Jenis data Metode pengumpulan data Analisis Jalur

22 SCCO Supreme Cable Manufacturing and Commerce Tbk 23 ADES Akasha Wira International Tbk 24 AISA Tiga Pilar Sejahtera Food Tbk 25 ICBP Indofood CBP Sukses Makmur Tbk 26 INDF Indofood Sukses Makmur Tbk 27 PSDN Prashida Aneka Niaga Tbk 28 ULTJ Ultrajaya Milk Industry and Trading Company Tbk 29 GGRM Gudang Garam Tbk 30 DVLA Darya Varia Laboratoria Tbk 31 KAEF Kimia Farma Tbk 32 MERK Merck Tbk 33 TSPC Tempo Scan Pasific Tbk 34 MBTO Martina Berto Tbk 35 KDSI Kedawung Setia Industrial Tbk

3.6 Jenis data

Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data yang diterbitkan atau digunakan oleh organisasi yang bukan pengolahnya yang diperoleh dari www.idx.co.id berupa laporan keuangan tahunan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia BEI selama tahun 2011 sampai tahun 2013

3.7 Metode pengumpulan data

Dalam melakukan penelitian ini teknik pengumpulan data adalah metode dokumentasi. Metode dokumentasi merupakan teknik pengumpulan data yang tidak langsung ditujukan kepada subjek penelitian Soehartono, 1999:70. Metode ini dilakukan dengan mencatat atau mengumpulkan data-data rasio keuangan perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia. Data diperoleh dari media internet dengan mengunduh melalui situs www.idx.co.id.

3.8 Teknik analisis

Sebelum melakukan analisis metode jalur, perlu menggunakan uji asumsi klasik untuk menguji apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif.

3.8.1 Analisis Deskriptif

Analisis deskriptif adalah analisis yang digunakan dengan cara merumuskan dan menafsirkan data sehingga memberikan gambaran yang jelas melalui pengumpulan, penyusunan, dan analisis data, sehingga dapat diketahui gambaran umum perusahaan yang diteliti.

3.8.2 Uji Asumsi Klasik

Uji asumsi klasik dilakukan dengan bantuan program SPSS 18. Ada empat pengujian dalam uji asumsi klasik, yaitu: 3.8.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan dengan garis diagonal. Jika distribusi data adalah normal, maka garis yang menghubungkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali 2006:110. Deteksi normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik. Menurut Ghozali 2006:112, dasar pengambilan keputusan dari uji normalitas adalah: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Uji normalitas juga dapat dilihat dari uji statistik non- parametrik Kolmogorov-Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesis : Ho : Data residual berdistribusi normal p 0,05 Ha : Data residual tidak berdistribusi normal p 0,05. 3.8.2.2 Multikolinieritas Menurut Ghozali 2006: 91, “ uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen”. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Pengujian multikolinearitas dilakukan dengan melihat nilai 1 tolerance dan lawannya, dan 2 variance inflation factor VIF. Jika nilai tolerance lebih kecil dari 0,10 atau nilai VIF lebih besar dari 10, maka terjadi multikolinearitas di antara variabel bebas independen. 3.8.2.3 Uji Heteroskedastisitas Uji heteroskedastisitas ditujukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastis dan jika berbeda disebut heteroskedastisitas Ghozali, 2006: 105. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat diketahui dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID di mana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya. Dasar analisis dari uji heteroskedastis melalui grafik plot adalah sebagai berikut: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. 3.8.2.4 Uji Autokorelasi Menurut Ghozali 2006 : 95, “uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Apabila terjadi korelasi maka akan ada problem autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan melakukan uji Durbin Watson, yaitu uji yang digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag di antara variabel independen Ghozali, 2006: 96.

