BAB IV ANALISIS HASIL PENELITIAN
4.1 Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis deskriptif dengan menggunakan metode persamaan regresi berganda yang
bertujuan untuk mengetahui hubungan dan pengaruh dari beberapa variabel bebas atau independen terhadap variabel tidak bebas atau dependen. Analisis data dimulai
dengan mengelola data menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian hipotesis dilakukan dengan menggunakan
regresi berganda. Pengujian asumsi klasik dan pengujian hipotesis regresi berganda dilakukan dengan menggunakan software SPSS versi 17. Prosedur dimulai dengan
memasukan semua variabel independen dan variabel dependen ke program SPSS versi 17 tersebut dan menghasilkan output-output sesuai metode analisis data yang
telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, ada 20 perusahaan manufaktur yang terdaftar di BEI yang memenuhi kriteria untuk dijadikan sampel.
Perusahaan-perusahaan yang menjadi sempel tersebut dapat dilihat dari table berikut :
Universitas Sumatera Utara
Tabel 4.1 Sampel Perusahaan Manufaktur
NO Nama Perusahaan
Kode
1. PT. Alam Karya Unggul Tbk. AKKU
2. PT. Surabaya Agung Industri Pulp
Kertas Tbk. SAIP
3. PT.Sekawan Intipratama
Tbk. SIAP
4. PT.Sierad Produce
Tbk SIPD
5. PT.Sumalindo Lestari
Jaya Tbk
SULI 6. PT.Pabrik Kertas Tjiwi Kimia Tbk
TKIM 7. PT.Pelangi Indah Canindo
PICO 8. PT.Kalbe
Farma Tbk
KLBF 9. PT.Kedawung
Setia Industrial
Tbk KDSI
10. PT.Sumber Energi
Andalan Tbk
ITMA 11. PT.Indospring
Tbk INDS
12. PT.HM Sampoerna
Tbk HMSP
13. PT.Goodyear Indonesia
Tbk GDYR
14. PT.Astra Internasional
Tbk ASTRA
15. PT.Indal Aluminium
Industry Tbk
INAI 16. PT.Jembo
Cable Company
Tbk JECC
17. PT.Roda Vivatex
Tbk RDTX
18. PT.Mandom Indonesia
Tbk TCID
19. PT United
Tractors Tbk
UNTR 20. PT.Gajah
Tunggal Tbk
GJTL
Universitas Sumatera Utara
4.2 Analisis Data
Dalam penelitian ini, metode analisis data yang dilakukan adalah analisis statistik dan menggunakan software SPSS versi 18. Dalam penggunaan metode
analisis regresi dalam pengujian hipotesis, terlebih dahulu diuji apakah model tersebut memenuhi asumsi klasik atau tidak.
4.2.1 Metode Analisis Deskriptif
Metode analisis deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standard deviasi
dari variabel-variabel independen dan variabel dependen. Berikut merupakan data statistik secara umum dari seluruh data yang digunakan :
Tabel 4.2 Hasil Uji Deskriptif
Descriptive Statistics
N Minimum
Maximum Sum
Mean Std. Deviation
ROA 80
-,12 1,48
11,13 ,1391
,26975 CA TA
80 ,15
,90 47,43
,5929 ,18170
CL TA 80
,03 ,71
25,95 ,3244
,18356 Valid N
listwise 80
Dari tabel 4.2 diatas dapat dijelaskan beberapa hal dengan rincian sebagai berikut:
1. Nilai rata-rata dari return on asset adalah 0,139 dengan standard
deviasi 0,269 dan jumlah data yang ada adalah 80. Nilai tertinggi
Universitas Sumatera Utara
return on asset adalah 1,48 dan nilai terendah return on asset adalah -
0,12. 2.
Nilai rata-rata dari aggressive investing variable adalah 0,592 dengan standard deviasi 0,181 dan jumlah data yang ada adalah 80. Nilai
tertinggi aggressive investing variable adalah 0,90 dan nilai terendah aggressive investing variable
adalah 0,15. 3.
Nilai rata-rata dari aggressive financing variable adalah 0,324 dengan standard deviasi 0,183 dan jumlah data yang ada adalah 80. Nilai
tertinggi aggressive financing variable adalah 0,71 dan nilai terendah aggressive financing variable
adalah 0,03.
