1. Perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada periode tahun 2003 – 2007.
2. Perusahaan manufaktur yang menerbitkan laporan keuangannya secara semesteran dan berkelanjutan, mulai periode laporan keuangan per 30 Juni
2003 hingga 31 Desember 2007. 3. Laporan keuangan perusahaan tidak menunjukkan adanya saldo modal
kerja bersih serta total aktiva yang bernilai negatif dan atau mengalami kerugian selama tahun 2003 – 2007.
4. Laporan keuangan telah diaudit oleh Auditor Independent dan telah dipublikasikan di Pusat Referensi Pasar Modal di Bursa Efek Indonesia.
C. Metode Pengumpulan Data
Data yang dibutuhkan dalam penelitian ini adalah data sekunder, yaitu berupa laporan keuangan semesteran pada perusahaan manufaktur yang
terdaftar di Bursa Efek Indonesia selama tahun 2003 – 2007.
Metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan menggunakan data sekunder atau studi kepustakaan dengan cara:
1. Field Research Untuk memperoleh data, penulis mengadakan penelitian langsung ke
Bursa Efek Indonesia untuk memperoleh data-data yang diperlukan melalui pusat layanan informasi pada pusat referensi pasar modal.
2. Library Research
Penelitian ini dimaksudkan untuk mendapatkan literatur teori-teori yang berkaitan dengan masalah yang diteliti sebagai data penunjang.
Sumber-sumber ini digunakan sebagai tinjauan pustaka untuk menganalisis dan membahas permasalahan penelitian ini.
D. Metode Analisis Data
1. Uji Asumsi Klasik Pengujian yang dilakukan dalam uji asumsi klasik adalah sebagai berikut:
a. Normalitas Normalitas bertujuan untuk menguji apakah dalam sebuah model
regresi, variabel independen, variabel dependen, atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik
adalah distribusi data normal atau mendekati normal. Deteksi normalitas dengan melihat penyebaran data titik pada sumbu
diagonal dari grafik. Dasar pengambilan keputusan, yaitu jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal,
maka model regresi mengikuti asumsi normalitas, sedangkan jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis
diagonal maka model regresi tidak mengikuti asumsi normalitas Santoso, 2002 .
b. Multikolinieritas Multikolinieritas bertujuan untuk menguji apakah pada model
regresi ditemukan adanya korelasi antar variabel independen. Jika
terjadi maka dinamakan terdapat problem Multikolinieritas Santoso, 2002:203. Model regresi yang baik seharusnya tidak terjadi korelasi
diantara variabel independen. Untuk mendeteksi adanya problem multikolinieritas ini salah satunya dilakukan dengan melihat nilai
Tolerance TOL dan Variance Inflation Factor VIF. Di mana model
regresi yang bebas multikolinieritas adalah mempunyaii nilai VIF di sekitar angka 1 dan mempunyai angka TOL mendekati 1 Santoso,
2002 c. Heteroskedastisitas
Heteroskedastisitas bertujuan untuk menguji apakah dalam sebuah model regresi terjadi varians dari residual dari suatu pengamatan ke
pengamatan yang lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut heteroskedastisitas. Model
regresi yang baik tidak terjadi heteroskedastisitas. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan
melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan
residualnya SRESID.
Deteksi ada
tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED di mana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual
Y prediksi – Y sesungguhnya yang telah di-studentized Ghozali, 2001:69. Dasar pengambilan keputusan yaitu jika ada pola tertentu,
seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur
bergelombang, melebar kemudian menyempit, maka terjadi heteroskedastisitas. Sebaliknya jika tidak ada pola yang jelas, serta
titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Santoso, 2002.
d. Autokorelasi Autokorelasi bertujuan untuk menguji apakah sebuah regresi linier
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Jika terjadi korelasi, maka dinamakan ada
problem autokorelasi. Tentu saja model regresi yang baik adalah yang bebas dari problem autokorelasi. Deteksi adanya autokorelasi dengan
menggunakan Durbin-Watson, di mana angka D-W di bawah -2 berarti ada autokorelasi positif, angka D-W di antara -2 sampai +2 tidak ada
autokorelasi, dan angka D-W di atas +2 berarti ada autokorelasi negatif Santoso, 2002:219.
2. Metode Analisis Data Analisis data dilakukan secara kuantitatif dengan menggunakan
statistik analisis regresi berganda untuk melakukan analisis terhadap variabel independen yaitu pengelolaan modal kerja, profit margin,
operating assets turnover, dan ukuran perusahaan terhadap variabel
dependen yaitu tingkat rentabilitas, maka digunakan persamaan regresi berganda seperti di bawah ini:
Dimana: Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ ε
Y = Rentabilitas a = Konstanta
X
1
= Perputaran Modal Kerja X
2
= Profit Margin X
3
= Operating Assets Turnover X
4
= Ukuran Perusahaan bi
= Parameter yang mencerminkan koefisien regresi variabel ke i ε
= Error
3. Pengujian Hipotesis Penelitian a. Uji Statistik F
Uji Statistik F dilakukan untuk mengetahui hubungan variabel- variabel independen secara bersama-sama simultan terhadap variabel
dependen. Untuk mengetahui apakah variabel-variabel independent secara bersama-sama mempengaruhi variabel dependen, maka
digunakan tingkat signifikansi sebesar 0,05. jika nilai probability F lebih besar dari 0,05 maka model regresi tidak dapat digunakan untuk
memprediksi variabel dependen atau dengan kata lain variabel independen secara bersama-sama berpengaruh terhadap variabel
dependen. Sebaliknya jika nilai probability F lebih kecil dari 0,05 maka model regresi tidak dapat digunakan untuk memprediksi variabel
dependen atau dengan kata lain variabel independen secara bersama- sama tidak berpengaruh terhadap variabel dependen Ghozali, 2001.
b. Uji Statistik t Uji Statistik t digunakan untuk mengetahui hubungan masing-
masing variabel independen secara individual terhadap variabel dependen. Untuk mengetahui ada atau tidaknya pengaruh masing-
masing variabel independen secara individual terhadap variabel dependen digunakan tingkat signifikansi 0,05. jika nilai probability t
lebih besar dari 0,05 maka tidak ada pengaruh dari variabel independen terhadap variabel dependen koefisien regresi tidak signifikan,
sedangkan jika nilai probability T lebih kecil dari 0,05 maka terdapat pengaruh dari variabel independen terhadap variabel dependen
koefisien regresi signifikan Santoso, 2002:168. c. Uji Adjusted R
2
Koefisien Determinasi Untuk menentukan seberapa besar variabel independen dapat
menjelaskan variabel dependen, maka perlu diketahui nilai koefisien determinasi Adjusted R-Square. Jika Adjusted R-Square adalah sebesar
1 berarti fluktuasi variabel dependen seluruhnya dapat dijelaskan oleh variabel independen dan tidak ada faktor lain yang menyebabkan
fluktuasi variabel dependen. Nilai Adjusted R-Square berkisar hampir 1, berarti semakin kuat kemampuan variabel independen dapat
menjelaskan variabel dependen. Sebaliknya, jika nilai Adjusted R- Square
semakin mendekati angka 0 berarti semakin lemah kemampuan
variabel independen dapat menjelaskan fluktuasi variabel dependen Ghozali, 2001
E. Definisi Operasional Variabel