3.8.3 Analisis Metode Jalur

Setelah model regresi memenuhi syarat Uji Asumsi Klasik maka selanjutnya adalah analisis metode jalur. Metode jalur path analysis dilakukan dengan bantuan program SPSS 18. Koefisien jalur dihitung dengan membuat dua persamaan struktural yaitu persamaan regresi yang menunjukkan hubungan dihipotesiskan Ghozali, 2006:174. Persamaan penelitian yang digunakan sebagai berikut: Lev = β1Lik + e1.....................................................................persamaan 1 H2 KK= β1Lik + β2Lev + e2 .........................................................persamaan 2 H1 H2 Keterangan: Lev : Leverage Lik : Likuiditas KK : Kinerja Keuangan β1, β2 : Koefisien Standar e1, e2 : Residual Hubungan langsung terjadi jika satu variabel mempengaruhi variabel lainnya tanpa ada variabel ketiga yang memediasi. Hubungan tidak langsung adalah jika ada variabel ketiga yang memediasi hubungan kedua variabel tadi Ghozali 2006:175 dan hubungan ini menggunakan analisis regresi.

3.8.4 Uji Hipotesis

Pengujian hipotesis dilakukan dengan menggunakan SPSS 18. Dengan melakukan beberapa uji: 3.8.4.1 Uji Signifikansi Parsial t-test Dilakukan Uji t sebagai uji koefiseien jalur secara individu untuk mengetahui signifikansi pengaruh variabel independen dan variabel intervening secara individu terhadap variabel dependen. Ho : β1 = 0Tidak ada pengaruh yang signifikan dari current rasio dan debt to asset rasio terhadap return on asset Hi : β1 ≠ 0Ada pengaruh yang signifikandari current rasio dan debt to asset rasio terhadap return on asset Ho diterima jika t hitung t tabel pada α= 5 H1 diterima jika t hitungt tabel padaα= 5 3.8.4.2 Identifikasi Determinan R 2 Koefisien Determinan R 2 digunakan untuk mengukur seberapa besar perananan variabel bebas dan intervening mempengaruhi perubahan yang terjadi pada variabel terikat. Besarnya koefisien determinasi ini adalah 0 sampai dengan 1. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel- variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen Ghozali 2006:8. BAB IV ANALISIS HASIL PENELITIAN 4.1 Gambaran Umum Variabel Penelitian 4.1.1 Likuiditas Likuiditas dalam penelitian ini diukur dengan current ratio CR. Rasio ini menunjukkan kemampuan perusahaan memenuhi kewajiban jangka pendeknya dengan menggunakan aktiva lancarnya. Current Ratio ini merupakan perbandingan aktiva lancar dengan hutang lancar atau dinyatakan dengan: Hasil perhitungan CR selengkapnya dapat dilihat pada lampiran 1 dan terangkum pada tabel 4.1. Tabel 4.1 Gambaran Umum Likuiditas Interval Frekuensi Presentase 2013 2012 2011 2013 2012 2011 120 ≤ CR ≤282,8 23 25 25 65,7 71,4 71,4 282,8 ≤ CR ≤445,6 11 9 7 31,4 25,7 20 445,6 ≤ CR ≤608,4 0 1 2,9 608,4 ≤ CR ≤771,2 1 2 2,9 5,7 771,2 ≤ CR ≤934 1 2,9 Jumlah 35 35 35 100 100 100

4.1.2 Kinerja Keuangan

Kinerja Keuangan dalam penelitian ini diukur dengan return on asset ROA. ROA dihitung dengan perbandingan laba setelah pajak dengan total aktiva. Return on Assets = Profit Before Income Tax Total Assets Hasil perhitungan kinerja keuangan selengkapnya dapat dilihat pada lampiran 1 dan terangkum pada tabel 4.2 Tabel 4.2 Gambaran Umum Kinerja Keuangan.

4.1.3 Leverage

Leverage dalam penelitian ini diukur dengan total debt to total assets ratio. Leverage ini menunjukkan berapa bagian dari aktiva yang digunakan untuk menjamin utang. Debt to total assets ini merupakan perbandingan total hutang dengan total aktiva. Interval Frekuensi Presentase 2013 2012 2011 2013 2012 2011 1,5 ≤ KK ≤9,54 20 12 14 57,1 34,3 40 9,54 ≤ KK ≤17,58 13 19 18 37,2 54,2 51,4 17,58 ≤ KK ≤25,62 2 3 2 5,7 8,6 5,7 25,62 ≤ KK ≤33,66 1 2,9 33,66 ≤ KK ≤41,7 1 2,9 Jumlah 35 35 35 100 100 100 Hasil perhitungan leverage selengkapnya dapat dilihat pada lampiran 1 dan terangkum pada tabel 4.3. Tabel 4.3 Gambaran Umum Leverage

