BAB IV HASIL PENELITIAN DAN PEMBAHASAN
IV.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, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda.
Pengujian asumsi klasik dan pengujian regresi berganda dilakukan dengan menggunakan software SPSS versi 16.0 for Windows. Prosedur dimulai dengan
memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan.
Berdasarkan metode pemilihan sampel yang digunakan, didapat 30 perusahaan yang dijadikan sampel dalam penelitian ini dan diamati selama periode 2008-
2010.
IV.2 Analisis Hasil Penelitian IV.2.1 Analisis Statistik Deskriptif
Informasi yang dibutuhkan dalam penelitian ini merupakan data sekunder yang diperoleh dari
www.idx.co.id berupa data keuangan sampel perusahaan dari
tahun 2008 sampai tahun 2010 yang dijabarkan dalam bentuk statistik. Variabel dari penelitian ini terdiri dari ukuran perusahaan, modal kerja, arus kas sebagai
Universitas Sumatera Utara
variabel bebas independent variable dan likuiditas sebagai variabel terikat dependent variable.
IV.2.2 Uji Asumsi Klasik
Ada beberapa syarat asumsi klasik yang harus dipenuhi agar model persamaan regresi berganda dapat digunakan dalam menganalisis faktor-faktor
yang mempengaruhi likuiditas, antara lain uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi.
IV.2.2.1 Uji Normalitas
Tujuan uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Pengujian normalitas data dalam
penelitian ini menggunakan uji statistik non parametrik one-sample kolmogrov smirnov, tingkat signifikan 5 dengan membuat hipotesis:
H : data residual berdistribusi normal
H
1
: data residua l tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka H
diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H
ditolak.
Universitas Sumatera Utara
Hasil Uji Normalitas Sebelum Data di Trimming Grafik Normal P-Plot sebelum data di-
trimming
Gambar 4.1
Hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, kelihatan titik-titik menyebar di sekitar garis diagonal serta mendekati garis
diagonal sehingga disimpulkan bahwa data dalam model regresi terlihat terdistribusi secara normal. Dari hasil uji normalitas dengan grafik histogram, dan
grafik normal plot, menunjukkan data tidak terdistribusi secara normal.
Universitas Sumatera Utara
Histogram sebelum data di- trimming
Gambar 4.2
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa
distribusi data tidak normal karena grafik histogram menunjukkan distribusi data tidak mengikuti garis diagonal yaitu menceng ke kiri positive skewness. Ada
beberapa cara mengubah model regresi menjadi normal menurut Erlina 2007: 106, yaitu :
1 Lakukan transformasi data ke bentuk lainnya. 2 Lakukan trimming, yaitu membuang data outlier.
Universitas Sumatera Utara
3 Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu.
Untuk mengubah nilai residual agar terdistribusi normal, penulis melakukan trimming data. Kemudian data diuji ulang berdasarkan asumsi
normalitas. Berikut ini hasil pengujian Kolmogorov-Smirnov K-S: 1 Analisis Grafik
Uji normalitas yang digunakan dalam analisis grafik ini adalah dengan melihat grafik histogram dan normal probability plot sebagai berikut
Uji Normalitas Setelah Data Di- trimming
Histogram Dependent Variable Likuiditas
Gambar 4.3 Histogram setelah data di-
trimming
Universitas Sumatera Utara
Gambar 4.3 menunjukkan bahwa grafik histogram memberikan pola distribusi yang tidak menceng ke kiri atau menceng ke kanan. Hal ini berarti data
residual mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis statistik selain dengan analisis grafik histogram melalui grafik
normal p-p plot regression standardized residual seperti yang disajikan pada Gambar 4.4
Gambar 4.4 Grafik Normal P-Plot setelah data di-
trimming
Gambar 4.4 menunjukkan bahwa titik-titik pada scatter plot mengikut i data di sepanjang garis diagonal. Hal ini menunjukkan bahwa data residual
mempunyai distribusi normal. Uji normalitas dapat juga dilakukan dengan analisis
Universitas Sumatera Utara
statistik. Analisis statistik memberikan hasil yang lebih akurat dibandingkan dengan analisis grafik.
