tidak mencondong ke kanan maupun ke kiri. Hal
ini menunjukkan bahwa data yang diperoleh dan diolah telah terdistribusi secara normal .
Gambar 4.2 Uji Normalitas Data
Sumber : Output SPSS, diolah Penulis, 2014
Universitas Sumatera Utara
59
Menurut pendapat Ghozali 2006 : 112, “pendeteksian normalitas dapat dilakukan dengan cara melihat penyebaran data titik pada sumbu
diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan bahwa data telah
terdistribusi secara normal”. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis normal, hali ini sejalan dengan
hasil pengujian dengan menggunakan histogram yang menunjukkan bahwa data telah terdistribusi secara normal. Maka dapat disimpulkan bahwa data
secara keseluruhan telah terdistribusi secara normal.
2. Uji multikolinieritas
Ada atau tidaknya multikolinieritas dalam model regresi, dapat dilihat dari nilai tolerance dan lawannya.nilai variance Inflatin Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh 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 yang tinggi karenaVIF =1tolerance. Nilai cut off yang umum
dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerance 0,10 atau sama dengan VIF 10 Ghozali, 2006:
91.
Universitas Sumatera Utara
60
Tabel 4.3 Hasil Uji Multikolinearitas
Coefficients
a. Dependent variable: ROA Sumber : Output SPSS, diolah penulis, 2014
Pada penelitian ini, penulis menggunakan uji multikoliniearitas untuk mendeteksi apakah terdapat gejala multikolinearitas dalam penelitian yaitu
dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat kolinearitas yang masih dapat ditoleransi. Berdasarkan tabel 4.3
diatas, dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hasil penelitian menunjukkan bahwa masing–masing
variabel independen yang digunakan dalam penelitian, memiliki nilai Tolerance yang lebih besar dari 0.10 yaitu nilai tolerance WCT sebesar
0.764, nilai tolerance ITO sebesar 0,212, nilai tolerance FAT sebesar 0.414, nilai tolerance RT sebesar 0.224, nilai tolerance CR sebesar 0.193, nilai
tolerance QR sebesar 0.261, nilai tolerance DAR sebesar 0.255 dan nilai Model
Collinearity Statistics Tolerance
VIF 1
Constant WCT
.764 1.309
ITO .212
4.725 FAT
.414 2.414
RT .224
4.458 CR
.193 5.191
QR .261
3.825 DAR
.255 3.924
DER .353
2.832
Universitas Sumatera Utara
61
tolerance DER sebesar 0.353. Perhitungan VIF juga menunjukkan hal yang sama, dimana variabel independen memiliki nilai VIF yang kurang dari 10
yaitu nilai VIF untuk WCT sebesar 1.309, nilai VIF untuk ITO sebesar 4.725, nilai VIF untuk FAT sebesar 2.414, nilai VIF untuk RT sebesar
4.458, nilai VIF untuk CR sebesar 5.191, nilai VIF untuk QR sebesar 3.825, nilai VIF untuk DAR sebesar 3.924 dan VIF untuk DER sebesar 2.832.
Maka dari hasil tabel secara keseluruhan menunjukkan bahwa tidak terdapatnya multikolinearitas antar variabel independen dalam model ini.
3. Uji Heterokedatisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke
pengamatan lainnya. Jika varians yang satu dengan pengamatan yang lain tetap maka disebut homokedastisitas dan jika varians nya berbeda maka
disebut heteroskedastisitas. Ghozali 2006 : 105 menyatakan bahwa
“model regresi yang baik adalah tidak terjadi heteroskedastisitas”.
Dalam penelitian ini, untuk mendetaksi ada atau tidaknya gejala heterokedastisitas adalah dengan melihat grafik plot yang dihasilkan dari
pengolahan data dengan menggunakan program SPSS. Dasar keputusannya adalah :
1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengidentifikasi telah terjadi heterokedastisitas
Universitas Sumatera Utara
62
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas
Berikut ini dilampirkan grafik scatterplot untuk menganalis apakah terjadi heterokedastisitas.
Gambar 4.3 Uji Heteroskedastisitas
Sumber : Output SPSS, diolah Penulis, 2014 Grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model
regresi. Alasan mengapa titik–titik menyebar menjauh dari titik–titik yang lain dikarenakan data penelitian yang berbeda antara data yang satu dengan
data yang lain.
