UNIVERSITAS SUMATERA UTARA BAB IV
ANALISIS DAN PEMBAHASAN 4.1
Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data dimulai dengan mengolah data
dengan menggunakan microsoft excel, kemudian dilakukan pengujian asumsi klasik dan regresi linier berganda.
Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS versi 21 for windows. Prosedur ini dimulai dengan memasukkan variabel
– variabel penelitian ke program SPSSdan menghasilkan output
– output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, diperoleh 14 persuahaan property
da n rea l esta te yang terdaftar di Bursa Efek Indonesia BEI yang memenuhi kriteria dan
dijadikan sampel dalam penelitian ini yang diamati selama periode 2010 hingga 2013.
4.2 Analisis Hasil Penelitian
Data penelitian dikumpulkan untuk diolah kemudian akan dianalisis untuk memperoleh jawaban atas permasalahan yang timbul dalam penelitian ini. Metode analisis data yang
dilakukan dalam penelitian ini adalah dengan analisis statistik yang menggunakan regresi berganda dengan terlebih dahulu menganalisis deskripsi data
4.2.1 Deskripsi Statistik Data Penelitian Tabel 4.1
Uji Deskripsi Data Penelitian
UNIVERSITAS SUMATERA UTARA
Descriptive Statistics
Mean Std. Deviation
N Accrual_Lancar
24.9984 2.00979
56 Usia
48.4000 22.89234
56 Gender
.5818 .49781
56 Tingkat_Pendidikan
.6000 .49441
56 Jumlah_Pertemuan
.6364 .48548
56
Dari tabel 4.1 di atas menunjukkan bahwa : 1.
Variabel Usia Variabel Usia memiliki sampel sebanyak 56 sampel dengan nilai rata
– rata yang diperoleh variabel ini sebesar 48.4000 dengan standar deviation sebesar 22.89234.
2. Variabel Gender
Variabel Gender memiliki sampel sebanyak 56 sampel dengan nilai rata – rata
yang diperoleh variabel ini sebesar 0.5818 dengan standar deviation sebesar 0.5818. 3.
Variabel Tingkat Pendidikan Variabel Tingkat Pendidikan memiliki sampel sebanyak 56 sampel dengan nilai
rata – rata yang diperoleh variabel ini sebesar 0.6000 dengan standar deviation sebesar
0.49441. 4.
Variabel Jumlah Pertemuan Variabel Jumlah Pertemuan memiliki sampel sebanyak 56 sampel dengan nilai
rata – rata yang diperoleh variabel ini sebesar 0.6364 dengan standar deviation sebesar
0.48548.
UNIVERSITAS SUMATERA UTARA
5. Variabel Accrual Lancar
Variabel Accrual Lancar memiliki sampel sebanyak 56 sampel dengan nilai rata –
rata yang diperoleh variabel ini sebesar 24.9984 dengan standar deviation sebesar 2.00979.
4.2.2 Pengujian Asumsi Klasik 4.2.2.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel residual memiliki distribusi normal. Pengujian normalitas dalam
penelitian ini menggunakan Analisis Grafik dan Analisis Statistik Kolmogorov- Smirnov K-S. Pengujian statistik Kolmogorov-Smirnov dilakukan dengan
membuat hipotesis : H
: Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Apabila nilai signifikansi 0.05 maka H diterima dan Ha di tolak,
sedangkan jika nilai signifikansi 0.05 maka H ditolak dan Ha di terima.
UNIVERSITAS SUMATERA UTARA Tabel 4.2
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 56
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.75429462
Most Extreme Differences Absolute
.076 Positive
.047 Negative
-.076 Kolmogorov-Smirnov Z
.560 Asymp. Sig. 2-tailed
.912 a. Test distribution is Normal.
b. Calculated from data.
Dari hasil analisis Kolmogorov-Smirnov K-S diatas menunjukkan bahwa data ini berdistribusi normal. Hal ini terlihat dari nilai Asymp.Sig 2-tailed
sebesar 0.912 lebih besar dari 0.05 yang berarti H diterima dan Ha ditolak.
Selain itu, untuk lebih meyakinkan data tersebut berdistribusi normal atau tidak, maka dilakukan uji analisis grafik. Uji analisis grafik dapat dilihat di
Gambar 4.1
UNIVERSITAS SUMATERA UTARA Gambar 4.1
Uji Normalitas
Grafik Normal P-P Plot of Regression Standardized Residual di atas memperlihatkan titik
– titik menyebar di sekitar garis diagonal dan ini menunjukkan data dalam model regresi berdistribusi normal.