4.2 Uji Asumsi Klasik

Uji asumsi klasik merupakan prasyarat analisis regresi ganda. Dalam uji asumsi klasik ini meliputi uji normalitas, uji multikoliniearitas, uji heteroskedastisitas dan uji autokolerasi. Apabila data tidak berdistribusi normal dan mengandung heteroskedastisitas maka perlu adanya perbaikan model regresi dengan cara mentransformasi data dalam bentuk logaritma. Data hasil transformasi tersebut selanjutnya dianalis kembali menggunakan analisis regresi. Apabila data masih mengandung multikolinieritas maka salah satu variabel bebas dihilangkan. Interval Frekuensi Presentase 2013 2012 2011 2013 2012 2011 14 ≤ DER ≤27,2 12 8 9 34,3 22,8 25,7 27,2 ≤ DER ≤40,4 9 13 10 25,7 37,2 28,5 40,4 ≤ DER ≤53,6 9 10 13 25,7 28,5 37,2 53,6 ≤ DER ≤66,8 4 3 3 11,4 8,6 8,6 66,8 ≤ DER ≤80 1 1 2,9 2,9 Jumlah 38 38 38 100 100 100

4.2.1 Uji Normalitas

Hasil uji normalitas dalam kajian penelitian ini menggunakan P-P plot. Apabila grafik yang diperoleh dari output SPSS ternyata titik-titik mendekati garis diagonal, dapat disimpulkan bahwa model regresi berdistribusi normal. Lebih jelasnya hasil uji normalitas data dapat dilihat pada grafik berikut.: PERSAMAAN 1 : Lev = β1Lik + e1 Gambar 4.1 P-P Plot pengujian normalitas model Regresi 1 Dari grafik normal probility plots titik-titik menyebar berhimpit di sekitar diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara normal. Uji normalitas juga dapat dilihat dari uji statistik non-parametrik Kolmogorov-Smirnov K-S. Hasil uji Kolmogorov-Smirnov menunjukkan nilai signifikansi Kolmogorov-Smirnov sebesar 0,080 yang berarti lebih besar dari 0,05 yang menunjukan data berdistribusi normal. PERSAMAAN 2 : KK= β1Lik + β2Lev + e Gambar 4.2 P-P Plot pengujian normalitas model Regresi 2 Dari grafik normal probility plots titik-titik menyebar berhimpit di sekitar diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara normal. Uji normalitas juga dapat dilihat dari uji statistik non-parametrik Kolmogorov-Smirnov K-S. Hasil uji Kolmogorov-Smirnov menunjukkan nilai signifikansi Kolmogorov-Smirnov sebesar 0,200 yang berarti lebih besar dari 0,05 yang menunjukan data berdistribusi normal.

4.2.2 Uji Multikolinearitas

Uji multikolinieritas digunakan untuk menguji apakah antara variabel bebas memiliki hubungan yang sempurna atau tidak. Syarat diterimanya model regresi ganda apabila antara variabel bebas tidak mengandung korelasi yang sempurna. Pengujian multikolinieritas dapat dilihat dari nilai variance inflance faktor VIF berdasarkan hasil output SPSS. Apabila nilai VIF 10 dan mendekati 1 dapat disimpulkan bahwa asumsi adanya multikolinieritas ditolak. Hasil analisis multikolinieritas selengkapnya dapat dilihat pada tabel 4.4 dan tabel 4.5. Tabel 4.4 Uji Multikolinearitas Persamaan 1 Coefficients a Model Collinearity Statistics Tolerance VIF 1 Likuiditas 1.000 1.000 a. Dependent Variable: leverage Tabel 4.5 Uji Multikolinearitas Persamaan 2 Coefficients a Model Collinearity Statistics Tolerance VIF 1 Likuiditas .462 2.164 Leverage .462 2.164 a. Dependent Variable: kinerja_keuangan Berdasarkan hasil penelitian diperoleh nilai VIF pada persamaan 1 untuk variabel likuiditas LIK sebesar 1,000, nilai VIF 10 yang berarti bahwa model regresi persamaan 1 tidak mengandung multikolinieritas. Begitu juga dengan persamaan 2 diperoleh nilai VIF untuk variabel likuiditas sebesar 2,164, untuk variabel leverage sebesar 2,164. Kedua nilai VIF 10 yang berarti bahwa model regresi persamaan 2 tidak mengandung multikolinieritas.