Universitas Sumatera Utara
63
4. Uji autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara
residual pada satu observasi dengan observasi lain pada model regresi. Uji
yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi dalam penelitian ini adalah dengan menggunakan uji Durbin-Watson. Uji Durbin-
Watson hanya digunakan untuk autokorelasi tingkat satu first autocorection dan mensyaratkan adanya intercept konstanta dalam model
regersi dan tidak ada variabel lagi diantara variabel dependen. Kriteria untuk penilaian terjadinya autokorelasi yaitu:
1 angka D-Wdi bawah -2 berarti ada autokorelasi positif 2 angka D-Wdi antara -2 sampai+2 berarti tidak ada autokorelasi
3 angka D-Wdi atas +2 berarti ada autokorelasi negative
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.828
a
.685 .620
3.54481 2.315
a. Predictors: Constant, DER, WCT, RT, QR, FAT, CR, DAR, ITO b. Dependent Variable: ROA
Sumber: Output SPSS, diolah penulis,2014
Tabel 4.4 menunjukkan hasil dari uji autokorelasi variabel penelitian. Berdasarkan dari hasil uji autokolerasi, dapat dilihat bahwa dalam variabel
penelitian tidak terdapat autokolerasi yang ditunjukkan dari nilai Durbin –
Universitas Sumatera Utara
64
Watson D-W sebesar 2.315. Angka D-W berada diatas +2, yang mengartikan bahwa terdapat autokorelasi negatif.
4.2.3 Analisis regresi a. Analisis Regresi Berganda
Berdasarkan hasil uji asumsi klasik, disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best
Linear Unbiased Estimstor BLUE dan sudah layak untuk dilakukan analisis statistik selanjutnya yaitu melakukan pengujian hipotesis. Hasil pengolahan
data dengan analisis regresi adalah sebagai berikut
Tabel 4.5 Hasil Analisis Regresi
Coefficient
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
13.143 4.894
2.686 .011
WCT .000
.000 -.252
-2.452 .019
ITO .007
.003 .435
2.224 .032
FAT .013
.003 .517
3.699 .001
RT -.004
.001 -.475
-2.503 .017
CR .001
.019 .011
.054 .957
QR -.023
.024 -.174
-.989 .329
DAR -.118
.057 -.366
-2.054 .047
DER -.006
.004 -.231
-1.528 .135
a. Dependent Variable : ROA
Sumber : Output SPSS, diolah penulis, 2014
Berdasarkan tabel 4.5 diatas, maka persamaan regresi linear berganda sebagai berikut :
Universitas Sumatera Utara
65
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + b7Xb
+ b8X8 + e ROA =
13.143 + 0 WCT + 0.007 ITO + 0.0013 FAT + - 0.004 RT + 0,001 CR + -0.023 QR + -0.118 DAR +
-0.006 DER + e
Keterangan : 1
Konstansta sebesar 13.143 menunjukkan bahwa apabila tidak ada variabel independen X1 = 0, X2 = 0 dan seterusnya maka ROA sebesar
13.143, 2
β
1
sebesar 0 menunjukkan bahwa setiap kenaikan Working Capital Turnover sebesar 1 maka tidak akan menurunkan atau menaikkan ROA
dengan asumsi variabel lain tetap. 3
β
2
sebesar 0.007 menunjukkan bahwa setiap kenaikan Inventory Turnover sebesar 1 maka akan diikuti oleh kenaikan ROA sebesar
0.014 dengan asumsi variabel lain tetap. 4
β
3
sebesar 0.013 menunjukkan bahwa setiap kenaikan Fixed Asset Turnover sebesar 1 maka akan diikuti oleh kenaikan ROA sebesar
0.013 dengan asumsin variabel lain tetap. 5
Β
4
sebesar -0.004 menunjukkan bahwa setiap kenaikan Receivable Turnover sebesar 1 maka akan diikuti oleh penurunan ROA sebesar
0.004 dengan asumsi variabel lain tetap.
Universitas Sumatera Utara
66
6 Β
5
sebesar 0.001 menunjukkan bahwa setiap kenaikan Current Ratio sebesar 1 maka akan diikuti oleh kenaikan ROA sebesar 0.001 dengan
asumsi variabel lain tetap. 7
Β
6
sebesar -0.023 menunjukkan bahwa setiap kenaikan Quick Ratio sebesar 1 maka akan diikuti oleh penurunan ROA sebesar 0.023
dengan asumsi variabel lain tetap. 8
Β
7
sebesar -0.118 menunjukkan bahwa setiap kenaikan Debt to Asset Ratio sebesar 1 maka akan diikuti oleh penurunan ROA sebesar 0.118
dengan asumsi variabel lain tetap. 9
Β
8
sebesar -0.006 menunjukkan bahwa setiap kenaikan Debt to Equity Ratio sebesar 1 maka akan diikuti oleh penurunan ROA sebesar 0.006
dengan asumsi variabel lain tetap.
b. Analisis Koefisien determinasi
Nilai Koefisien Korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel
dependen. Koefisien korelasi dikatakan kuat apabila nilai R diatas 0,5 dan mendekati 1.
