Pengumpulan Data
√ √
Seminar Proposal
√
Penulisan Skripsi
√ √
Ujian Skripsi
√
Sumber : Peneliti, 2009
BAB IV ANALISIS HASIL PENELITIAN
A. Data Penelitian
Universitas Sumatera Utara
Data dalam penelitian ini adalah data sekunder yang berasal dari laporan keuangan perusahaan yang menjadi sampel, yaitu sejak tahun 2006 hingga tahun
2007. Adapun informasi yang dibutuhkan dari laporan keuangan perusahaan adalah informasi yang berhubungan dengan variabel penelitian. Data penelitian ini disajikan
dalam lampiran 1.
B. Statistik Deskriptif
Pada dasarnya statistik deskriptif digunakan untuk mempelajari metode
pengringkasan, penggambaran dan penampilan data summarizing, describing, displaying. Dengan adanya statitistik deskriptif dapat membantu peneliti dalam
memaparkan dan mengenal lebih dalam mengenai variabel-variabel yang akan diteliti. Dibawah ini akan dijelaskan variabel statistik deskriptif sebagai berikut.
Tabel 4.1 Statistik Deskriptif
Statistics
Trade Payables Trade
Receivables Current Ratio
Universitas Sumatera Utara
N Valid
54 54
54 Missing
Mean 2.05E8
3.78E8 3.4126
Std. Deviation 3.289E8
5.811E8 3.05537
Variance 1.081E17
3.377E17 9.335
Minimum 2984000
3522000 .53
Maximum 1821644000
2775736000 17.61
Sumber : Hasil olah data statistik, 2009 tabel 4.1 menjelaskan bahwa:
1. variabel trades payable memiliki nilai minimum 2.984.000 dan niai
maximum 1.821.644.000 Rata-rata trades payable 2.05E8 dengan standar deviasi 3.289E8,
2. variabel trades receivable memiliki nilai minimum 3.522.000 dan nilai
maximum 2.775.736.000. Rata rata trades receivable 3,78E8 dengan standar deviasi 5.811E8,
3. variabel current ratio memiliki nilai minimum 0.53 dan nilai
maximum 17.61. Rata- rata current ratio 3.4126 dengan standar deviasi 3.05537
C. Uji Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis.
Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan
Universitas Sumatera Utara
perbaikan terlebih dahulu. Pengujian asumsi klasik yang telah dilakukan adalah sebagai berikut:
1. Uji Normalitas Data
Menurut Chariri dan Ghozali 2005 : 110, “uji normalitas bertujuan
untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal.” Pengujian ini diperlukan karena untuk
melakukan uji t dan uji f mengasumsikan bahwa residual mengikuti distribusi normal.
Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statistik non parametrik Kolmogorov-Smirnov
K-S dengan membuat hipotesis: H0 : Data residual berdistribusi normal
H1 : Data residual tidak berdistribusi normal Apabila nilai signifikansi lebih besar dari 0.05, maka H0 diterima dan
sebaliknya jika nilai signifikansi lebih kecil dari 0.05, maka H0 ditolak atau H1 diterima.
Tabel 4.2 Hasil Uji Normalitas Sebelum Transformasi Data
One-Sample Kolmogorov-Smirnov Test
Universitas Sumatera Utara
Trade Payables Trade
Receivables Current
Ratio N
54 54
54 Normal Parameters
a
Mean 2.05E8
3.78E8 3.4126
Std. Deviation 3.289E8
5.811E8 3.05537
Most Extreme Differences Absolute
.269 .278
.195 Positive
.246 .278
.195 Negative
-.269 -.260
-.173 Kolmogorov-Smirnov Z
1.979 2.039
1.435 Asymp. Sig. 2-tailed
.001 .000
.033 .
Sumber: Data yang diolah penulis, 2009
Dari hasil pengolahan data tersebut, diperoleh bahwa data dalam penelitian ini tidak terdistribusi secara normal, dimana kedua variabel
memiliki nilai signifikansi yang lebih kecil dari 0,05 yaitu variabel Trade Payables sebesar 0.001, variabel Trade Receivables sebesar 0.000 sedangkan
variabel Current Ratio 0,33. Ada beberapa cara mengubah model regresi menjadi normal menurut Erlina 2007:106 yaitu:
a. lakukan transformasi data ke bentuk lainnya,
b.lakukan trimming, yaitu membuang data outlier, c.lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu
nilai tertentu.