2 Analisis Statistik Uji normalitas yang digunakan dalam analisis statistik ini adalah uji
statistik non-parametrik One-Sample Kolmogrov Smirnov. Tabel 4.1 ditampilkan sebagai berikut:
Tabel 4.1 Hasil Uji Normalitas Setelah Data Di-
trimming
Tabel 4.1 memperlihatkan bahwa nilai Asymp.Sig 2-tailed
Unstandardized Residual bernilai 0, 118 yang lebih besar dibandingkan dengan taraf nyata
α yaitu 0,05. Hal ini berarti model regresi variabel dependen dan independen mempunyai distribusi normal.
IV.2.2.2 Uji Multikolineritas
Dalam penelitian ini, untuk mendeteksi data ada tidaknya gejala multikolinieritas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 377
Normal Parameters
a
Mean .0000000
Std. Deviation .63875859
Most Extreme Differences Absolute
.061 Positive
.061 Negative
-.034 Kolmogorov-Smirnov Z
1.190 Asymp. Sig. 2-tailed
.118 a. Test distribution is Normal.
b Calculated from data.
Universitas Sumatera Utara
adalah dengan melihat besaran korelasi antar variable independen dan besarnya tingkat kolinieritas yang masih dapat ditolerir, yaitu : Tolerance 0,10 dan
Variance Inflation Factor VIF 10. Berikut disajikan tabel hasil pengujian:
Tabel 4.2 Hasil Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
1.299 .036
35.949 .000
Total aktiva
7.682E-15 .000
.125 1.355 .176
.313 3.192
Perputaran Modal
Kerja -8.998E-6
.000 -.021
-.413 .680
1.000 1.000
Arus Kas Operasi
-3.867E-14 .000
-.158 -1.717 .087
.313 3.192
a. Dependent Variable: Likuiditas
Coefficient Correlations
a
Model Arus Kas
Operasi Perputaran
Modal Kerja Total aktiva
1 Correlations
Arus Kas Operasi 1.000
-.007 -.829
Perputaran Modal Kerja -.007
1.000 .016
Total aktiva -.829
.016 1.000
Covariances Arus Kas Operasi
5.074E-28 -3.212E-21 -1.059E-28
Perputaran Modal Kerja -3.212E-21
4.750E-10 1.926E-21
Total aktiva -1.059E-28
1.926E-21 3.217E-29
a.Dependent Variable: Likuiditas
Melihat hasil besaran korelasi antarvariabel tampak bahwa diantara variabel independen yang diuji, variabel total aktiva mempunyai korelasi paling
Universitas Sumatera Utara
tinggi yaitu sebesar -0,829 atau sekitar 82,9. Namun hal ini tidak menunjukkan gejala korelasi yang tinggi umumnya di atas 0,95, maka hal ini merupakan
indikasi tidak adanya multikoliniearitas. Hasil Perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance lebih dari 0,10 yaitu
0,313; 1; dan 0,313 yang berarti tidak terjadi korelasi antar variabel. Hasil perhitungan VIF juga menunjukkan hal yang sama dimana variabel independen
memiliki nilai VIF kurang dari 10 yaitu 3,192; 1; dan 3,192. Berdasarkan tabel di atas dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel
independen pada model ini.
IV.2.2.3 Uji Heterokedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya heterokedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan
menggunakan program SPSS. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah
terjadi heterokedastisitas atau terjadi homokedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.5
Universitas Sumatera Utara
Dari grafik scatterplot terlihat bahwa titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit , maka
mengindikasikan telah terjadi heterokedatisitas. Tindakan perbaikan yang dilakukan dalam penelitian ini menggunakan
salah satu dari beberapa cara yang telah dikemukakan pada bab sebelumnya, yaitu dengan menggunakan transformasi seluruh variabel penelitian ke dalam fungsi
logaritma natural LN. Sehingga data total aktiva, perputaran modal kerja dan arus kas operasi menjadi LN total aktiva LNX
1
, LN perputaran modal kerja LNX
2
dan LN arus kas operasi LNX
3
. Kemudian data diuji ulang berdasarkan asumsi normalitas.
Gambar 4.6
Dari gambar 4.6 scatterplot di atas, terlihat bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y. Hal ini mengindikasikan
Universitas Sumatera Utara
tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi variabel dependen likuiditas berdasarkan masukan
variabel independen, total aktiva, perputaran modal kerja dan arus kas operasi.