Tabel 4.6 Pedoman Memberikan Interpretasi Koefisien Korelasi
Sumber : Sugiyono, Metode penelitian Bisnis 2007: 183 Interval Koefisien
Tingkat Hubungan 0.00 – 0.199
0.20 – 0.399 0.40 – 0.599
0.60 – 0.799 0.80 – 1.000
Sangat rendah Rendah
Sedang Kuat
Sangat kuat
Universitas Sumatera Utara
67
Koefisien determinasi R square menunjukkan seberapa besar variabel dependen. 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 kemampuan variabel-variabel independen dalam
menjalankan variasi-variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu R square akan meningkat setiap ada
penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh sognifikan terhadap variabel dependen.
Tabel 4.7 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.828
a
.685 .620
3.54481 2.315
a. Predictors: Constant, DER, WCT, RT, QR, FAT, CR, DAR, ITO b. Dependent Variable: ROA
Sumber: Output SPSS, diolah penulis,2014
Angka koefisien determinasi Adjusted R Square menunjukkan angka 0.620 atau 62, artinya hanya 62 variasi dari profitabilitas bisa
dijelaskan oleh variabel independen, sedangkan sisanya 38 dijelaskan oleh variasi atau faktor lain. Hal ini menunjukkan tingkat prediksi
variabel independen terhadap variabel dependen dikatakan kuat.
Universitas Sumatera Utara
68
4.2.4. Pengujian hipotesis 1. Uji signifikansi parsial
Uji t bertujuan untuk menguji apakah suatu variabel bebas independen berpengaruh atau tidak terhadap variabel terikat
dependen secara parsial. Uji t menggunakan hipotesis seperti yang dijelaskan berikut ini.
Ho: b1,b2,b3= 0, artinya working capital turnover, inventory turnover, fixed asset turnover, receivable turnover, current ratio,
quick ratio, debt to asset ratio, dan debt to equity ratio tidak mempunyai pengaruh terhadap profitabilitas secara parsial pada
perusahaan otomotif yang terdaftar di Bursa Efek Indonesia. Ha: b1,b2,b3
≠0, artinya working capital turnover, inventory turnover, fixed asset turnover, receivable turnover, current ratio, quick ratio,
debt to asset ratio, dan debt to equity ratio mempunyai pengaruh terhadap profitabilitas secara parsial pada perusahaan otomotif yang
terdaftar di Bursa Efek Indonesia. Adapun kriteria pengujiannya yaitu: Ho diterima jika signifikansi 0.05
Ha diterima jika signifikansi 0.05
Universitas Sumatera Utara
69
Tabel 4.8 Hasil Analisis Regresi
Coefficient
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
13.143 4.894
2.686 .011
WCT .000
.000 -.252
-2.452 .019
ITO .007
.003 .435
2.224 .032
FAT .013
.003 .517
3.699 .001
RT -.004
.001 -.475
-2.503 .017
CR .001
.019 .011
.054 .957
QR -.023
.024 -.174
-.989 .329
DAR -.118
.057 -.366
-2.054 .047
DER -.006
.004 -.231
-1.528 .135
Tabel 4.8 menunjukkan hasil pengujian statistik uji-t yang menjelaskan pengaruh variabel independen secara parsial sebagai
berikut : 1
Pengaruh working capital turnover terhadap profitabilitas ROA Nilai signifikansi sebesar 0.019 menunjukkan bahwa nilai Sig.
untuk uji t secara parsial lebih kecil dari 0.05 sehingga Ha diterima dan Ho ditolak. Hasil penelitian ini sesuai dengan hasil pengujian
statistik yang melihat nilai signifikansi pada uji T bahwa working capital turnover secara parsial berpengaruh signifikan terhadap
tingkat profitabilitas pada tingkat kepercayaan 95. 2
Pengaruh inventory turnover terhadap profitabilitas ROA
Universitas Sumatera Utara
70
Nilai signifikansi sebesar 0.032 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih kecil dari 0.05 sehingga Ha diterima
dan Ho ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa inventory
turnover secara parsial berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95.