Universitas Sumatera Utara
Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data ke model logaritma natural Ln Setelah itu, data
diuji ulang berdasarkan asumsi normalitas. Berikut ini adalah hasil pengujian dengan Kolmogorov-Smirnov:
Tabel 4.3 Uji Normalitas Data
Setelah Transformasi Dengan Logaritma Natural One-Sample Kolmogorov-Smirnov Test
Trade Payables Trade
Receivables Current Ratio
N 54
54 54
Normal Parameters
a
Mean 18.1875
18.9934 .9213
Std. Deviation 1.43681
1.28067 .77490
Most Extreme Differences
Absolute .069
.098 .115
Positive .069
.091 .115
Negative -.051
-.098 -.083
Kolmogorov-Smirnov Z .505
.718 .843
Asymp. Sig. 2-tailed .960
.681 .476
a. Test distribution is Normal.
Sumber: Data yang diolah peneliti, 2009
Dari tabel di atas, dapat disimpulkan bahwa data dalam model regresi telah terdistribusi secara normal karena kedua variabel mempunyai nilai
signifikansi lebih besar dari 0.05 yaitu Trade Payables 0.960, Trade Receivables 0.681 dan Current Ratio sebesar 0.476 yang berarti bahwa H0
diterima. Setelah data terdistribusi secara normal, maka dilajutkanlah uji
Universitas Sumatera Utara
asumsi klasik lainnya. Untuk lebih jelas berikut ini dilampirkan grafik histogram dan grafik p-plot data yang telah berdistribusi normal:
Gambar 4.1 Uji Normalitas dengan Histogram
Sumber : Hasil Olah Statistik, 2009 Hasil uji grafik dalam penelitian ini menunjukkan distribusi residual
yang normal, hal ini ditunjukkan grafik histogram yang tidak melenceng baik ke kanan maupun ke kiri. Normal probablility plot juga menunjukkan hal
yang sama dimana titik-titik dalam plot terlihat menyebar di sekitar garis diagonal baik di atas maupun di bawah garis diagonal.
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas dengan Plot
Sumber : Hasil Olah Statistik, 2009 Uji normalitas data juga dapat dilakukan dengan uji kolmogorov-smirnov test, seperti
yang terlihat dalam tabel 4.4 berikut :
Universitas Sumatera Utara
Tabel 4.4 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test Setelah Transformasi Dengan Logaritma Natural
One-Sample Kolmogorov-Smirnov Test
Trade Payables Trade
Receivables Current Ratio
N 54
54 54
Normal Parameters
a
Mean 18.1875
18.9934 .9213
Std. Deviation 1.43681
1.28067 .77490
Most Extreme Differences
Absolute .069
.098 .115
Positive .069
.091 .115
Negative -.051
-.098 -.083
Kolmogorov-Smirnov Z .505
.718 .843
Asymp. Sig. 2-tailed .960
.681 .476
a. Test distribution is Normal.
Sumber : Hasil Olah Statistik, 2009 Berdasarkan tabel 4.3 diatas dapat disimpulkan bahwa data bersifat normal dengan
kriteria : n = 54 berarti jumlah sampel yang diamati ada 54 sampel data,dimana nilai
Kolmogorov-Smirnov = 0.505 ;0 .718 ; 0.843 dengan probabilitas atau p 0,05 pada uji normalitas Kolmogorov-Smirnov. Oleh karena nilai p untuk setiap variabel yang
diuji 0,05 , hal ini berarti Ho diterima yang berarti data residual terdistribusi secara normal, dengan data variabel pada 54 sampel atau memenuhi syarat uji normalitas,
Sehingga dapat disimpulkan bahwa secara keseluruhan distribusi residual sudah
Universitas Sumatera Utara
normal dengan demikian syarat pertama dalam melakukan uji t dan uji f sudah terpenuhi.