IV.2.2.4 Uji Autokorelasi
Hasil dari uji autokorelasi dapat dilihat pada tabel berikut ini :
Tabel 4.3 Uji Autokorelasi
Durbin-Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .612
a
.375 .365
.22630 2.077
a. Predictors: Constant, LN_X3, LN_X2, LN_X1 b. Dependent Variable: LN_Y
Berdasarkan tabel 4.3 di atas, diketahui bahwa nilai dw sebesar 2,077. Angka ini terletak diantara -2 sampai +2, dengan demikian dapat disimpulkan bahwa
tidak terdapat autokorelasi positif maupun autokorelasi negatif pada model regresi penelitian ini.
IV.2.3 Analisis Regresi
Dari hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best
Linear Unbiased Estimator BLUE dan layak dilakukan analisis regresi. Pengujian hipotesis menggunakan analisis regresi berganda. Berdasarkan hasil
pengolahan data dengan program SPSS 16.0 maka diperoleh hasil sebagai berikut:
Universitas Sumatera Utara
IV.2.3.1 Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen melalui pengaruh total aktiva X
1
, perputaran modal kerja X
2
, arus kas operasi X
3
terhadap likuiditas Y. Hasil regresi dilihat pada tabel 4.6 berikut:
Tabel 4.4 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.893 .295
3.027 .003 LN_X1
-.005 .017
-.029 -.302 .763
.359 2.782 LN_X2
-.171 .016
-.615 -10.519 .000 .974 1.027
LN_X3 .002
.012 .018
.187 .852 .361 2.767
a. Dependent Variable: LN_Y
Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai berikut: LNY = 0,893 - 0,005 LNX
1
- 0,171 LNX
2
+ 0,002 LNX
3
+ e Dimana:
LNY = Logaritma Natural Likuiditas
LNX
1
= Logaritma Natural Total Aktiva LNX
2
= Logaritma Natural Perputaran Modal Kerja LNX
3
= Logaritma Natural Arus Kas Operasi Keterangan:
Universitas Sumatera Utara
1. Konstanta sebesar 0,893 menyatakan bahwa jika variabel independen dianggap konstan, maka LN Likuiditas sebesar 0,893.
2. LN Total Aktiva memiliki koefisien regresi bertanda negatif sebesar 0,005, artinya apabila terjadi perubahan variabel LN Total Aktiva sebesar 1 akan
menurunkan LN Likuiditas sebesar 0,005 atau 0,5 interprestasi elastisitas karena model logaritma.
3. LN Perputaran Modal Kerja memiliki koefisien regresi bertanda negatif sebesar 0,171, artinya apabila terjadi perubahan variabel LN Perputaran Modal Kerja
sebesar 1 akan menurunkan LN Likuiditas sebesar 0,171 atau 17,1 . 4. LN Arus Kas Operasi memiliki koefisien regresi bertanda positif sebesar 0,002,
artinya apabila terjadi perubahan variabel LN Arus Kas Operasi sebesar 1 akan menaikkan LN Likuiditas sebesar 0,002 atau 0,2.
IV.2.3.2 Analisis Koefisien Korelasi dan Koefisien Adjusted 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 berada diatas 0,5 dan mendekati Koefisien determinasi R square menunjukkan seberapa besar variabel
independen menjelaskan variabel dependennya. 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 menjelaskan variasi
Universitas Sumatera Utara
variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen
meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.5 Hasil Analisis Koefisien Korelasi dan Koefisien Adjusted Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .612
a
.375 .365
.22630 2.077
a. Predictors: Constant, LN_X3, LN_X2, LN_X1 b. Dependent Variable: LN_Y
Pada model summary di atas, angka R sebesar 0,612 menunjukkan bahwa korelasi atau hubungan antara LN Likuiditas LNY dengan LN Total Aktiva
LNX
1
, LN Perputaran Modal Kerja LNX
2
dan LN Arus Kas Operasi LNX
3
, erat karena 0,5 50. Angka R square atau koefisien determinasi adalah 0,375.
Angka ini mengindikasikan bahwa 37,5 variasi atau perubahan dalam LN Likuiditas tidak dapat dijelaskan oleh variasi variabel LN total aktiva, LN
perputaran modal kerja dan LN arus kas operasi. Sedangkan sisanya dijelaskan oleh sebab-sebab lain yang tidak dimasukkan dalam model penelitian. Standar
Error of Estimate SEE adalah 0,22630 dimana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
Universitas Sumatera Utara
IV.2.3.3 Pengujian Hipotesis
Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan
menggunakan uji F F test dan uji t t test.