4.2.3 Uji Heteroskedastisitas

Secara grafis dapat dilihat dari multivariate standardized Scatterplot. Dasar pengambilannya apabila sebaran nilai residual terstandar tidak membentuk pola tertentu namun tampak random dapat dikatakan bahwa model regresi bersifat homogen atau tidak mengandung heteroskedastisitas. Lebih jelasnya dapat dilihat dari gambar berikut : Gambar 4.3 Pengujian heteroskedastisitas model Regresi 1 Terlihat dari gambar 4.3 , titik-titik tersebar di sekitar nol pada sumbu vertikal dan tidak membentuk pola tertentu atau terlihat acak, sehingga dapat disimpulkan bahwa model regresi persamaan 1 tidak mengandung heteroskedastisitas atau bersifat homogen. Gambar 4.4 Pengujian heteroskedastisitas model Regresi 2 Terlihat dari gambar 4.4 , titik-titik tersebar di sekitar nol pada sumbu vertikal dan tidak membentuk pola tertentu atau terlihat acak, sehingga dapat disimpulkan bahwa model regresi persamaan 1 tidak mengandung heteroskedastisitas atau bersifat homogen.

4.2.4 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Apabila terjadi korelasi maka akan ada problem autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan melakukan uji Durbin Watson. Tabel 4.6 Pengujian Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .457 a .209 .160 4.77108 2.041 a. Predictors: Constant, leverage, likuiditas b. Dependent Variable: kinerja_keuangan Penelitian ini jumlah sampelnya sebanyak 25 dan variabel bebasnya ada 2, sehingga nilai dU adalah 1,5838 dan nilai 4-dU adalah 2,4162. Dengan demikian Durbin Waston berada diantara nilai dU dan 4-dU, yaitu 1,5838 2,041 2,4162. Jadi dapat disimpulkan bahwa tidak terjadi autokorelasi.

4.3 Analisis Jalur

Metode analisis jalur untuk pengujian pengaruh variabel intervening. Hasil penghitungan sub-struktural 1 adalah sebagai berikut Tabel 4.7 Koefisien Jalur 1 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 54.484 3.073 17.728 .000 Likuiditas -.066 .011 -.733 -6.197 .000 a. Dependent Variable: leverage Dan Hasil penghitungan sub-struktural 2 adalah sebagai berikut Tabel 4.8 Koefisien Jalur 2 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 5.992 5.887 1.018 .316 Likuiditas .018 .009 .448 1.937 .062 Leverage -.006 .103 -.013 -.054 .957 a. Dependent Variable: kinerja_keuangan Analisis jalur dalam bentuk persamaan adalah sebagai berikut: Lev = - 0,733Lik + 0,68 ...........................................................persamaan 1 KK = 0,448Lik – 0,013Lev + 0,89 ...........................................persamaan 2 Tabel berikut memberikan rangkuman pengaruh Likuiditas dan Leverage terhadap Kinerja Keuangan. Tabel 4.9 Analisis Jalur Variabel Koefisien Standar T Sig. Keterangan H1 Lik  KK 0,448 1,937 0,062 Tidak signifikan H2a Lik  Lev -0,733 -6.197 0,000 Signifikan H2b Lev  KK -0,013 -0.054 0,957 Tidak signifikan H2 Lik  Lev  KK 0,009529 Berdasarkan Tabel 4.8 dapat menjelaskan pengaruh langsung dan pengaruh tidak langsung antar variabel dalam penelitian. Pengaruh langsung Likuditas terhadap kinerja keuangan sebesar 0.448, dan pengaruh Likuiditas melalui variabel intervening Leverage terhadap kinerja keuangan sebesar -0,733x -0.013 = 0,009529. Hasil penelitian menunjukan nilai koefiien jalur yang langsung antara likuiditas dan kinerja lebih besar dibanding pengaruh tidak langsung. Hal ini menunjukan hubungan yang terjadi adalah hubungan langsung, dimana variabel likuiditas dan kinerja keuangan berpengaruh tanpa adanya mediasi variabel leverage.

4.4 Pengujian Hipotesis