2. Uji Multikolinearitas
Uji multikolineritas bertujuan untuk menguji apakah model regresi ditemuka n adanya korelasi antar variabel bebas independent. Model yang
baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2005 : 91. Dalam mendeteksi ada atau tidaknya multikolineritas dapat 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. 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. Batasan yang umum dipakai untuk
menunjukkan adanya multikolineritas adalah nilai Tolerance 0.10 atau sama
dengan nilai VIF 10.Hasil uji multikolinearitas disajikan dalam tabel 4.5
Universitas Sumatera Utara
Tabel 4.5 Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant
Trade Payables 2.874
-.413 1.319
.070 -.765
2.178
-5.873 0.34
.000 .687
1.456 Trade
Receivables .292
.079 .483
3.708 .001
.687 1.456
a. Dependent Variable: Current Ratio
Sumber : Hasil olah data statistik, 2009 Hasil perhitungan nilai Tolerance menunjukkan tidak ada variabel
independen yang memiliki nilai tolerance kurang dari 0,1 yakni sebesar 0.687. Sedangkan hasil perhitungan nilai Variance Inflation Factor VIF
juga menunjukkan hal yang sama, tidak ada variabel bebas yang memiliki nilai VIF tidak lebih dari 10 yakni sebesar 1.456. Jadi dapat disimpulkan
bahwa tidak ada multikolinearitas antar variabel bebas dalam model regresi.
3. Uji Heteroskedastisitas
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
heteroskesdatisitas. Model regresi yang baik adalah yang homoskedastisitas
Universitas Sumatera Utara
atau tidak terjadi heteroskesdatisitas. Ghozali, 2005 : 105. Hasil dari uji Heteroskedastisitas dapat ditunjukkan dalam grafik scatterplot antara ZPRED
dan SRESID sebagai berikut :
Gambar 4.3 Uji Heteroskedastisitas
Sumber : Hasil olah data statistik, 2009
4. Uji Autokorelasi
Masalah autokorelasi akan muncul bila data yang dipakai adalah data runtut waktu timeseries. “Autokorelasi akan muncul bila data sesudahnya
merupakan fungsi dari data sebelumnya atau data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada data runtut waktu dan
besaran data sangat tergantung pada tempat data tersebut terjadi”. Hadi, 2006 : 175. Untuk mendeteksi adanya autokorelasi bisa digunakan tes Durbin
Watson DW. Deteksi autokorelasi dengan cara ini dimulai dengan menghitung nilai d, setelah nilai d diketemukan maka tahapan berikutnya
Universitas Sumatera Utara
adalah menentukan nilai du dan dl dengan menggunakan tabel Durbin Watson.
Ketentuan : d
u
d 4-d
u
Tidak ada autokorelasi d d
l
Terdapat autokorelasi positif d 4-d
l
Terdapat autokorelasi negatif d
l
d d
u
Tidak ada keputusan tentang autokorelasi 4-d
u
d 4-d
l
Tidak ada keputusan tentang autokorelasi Hadi, 2006 : 176
“Salah satu cara untuk mengatasi adanya masalah autokorelasi bila ada adalah dengan cara menambahkan satu variabel baru, yaitu variable lag -
1.” Hadi, 2006 : 176 Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini
Tabel 4.6 Uji Autokorelasi
Sumber : Hasil olah data statistik, 2009
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.637
a
.405 .382
.60922 2.497
a. Predictors: Constant, Trade Receivables, Trade Payables b. Dependent Variable: Current Ratio
Universitas Sumatera Utara
Dari tabel 4.6 di atas, diketahui nilai Durbin-Watson D-W sebesar 2.497. nilai ini
akan kita bandingkan dengan nilai tabel dengan menggunakan signifikansi 5, jumlah sampel n = 27, dan jumlah variabel independen k = 2, maka berdasarkan
tabel Durbin Watson didapat nilai batas atas du sebesar 1.24 dan nilai batas bawah dl sebesar 1.56. Oleh karena itu, nilai Dw lebih besar dari 1.24 dan lebih kecil dari
4 – 1.24 atau dapat dinyatakan bahwa 1.24 2.497 4 - 1.24 du d 4 – du. Dengan demikian dapat disimpulkan tidak terdapat autokorelasi baik positif maupun
negatif.