4.2.2.2 Uji Multikoloniearitas
UNIVERSITAS SUMATERA UTARA
Uji multikoloniearitas 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 Ghozali, 2006. Dalam penelitian ini cara yang digunakan untuk mendeteksi ada tidaknya
multikoloniearitas dengan membandingkan nilai Tolerance value dan Va riance Infla tion Fa ctor
VIF. Nilai cut-off yang umum dipakai untuk menunjukkan adanya multikoloniearitas adalah Tolerance 0.1 sedangkan variance inflation
factor VIF 10. Nilai Tolerance dan VIF dalam penelitian ini dapat dilihat di tabel 4.3 berikut.
Tabel 4.3 Hasil Uji Multikoloniearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF
1 Constant
27.610 .877
31.479 .000
Usia -.028
.011 -.320 -2.537
.014 .960
1.042 Gender
-1.473 .506
-.365 -2.913 .005
.972 1.029
Tingkat_Pendidikan .075
.534 .018
.141 .889
.882 1.134
Jumlah_Pertemuan -.694
.550 -.168 -1.263
.213 .864
1.158 a. Dependent Variable: Accrual_Lancar
Dari tabel 4.3 diatas dapat disimpulkan bahwa tidak terjadi multikoloniearitas dalam penelitian ini. Karena, nilai tolerance dari setiap variabel
independen lebih besar dari 0.1 Tolerance 0.1 dan nilai VIF lebih kecil dari dari 10 VIF 10.
UNIVERSITAS SUMATERA UTARA 4.2.2.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2006 : 105. Model regresi yang baik adalah model yang Homoskedastisitas dan bukan Heteroskedastisitas.
Gambar 4.2 Hasil Uji Heteroskedastisitas
Dari grafik Scatterplot diatas menunjukkan bahwa garis menyebar diatas dan dibawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi
heteroskedastisitas dalam model regresi.
UNIVERSITAS SUMATERA UTARA 4.2.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
penggangu pada periode t-1 sebelumna Ghozali, 2006 : 95. Untuk mendeteksi ada tidaknya autokorelasi dalam penelitian ini digunakan uji Durbin
– Watson WS Test dengan membuat hipotesis sebagai berikut :
H : Tidak ada autokorelasi
Ha : Ada autokorelasi
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .488
a
.238 .177
1.82312 1.926
a. Predictors: Constant, Jumlah_Pertemuan, Gender, Usia, Tingkat_Pendidikan b. Dependent Variable: Accrual_Lancar
Dari hasil analisis autokorelasi dengan pengujian Durbin Watson diatas, diperoleh nilai d untuk persamaan regresi yang diajukan sebesar 1.926. Model
yang tidak memiliki autokorelasi adalah du d 4 – du. Dengan jumlah sampel
dalam penelitian ini sebesar 56 perusahaan n=56 dan memiliki 4 variabel bebas K=4 maka du = 1.7240 dan 4
– 1.7240 = 2.2760, sehingga persamaannya menjadi 1.7240 1.926 2.2760. Hal ini menunjukkan H
diterima dan Ha ditolak. Sehingga dapat disimpulkan tidak ada terjadi autokorelasi dalam
penelitian ini.
UNIVERSITAS SUMATERA UTARA 4.2.3 Pengujian Hipotesis
Setelah diperoleh kesimpulan bahwa tidak ada pelanggaran dalam pengujian asumsi klasik dan model sudah dapat digunakan untuk melakukan analisis regresi
berganda, maka langkah selanjutnya adalah melakukan pengujian hipotesis.
4.2.3.1 Uji Parsial Uji t
H
1
sampai H
4
dapat diuji menggunakan uji t. Uji ini dilakukan untuk menguji signifikansi dari setiap variabel independennya yaitu usia, gender, tingkat
pendidikan, dan jumlah pertemuan terhadap accrual lancar. Berdasarkan hasil pengolahaan SPSS Versi 21 diperoleh hasil seperti pada tabel 4.5.