1.Uji signifikan simultan F- test
Untuk melihat pengaruh total aktiva, perputaran modal kerja, arus kas operasi terhadap likuiditas secara simultan dapat dihitung dengan menggunakan F
test. Berdasarkan hasil pengolahan data dengan program SPSS versi 16.0 for Windows, maka diperoleh hasil sebagai berikut:
Tabel 4.6 Uji Statistik F
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
5.772 3
1.924 37.569
.000
a
Residual 9.627
188 .051
Total 15.399
191 a. Predictors: Constant, LN_X3, LN_X2, LN_X1
b. Dependent Variable: LN_Y
Berdasarkan hasil uji F F test diperoleh F hitung adalah 37,569 dengan tingkat signifikansi 0.000 yang lebih kecil dari 0.05, sedangkan F tabel sebesar
2,652646 dengan tingkat signifikansi 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa total aktiva, perputaran modal kerja dan arus kas operasi
berpengaruh secara simultan dan signifikan terhadap likuiditas karena F hitung F tabel 37,569 2,652646 dan signifikansi penelitian 0,05 0,0000,05.
Universitas Sumatera Utara
2.Uji signifikan parsial t test
Uji t-test digunakan untuk menguji pengaruh variabel independen secara parsial terhadap variabel dependen. Berdasarkan hasil pengolahan SPSS versi
16.0 for Windows diperoleh hasil sebagai berikut:
Tabel 4.7 Hasil Uji t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1
Constant .893
.295 3.027
.003 LN_X1
-.005 .017
-.029 -.302
.763 .359 2.782
LN_X2 -.171
.016 -.615 -10.519
.000 .974 1.027
LN_X3 .002
.012 .018
.187 .852
.361 2.767 a. Dependent Variable: LN_Y
Dari tabel 4.7 di atas, dapat diambil suatu kesimpulan, yaitu : 1 besarnya t
hitung
untuk variabel Total Aktiva LNX
1
sebesar -0,302 dengan nilai signifikan 0.763. Hasil uji statistik tersebut dapat menyimpulkan
t
hitung
adalah -0,302, sedangkan t
tabel
adalah 1,972663, sehingga t
tabel
t
hitung
1,972663-0,302, maka dapat disimpulkan total aktiva secara parsial tidak berpengaruh terhadap likuiditas. Signifikansi penelitian 0,05
0,7630,05, maka Ho diterima dan Ha ditolak, artinya total aktiva tidak berpengaruh signifikan terhadap likuiditas,
2 besarnya t
hitung
untuk variabel Perputaran Modal Kerja LNX
2
sebesar
Universitas Sumatera Utara
-10,519 dengan nilai signifikan 0,000. Hasil uji statistik tersebut dapat menyimpulkan t
hitung
adalah -10,519 sedangkan t
tabel
adalah 1,972663, sehingga t
tabel
t
hitung
1,972663-10,519, maka dapat disimpulkan perputaran modal kerja secara parsial tidak berpengaruh terhadap
likuiditas. Signifikansi penelitian 0,05 0,0000,05, maka Ho ditolak dan Ha diterima, artinya perputaran modal kerja tidak berpengaruh
terhadap likuiditas,
3 besarnya t
hitung
untuk variabel Arus Kas Operasi LNX
3
sebesar 0,187 dengan nilai signifikan 0,852. Hasil uji statistik tersebut dapat
menyimpulkan t
hitung
adalah 0,852 sedangkan t
tabel
adalah 1,972663, sehingga t
tabel
t
hitung
1,972663 0,187, maka dapat disimpulkan arus kas operasi secara parsial tidak berpengaruh terhadap likuiditas.
Signifikansi penelitian 0,05 0,8520,05, maka Ho diterima dan Ha ditolak, artinya arus kas operasi tidak berpengaruh signifikan terhadap
likuiditas.