4.2.2 Analisis Uji Klasik a.
Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis :
Ho : Data residual berdistribusi normal, Ha : Data residual tidak berditribusi normal.
Apabila nilai signifikansinya lebih besar dari 0,05 maka Ho diterima, sedangkan nilai signifikansinya lebih kecil dari 0,05 maka Ho ditolak atau Ha
diterima.
Universitas Sumatera Utara
Tabel 4.3 Hasil Uji Normalitas Sebelum Data Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 80
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,26922184
Most Extreme Differences Absolute
,327 Positive
,327 Negative
-,236 Kolmogorov-Smirnov Z
2,925 Asymp. Sig. 2-tailed
,000 a. Test distribution is Normal.
b. Calculated from data.
Dari hasil pengolahan data pada table 4.3 diperoleh besarnya nilai Kolmogorov-Smirnov
K-S adalah 2,925 dan signifikan pada 0,000. Nilai signifikansi lebih kecil dari 0,05 0,000 0,05 maka Ha diterima yang berarti
nilai residual tidak berdistribusi normal. Data yang tidak berdistribusi normal dapat disebabkan karena adanya data yang outlier, yaitu data yang memiliki
nilai yang menyimpang dari data lainnya. Beberapa cara untuk mengatasi data outlier
yaitu : 1.
lakukan transformasi data dalam bentuk lainnya, 2.
lakukan trimming, yaitu membuang data outlier,
Universitas Sumatera Utara
3. lakukan winsorizing, yaitu mengubah data yang outlier ke suatu nilai
tertentu. Untuk mengubah nilai residual agar berdistribusi normal, penulis
melakukan transformasi data ke model logaritma10 Log10 dari persamaan Manajemen Modal Kerja = fCATA, CL TA menjadi Log10_Manajemen
Modal Kerja = fLog10_CATA, CLTA dan Kinerja Perusahaan = fROA menjadi Log10_Kinerja Perusahaan = fLog10_ROA. Setelah dilakukan
transformasi ke logaritma10, jumlah sampel n berkurang sebagai proses penormalan data, yakni dari 80 menjadi 75 sampel. Setelah data menjadi
normal, kemudian data diuji ulang berdasarkan asumsi normalitas, berikut ini hasil pengujian dengan Kolmogorov-Smirnov.
Tabel 4.4 Hasil Uji Normalitas Setelah Data Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 75
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,53976181
Most Extreme Differences Absolute
,103 Positive
,091 Negative
-,103 Kolmogorov-Smirnov Z
,890 Asymp. Sig. 2-tailed
,406 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 75
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,53976181
Most Extreme Differences Absolute
,103 Positive
,091 Negative
-,103 Kolmogorov-Smirnov Z
,890 Asymp. Sig. 2-tailed
,406 a. Test distribution is Normal.
Dari hasil pengolahan data pada tabel 4.4 diperoleh besarnya Kolmogorov-Smirnov
adalah 0,890 dan signifikan pada 0,406. Nilai signifikansi lebih besar dari 0,05 0,406 0,05 maka Ho diterima yang berarti data residual
berdistribusi normal. Data yang berdistribusi normal tersebut juga dapat dilihat melalui grafik histrogram dan grafik normal plot data.
Universitas Sumatera Utara
Gambar 4.1 Histogram
Grafik histogram pada gambar 4.1 menunjukan pola distribusi normal karena grafik tidak melenceng kiri atau melenceng kanan. Dengan demikian
dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot.
Universitas Sumatera Utara
Gambar 4.2 Grafik Normal P-Plot
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, bahwa dapat disimpulkan model
regresi memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji apakah ada atau tidak korelasi antara variabel independen. Analisis regresi yang baik seharusnya tidak
ada korelasi antara variabel independen. Pengujian multikolinearitas dapat dilihat dari nilai variance inflance faktor VIF. Apabila nilai VIF 10 dan
Universitas Sumatera Utara
mendekati 1, dapat disimpulkan bahwa asumsi adanya multikolinearitas ditolak. Hasil analisis multikolinearitas selengkapnya dapat dilihat pada tabel berikut
ini.
Tabel 4.5 Hasil Uji Multikolinearitas