Tabel 4.5 Hasil Uji t Uji Parsial
Model regresi yang dibentuk dalam penelitian ini ialah : Y = 22.610 - 0.028X1 -1.473X2 + 0.075X3
– 0.694X4 + e Berdasarkan tabel 4.5 diatas, uji t menunjukkan interpretasi sebagai
berikut :
H
1
: Usia X1 berpengaruh terhadap Accrual Lancar Y
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta
1 Constant
27.610 .877
31.479 .000
Usia -.028
.011 -.320
-2.537 .014
Gender -1.473
.506 -.365
-2.913 .005
Tingkat_Pendidikan .075
.534 .018
.141 .889
Jumlah_Pertemuan -.694
.550 -.168
-1.263 .213
a. Dependent Variable: Accrual_Lancar
UNIVERSITAS SUMATERA UTARA
Dari tabel 4.5 dapat dilihat besarnya t
hitung
untuk variabel Usia sebesar - 2.537 dengan nilai signifikansi 0.014, sedangkan t
tabel
sebesar 1.67528 dengan tingkat signifikansi 0.05. Hasil ini menunjukkan bawah t
hitung
t
tabel
2.537 1.67528 dan signifikansi penelitian ini juga menunjukkan angka yang lebih besar
dari 0.05 0.014 0.05. Maka, dapat disimpulkan bahwa H
1
diterima, artinya variabel Usia X1 berpengaruh terhadap Accrual Lancar Y.
H
2
: Gender X2 berpengaruh terhadap Accrual Lancar Y Dari tabel 4.5 besarnya t
hitung
untuk variabel Gender X2 adalah sebesar - 2.913 dengan nilai signifikansi 0.005, sedangkan t
tabel
sebesar 1.67528 dengan nilai signifikansi 0.05. Hasil ini menunjukkan bahwa t
hitung
t
tabel
2.913 1.67528 dan nilai signifikasni yang lebih kecil dari 0.05 0.005 0.05. Maka dapat
disimpulkan bahwa H
2
diterima, artinya Gender X2 berpengaruh signifikan terhadap Accrual Lancar Y.
H
3
: Tingkat Pendidikan X3 berpengaruh terhadap Accrual Lancar Y
Tabel 4.5 menunjukkan besarnya t
hitung
untuk variabel Tingkat Pendidikan X3 sebesar 0.141 dengan nilai signifikansi 0.889. Sedangkan, t
tabel
sebesar 1.67528 dengan nilai signifikasni 0.05. Hasil ini menunjukkan bahwa t
hitung
t
tabel
0.141 1.67528 dan nilai signifikansi yang lebih besar dari 0.05 0.889 0.05. Maka dapat disimpulkan bawah H
3
ditolak, artinya Tingkat Pendidikan X3 tidak berpengaruh terhadap Accrual Lancar Y.
H
4
: Jumlah Pertemuan X4 berpengaruh terhadap Accrual Lancar Y
Tabel 4.5 menunjukkan besarnya t
hitung
untuk variabel Jumlah Pertemuan X4 sebesar -1.263 dengan nilai signifikansi 0.213. Sedangkan, t
tabel
sebesar
UNIVERSITAS SUMATERA UTARA
1.67528 dengan nilai signifikasni 0.05. Hasil ini menunjukkan bahwa t
hitung
t
tabel
1.263 1.67528 dan nilai signifikansi yang lebih besar dari 0.05 0.213 0.05. Maka dapat disimpulkan bawah H
4
ditolak, artinya Jumlah Pertemuan X4 tidak berpengaruh terhadap Accrual Lancar Y.
4.2.3.1 Uji Simultan Uji F
H
5
akan diuji menggunakan uji F. Uji ini dilakukan untuk melihat pengaruh Usia X1, Gender X2, Tingkat Pendidikan X3 dan Jumlah
Pertemuan X4 terhadap Accrual Lancar Y. Berdasarkan pengolahaan data dengan menggunakan SPSS versi 21, maka diperoleh hasil seperti tabel 4.6
berikut.
Tabel 4.6 Hasil Uji F
Sumber : Output SPSS, diolah oleh peneliti 2015 Hasil uji ANOVA pada tabel 4.6 menunjukkan bahwa F
hitung
sebesar 3.906 dengan tingkat signifikansi 0.008, sedangkan F
tabel
sebesar 3.160 dengan signifikansi 0.05. Hasil ini menunjukkan bahwa t
hitung
t
tabel
3.906 3.160 dan signifikansi penelitian lebih kecil dari 0.05 0.008 0.05. Maka dapat
disimpulkan bahwa H
5
diterima, artinya terdapat pengaruh yang signifikan antara
ANOVA
a
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
51.932 4
12.983 3.906
.008
b
Residual 166.188
50 3.324
Total 218.120
54 a. Dependent Variable: Accrual_Lancar
b. Predictors: Constant, Jumlah_Pertemuan, Gender, Usia, Tingkat_Pendidikan
UNIVERSITAS SUMATERA UTARA
Usia X1, Gender X2, Tingkat Pendidikan X3 dan Jumlah Pertemuan X4 terhadap Accrual Lancar Y.
4.3 Pembahasan Hasil Penelitian