IV.3 Pembahasan Hasil Penelitian
Nilai Adjusted R Square sebesar 0,365. Hal ini berarti bahwa 36,5. Hal ini menunjukkan bahwa variabel independen total aktiva, perputaran modal kerja,
arus kas operasi mampu menjelaskan sebanyak 36,5 variasi atau perubahan dari variabel dependen yaitu likuiditas. Sedangkan sisanya sebesar 63,5 dijelaskan
oleh variasi atau faktor lain yang tidak dimasukkan ke dalam model penelitian. Hasil penelitian ini memperlihatkan bahwa total aktiva, arus kas operasi tidak
Universitas Sumatera Utara
mempunyai pengaruh signifikan terhadap likuiditas secara parsial. Sedangkan perputaran modal kerja tidak berpengaruh terhadap likuiditas secara parsial.
Berdasarkan penelitian ini, total aktiva tidak berpengaruh signifikan terhadap likuiditas secara parsial, sedangkan hasil penelitian Aldiyanti 2006
menyatakan bahwa secara parsial total aktiva berpengaruh signifikan terhadap likuiditas. Hal ini mungkin dikarenakan berbedanya periode dan berbedanya
sektor industri yang digunakan dalam penelitian. Penelitian Aldiyanti 2006 menggunakan industri manufaktur sebagai sampel penelitian sedangkan penelitian
ini menggunakan seluruh industri perusahaan, kecuali bank dan asuransi. Sektor industri mempunyai karakteristik yang berbeda antara yang satu dan yang lain.
Berdasarkan hasil penelitian ini juga diketahui bahwa arus kas operasi tidak berpengaruh signifikan terhadap likuiditas secara parsial, sedangkan hasil
penelitian Kim 1998 dalam penelitian Aldiyanti 2006 menyatakan bahwa arus kas berpengaruh negatif dan signifikan,mungkin dikarenakan berbedanya periode,
sektor industri dan tempat penelitian. Kim menggunakan sektor manufaktur di AS sebagai sampel penelitian, sedangkan peneliti menggunakan seluruh industri
perusahaan yang ada di Indonesia, kecuali bank dan asuransi. Hasil penelitian ini mendukung hasil penelitian terdahulu yang dilakukan oleh Farhan 2005
bahwa perputaran modal kerja tidak berpengaruh signifikan terhadap likuiditas. Berdasarkan hasil penelitian ini, variabel total aktiva memiliki koefisien
regresi bertanda negatif sebesar 0,005, artinya apabila terjadi penurunan variabel total aktiva sebesar 1 akan menaikkan likuiditas sebesar 0,005 atau 0,5.
Variabel perputaran modal kerja memiliki koefisien regresi bertanda negatif
Universitas Sumatera Utara
sebesar 0,171, artinya apabila terjadi penurunan variabel perputaran modal kerja sebesar 1 akan menaikkan likuiditas sebesar 0,171 atau 17,1. Variabel arus
kas operasi memiliki koefisien bertanda positif sebesar 0,002, artinya apabila terjadi kenaikan variabel arus kas operasi sebesar 1 akan menaikkan likuiditas
sebesar 0,002 atau 0,2.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
V.1 Kesimpulan
Berdasarkan hasil analisis data dan pembahasan yang telah dikemukakan dalam bab sebelumnya maka diperoleh kesimpulan sebagai berikut:
1. H
1
ditolak. Artinya, variabel total aktiva tidak mempunyai pengaruh yang signifikan terhadap likuiditas. Hal ini juga dibuktikan dengan nilai t
hitung
t
tabel
-0,3021,972663 dan Sig. F 0,05 0,7630,05. Hasil penelitian ini bertentangan dengan penelitian yang dilakukan oleh Aldiyanti 2006
yang menyatakan bahwa variabel total aktiva berpengaruh secara signifikan terhadap likuiditas. Koefisien regresi total aktiva bertanda
negatif terhadap likuiditas. Tanda negatif menunjukkan hubungan yang berlawanan. Hasil ini berarti penurunan total aktiva mengakibatkan
naiknya likuiditas. 2. H
2
ditolak. Artinya, variabel perputaran modal kerja tidak mempunyai pengaruh terhadap likuiditas. Hal ini dibuktikan dengan nilai t
hitung
t
tabel
-10,519 1,972663 dan Sig. F 0,05 0,0000,05. Hasil ini sesuai dengan penelitian Farhan 2005 menyatakan bahwa variabel perputaran
modal kerja tidak berpengaruh secara signifikan terhadap likuiditas. Koefisien regresi perputaran modal kerja terhadap likuiditas memiliki
tanda negatif yang menunjukkan hubungan yang berlawanan. Dalam hal
Universitas Sumatera Utara
Kategori