D. Uji Hipotesis
1. Uji Regresi
Dalam pengujian apakah variabel independen mempengaruhi variabel dependen dapat diketahui dari analisis regresi. Analisis regresi dalam
penelitian ini, dapat dilihat dengan hasil sebagai berikut : Tabel 4.7 Uji Regresi
Sumber : Hasil olah data statistik, 2009 Dari hasil pengolahan regresi berganda diatas dapat diketahui bahwa
nilai R adalah sebesar 0,637 atau 63,7 . Nilai R pada intinya mengukur
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson 1
.637
a
.405 .382
.60922 2.497
a. Predictors: Constant, Trade Receivables, Trade Payables b. Dependent Variable: Current Ratio
Universitas Sumatera Utara
seberapa besar hubungan antara variabel independen dengan variabel dependen. Sedangkan nilai R Square koefisien determinasi mengukur
seberapa jauh kemampuan variabel independen dalam menerangkan variabel dependen. Nilai R Square diantara 0 dan 1. Nilai R Square yang kecil berarti
kemampuan variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas.
Nilai R Square dari output diatas adalah sebesar 0,405. Ini berarti bahwa variasi dari variabel independen yang terdiri dari Trades Payable dan
Trades Receivable menjelaskan variasi variabel dependen sebesar 40.5.
2. Uji-F ANOVA
Tabel 4.8 Uji ANOVA
Sumber : Hasil olah data statistik, 2009 Dari uji ANOVA diketahui F hitung adalah sebesar 17,373 dengan
tingkat signifikansi Sig. F.stat 0,05, yang berarti Ha diterima, dengan kata lain hasil ini menunjukkan bahwa seluruh variabel independen secara
bersama-sama simultan, mempengaruhi variabel dependen.
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
12.896 2
6.448 17.373
.000
a
Residual 18.929
51 .371
Total 31.825
53 a. Predictors: Constant, Trade Receivables, Trade Payables
b. Dependent Variable: Current Ratio
Universitas Sumatera Utara
3. Uji t Uji Individu
Uji t dengan melihat signifikansi untuk masing-masing variabel independen terhadap variabel dependen adalah sebagai berikut :
Tabel 4.9 Uji t
Sumber : Hasil olah data statistik 2009 Berdasarkan keterangan tabel diatas, maka dapat disimpulkan bahwa :
a. nilai variabel trade payable yang diberikan mempunyai nilai t
hitung sebesar -5,873 lebih kecil dari nilai t tabel dengan nilai signifikansi sebesar 0,00 yaitu lebih kecil dari 0,05, dengan
kata lain variabel trade payable yang diberikan secara parsial tidak berpengaruh terhadap besarnya CR;
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficients
t Sig.
Collinearity Statistics
B Std. Error
Beta Toleranc
e VIF
1 Constant
2.874 1.319
2.178 .034
Trade Payables -.413
.070 -.765
-5.873 .000
.687 1.456
Trade Receivables
.292 .079
.483 3.708
.1 .687
1.456 a. Dependent Variable: Current
Ratio
Universitas Sumatera Utara
b. nilai variabel trade receivable mempunyai nilai t hitung
sebesar 3.708 lebih besar dari nilai t tabel dengan nilai signifkansi sebesar 0,1 yaitu lebih besar dari 0,05, dengan kata
lain variabel trade receivable secara parsial berpengaruh terhadap besarnya CR.
Persamaan regresi berganda dapat digambarkan sebagai berikut :
Y = 2,874- 0.413X1 + 0.292X2+e
Keterangan : Y = variabel dependen yaitu berupa current ratio
a = konstanta sebesar 2,874 X1 = variabel trade payable
X2 = variabel trade receivable e = tingkat kesalahan pengganggu error
dimana nilai tersebut dapat diartikan sebagai berikut :
Y = 2,874 - 0.413 X1 + 0.292 X2
1 a = 2,874
Universitas Sumatera Utara
merupakan konstanta dimana jika besarnya X1 dan X2 adalah nol, maka besarnya variabel dependen yaitu current ratio adalah sebesar 2,874;
2 koefisien X1, besarnya = -0.413 merupakan koefisien variabel X1 dimana jika variabel X1 bertambah 1 satuan
maka besarnya variabel dependen akan berkurang sebesar 0.413 3 koefisien X2, besarnya = 0.292
merupakan koefisien variabel X2 dimana jika variabel X2 bertambah 1 satuan maka besarnya variabel dependen akan bertambah sebesar 0.292
E. Pembahasan Hasil Penelitian
Hasil pengolahan regresi berganda diatas menunjukkan nilai R sebesar 63.7 , nilai R pada dasarnya menggambarkan seberapa besar hubungan antara variabel
independen dengan variabel dependen. Ini berarti kedua variabel independen dalam penelitian ini, LN_Trade Payable dan LN_Trade Receivable secara bersama-sama
memiliki hubungan dengan variabel dependen yaitu LN_Current Ratio CR sebesar 63.7 .