3 Pengaruh fixed asset turnover terhadap profitabilitas ROA
Nilai signifikansi sebesar 0.001 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih kecil dari 0.05 sehingga Ha diterima
dan Ho ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa fixed asset
turnover secara parsial berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95.
4 Pengaruh receivable turnover terhadap profitabilitas ROA
Nilai signifikansi sebesar 0.017 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih kecil dari 0.05 sehingga Ha diterima
dan Ho ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa receivable
turnover secara parsial berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95.
5 Pengaruh current ratio terhadap profitabilitas ROA
Nilai signifikansi sebesar 0.957 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ho diterima
Universitas Sumatera Utara
71
dan Ha ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa current ratio
secara parsial tidak berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95.
6 Pengaruh quick ratio terhadap profitabilitas ROA
Nilai signifikansi sebesar 0.329 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ho diterima
dan Ha ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa quick ratio
secara parsial tidak berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95.
7 Pengaruh debt to asset ratio terhadap profitabilitas ROA
Nilai signifikansi sebesar 0.047 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih kecil dari 0.05 sehingga Ha diterima
dan Ho ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa debt to asset
ratio secara parsial berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95.
8 Pengaruh debt to equity ratio terhadap profitabilitas ROA
Nilai signifikansi sebesar 0.135 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ho diterima
dan Ha ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa debt to equity
Universitas Sumatera Utara
72
ratio secara parsial berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95.
2. Uji signifikansi simultan
Uji F dilakukan untuk mengetahui apakah variabel independen secara bersama-sama simultan mempunyai pengaruh terhadap
variabel dependen. Pembuktian dilakukan dengan cara melihat nilai signifikansi dalam uji F, pada uji F digunakan hipotesis yang
disebutkan dibawah ini. H0: b1,b2,b3 = 0, artinya working capital turnover, inventory
turnover, fixed asset turnover, receivable turnover, current ratio, quick ratio, debt to asset ratio, dan debt to equity ratio
tidak mempunyai pengaruh terhadap profitabilitas secara simultan pada perusahaan otomotif yang terdaftar di Bursa Efek
Indonesia. Ha: b1,b2,b3
≠ 0, artinya working capital turnover, inventory
turnover, fixed asset turnover, receivable turnover, current ratio, quick ratio, debt to asset ratio, dan debt to equity ratio
mempunyai pengaruh terhadap profitabilitas secara parsial pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.
Kriteria pengujiannya yaitu: Ho diterima jika signifikansi 0.05
Ha diterima jika signifikansi 0.05
Universitas Sumatera Utara
73
Tabel 4.9 Hasil Uji F
Anova
Model Sum of
Squares df
Mean Square F
Sig.
1
Regression 1064.987
8 133.123
10.594 .000
a
Residual 490.060
39 12.566
Total 1555.047
47 a. Predictors: Constant, DER, WCT, RT, QR, FAT, CR, DAR, ITO
b. Dependent Variable: ROA Sumber : Output SPSS, diolah Penulis, 2014
Hasil uji F yang ditampilkan dalam tabel 4.9 menunjukkan bahwa nilai tingkat signifikansi 0 yang lebih kecil dari 0.05 dengan
menggunakan. Hal ini menunjukkan bahwa Ha diterima dan Ho ditolak, artinya variabel bebas yaitu working capital turnover,
inventory turnover, fixed asset turnover, receivable turnover, current ratio, quick ratio, debt to asset ratio, dan debt to equity ratio
mempunyai pengaruh signifikan terhadap profitabilitas secara simultan pada perusahaan otomotif yang terdaftar di Bursa Efek
Indonesia.
Universitas Sumatera Utara
74
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Penelitian ini bertujuan untuk mengetahui pengaruh manajemen modal kerja yang diukur dengan working capital turnover WCT, inventory turnover
ITO, fixed asset turnover WCT, dan receivable turnover RT, likuiditas yang diukur dengan current ratio CR dan quick ratio QR, dan solvabilitas yang
diukur dengan debt to asset ratio DAR dan debt to equity ratio DER baik secara parsial maupun simultan terhadap profitabilitas ROA pada perusahaan
otomotif yang terdaftar di Bursa Efek Indonesia. Dalam penelitian ini, variabel independen yang digunakan adalah manajemen modal kerja working capital
turnover, inventory turnover, fixed asset turnover, dan receivable turnover, likuiditas current ratio dan quick ratio, solvabilitas debt to asset ratio dan debt
to equity ratio sedangkan variabel dependen yang digunakan dalam penelitian ini adalah profitabilitas ROA. Penelitian ini menggunakan sampel dari 12 emiten
perusahaan otomotif yang listing selama periode 2010 – 2013. Berdasarkan hasil penelitian yang diuraikan pada bab sebelumnya, maka
kesimpulan yang dapat diambil dari penelitian adalah sebagai berikut : 1.