Pengolahan regresi berganda diatas juga menunjukkan nilai R Square sebesar 0,405 atau sebesar 40,5 . 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
Universitas Sumatera Utara
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 0,405 atau 40,5 , hal ini berarti kemampuan variabel independen yaitu, Trade Payable dan Trade
Receivable secara bersama-sama dalam menjelaskan variasi variabel dependen Current Ratio relatif besar, sedangkan sisanya sebesar 59,5 100-40,5
dijelaskan oleh variabel lain yang tidak diikutsertakan dalam model regresi ini. Peneliti berpendapat bahwa faktor-faktor lain yang mungkin lebih besar
pengaruhnya terhadap Current Ratio CR 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.
Uji hipotesis dalam penelitian ini menggunakan uji ANOVA dalam melihat apakah kedua variabel independen secara simultan berpengaruh signifikan terhadap
variabel dependen. Hal ini dapat diketahui dengan membandingkan nilai F hitung dengan nilai Sig.F Stat.sebesar 0,05. Nilai F hitung yang didapat dari hasil uji diatas
adalah sebesar 17,373 dengan nilai signifikansi 0,000 dimana artinya Sig. F.stat 0,05, yang berarti Ha diterima, dengan kata lain hasil ini menunjukkan bahwa
variabel independen yaitu Trade Payable dan Trade Receivable secara bersama-sama
Universitas Sumatera Utara
simultan, mempengaruhi variabel dependen secara signifikan terhadap variabel dependen Current Ratio CR. Adapun koefisien regresi dari masing-masing variabel
independen adalah - 0.413 untuk variabel trade payable dan 0.292 untuk variabel trade receivable.
Uji parsial t test digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Hasil uji menunjukkan bahwa
varibel independen trade payable, yang dimasukkan ke dalam model regresi tidak signifikan pada 0,05 dimana hal ini menandakan bahwa variabel trade payable tidak
berpengaruh terhadap variabel dependen yaitu CR, sedangkan variabel independen trade receivable yang dimasukkan ke dalam model regresi signifikan pada 0,05
dimana hal ini menandakan bahwa variabel Trade Recevaible berpengaruh terhadap
variabel dependen CR. Dengan kata lain, tingkat CR dari setiap perusahaan
konsumsi, lebih disebabkan oleh trade receivable yang diberikan serta faktor-faktor lain yang tidak tercermin dalam penelitian ini.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
A. Kesimpulan
Berdasarkan hasil penelitian empiris pada 27 sampel perusahaan yang terdaftar di BEI dan dari hasil analisis maupun pengujian didapatkan kesimpulan
sebagai berikut. 1.
Tingkat CR perusahaan konsumsi yang listing di Bursa Efek Indonesia ternyata dipengaruhi oleh trade receivable secara parsial,
sedangkan trade payable tidak mempengaruhi CR secara parsial. Kemudian seacara simultan bersama-sama trade payable dan trade
receivable memiliki pengaruh terhadap CR Artinya, jumlah hutang dagang oleh bank yang harus segera dipenuhi dan, dan jumlah piutang
yang harus ditagih pada perusahaan konsumsi berpengaruh terhadap Current Ratio CR .
2. Jumlah CR pada perusahaan konsumsi lebih dipengaruhi oleh jumlah
piutang dagang yaitu seperti yang telah diteliti oleh peneliti, serta faktor-faktor lain yang tidak diikutsertakan dalam penelitian ini.
3. trade payable tidak berpengaruh secara parsialindividu terhadap
Current Ratio, walaupun pada dasarnya jumlah hutang dagang merupakan salah satu indikator untuk menilai kemampuan dari setiap
Universitas Sumatera Utara
Kategori