Hasil penelitian data yang telah dilakukan menunjukkan bahwa variabel independen working capital turnover X
1
memiliki pengaruh signifikan secara parsial terhadap profitabilitas. Hal ini dapat dilihat dari tabel 4.8
Universitas Sumatera Utara
75
tingkat signifikan 0.019 0.05, artinya setiap kenaikan working capital turnover X
1
akan diikuti oleh kenaikan profitabilitas Y. 2.
Variabel independen inventory turnover X
2
secara parsial berpengaruh signifikan terhadap profitabilitas . Hal ini dapat ditunjukkan dari tabel 4.8
bahwa tingkat signifikan 0.032 0.05, artinya setiap kenaikan inventory turnover X
2
akan diikuti oleh kenaikan profitabilitas Y. 3.
Variabel independen fixed asset turnover X
3
secara parsial berpengaruh secara signifikan terhadap profitabilitas Y. Hal ini dapat ditunjukkan dari
tabel 4.8 bahwa tingkat signifikan 0.001 0.05 artinya setiap kenaikan fixed asset turnover X
3
akan diikuti oleh kenaikan profitabilitas Y. 4.
Variabel independen receivable turnover X
4
secara parsial berpengaruh secara signifikan terhadap profitabilitas Y. Hal ini dapat ditunjukkan dari
tabel 4.8 bahwa tingkat signifikan 0.017 0.05 artinya setiap kenaikan receivable turnover X
4
akan diikuti oleh kenaikan profitabilitas Y. 5.
Variabel independen current ratio X
5
secara parsial tidak berpengaruh secara signifikan terhadap profitabilitas Y. Hal ini dapat ditunjukkan dari
tabel 4.8 bahwa tingkat signifikan 0.957 0.05 artinya tidak setiap kenaikan current ratio X
5
akan diikuti oleh kenaikan profitabilitas Y. 6.
Variabel independen quick ratio X
6
secara parsial tidak berpengaruh secara signifikan terhadap profitabilitas Y. Hal ini dapat ditunjukkan dari tabel 4.8
bahwa tingkat signifikan 0.329 0.05 artinya tidak setiap kenaikan quick ratio X
6
akan diikuti oleh kenaikan profitabilitas Y.
Universitas Sumatera Utara
76
7. Variabel independen debt to asset ratio X
7
secara parsial berpengaruh secara signifikan terhadap profitabilitas Y. Hal ini dapat ditunjukkan dari
tabel 4.8 bahwa tingkat signifikan 0.047 0.05 artinya setiap kenaikan debt to asset ratio X
7
akan diikuti oleh kenaikan profitabilitas Y. 8.
Variabel independen debt to equity ratio X
8
secara parsial tidak berpengaruh secara signifikan terhadap profitabilitas Y. Hal ini dapat
ditunjukkan dari tabel 4.8 bahwa tingkat signifikan 0.135 0.05 artinya tidak setiap kenaikan debt to equity ratio X
8
akan diikuti oleh kenaikan profitabilitas Y.
9. Penelitian secara simultan uji F dilakukan untuk menguji apakah variabel
independen yaitu working capital turnover X
1
, inventory turnover X
2
, fixed asset turnover X
3
, receivable turnover X
4
, current ratio X
5
, quick ratio X
6
, debt to asset ratio X
7
, dan debt to equity ratio X
8
secara bersama–sama akan berpengaruh terhadap variabel dependen yaitu
profitabilitas Y. Dari hasil penelitian uji F, maka dapat disimpulkan bahwa manajemen modal kerja working capital turnover, inventory turnover, fixed
asset turnover, dan receivable turnover, likuiditas current ratio dan quick ratio, solvabilitas debt to asset ratio dan debt to equity ratio berpengaruh
signifikan terhadap profitabilitas. Hal ini ditunjukkan dari tabel 4.9 bahwa tingkat signifikan 0 0,05. Angka koefisien determinasi Adjusted R Square
menunjukkan angka 0,62 atau 62, artinya hanya 62 variasi dari profitabilitas bisa dijelaskan oleh variabel independen, sedangkan sisanya
Universitas Sumatera Utara
77
38 dijelaskan oleh variasi atau faktor lain. Hal ini menunjukkan tingkat prediksi variabel independen terhadap variabel dependen dikatakan kuat.
5.2 Keterbatasan Penelitian
