Pengaruh Struktur Modal, Ukuran Perusahaan Dan Pertumbuhan Penjualan Terhadap Profitabilitas Pada Perusahaan Real Estate Dan Property Yang Terdaftar Di Bursa Efek Indonesia Chapter III V
BAB III
METODE PENELITIAN
3.1
Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah jenis
penelitian asosiatif kausal. Menurut Rochaety, dkk(2009:11), “penelitian asosiatif
kausal merupakan penelitian yang bertujuan untuk mengetahui hubungan antara
dua variabel atau lebih”.
3.2
Tempat dan Waktu Penelitian
Penelitian dilakukan melalui media internet dengan menggunakan situs
www.idx.co.id dan waktu penelitian dilakukan penulis mulai dari Januari sampai
dengan Maret 2013.
3.3
Batasan Operasional
Adapun yang menjadi batasan penelitian adalah sebagai berikut:
1.
Data laporan keuangan perusahaan real estate dan property yang terdaftar
di Bursa Efek Indonesia periode 2009-2011,
2.
Variabel dependen yang digunakan untuk mengukur profitabilitas hanya
Return on Asset dan variabel independen yang digunakan hanya Debt to
Equity Ratio, ukuran perusahaan, pertumbuhan penjualan.
3.4
Definisi Operasional
“Definisi operasional adalah petunjuk bagaimana sebuah variabel diukur”
(Hamidi, 2007:142).
Variabel yang digunakan dalam penelitian ini adalah:
1.
Variabel Dependen
Variabel dependen merupakan variabel yang dipengaruhi oleh variabel
bebas. Variabel dependen dalam penelitian ini adalah profitabilitas perusahaan
dari setiap perusahaan yang terpilih menjadi sampel. Profitabilitas merupakan
kemampuan perusahaan untuk menghasilkan laba.
Profitabilitas perusahaan dalam penelitian ini diuji dengan Return on
Asset. Return on Asset merupakan salah satu rasio profitabilitas yang dapat
mengukur kemampuan perusahaan dalam menghasilkan laba dari aktiva yang
digunakan. Return on Asset merupakan perbandingan antara laba bersih setelah
pajak dengan total aktiva yang dimiliki perusahaan.
Return on Asset = Laba bersih setelah pajak
x 100%
Total aktiva
2.
Variabel Independen
Variabel independen atau variabel bebas adalah tipe variabel yang
menjelaskan atau mempengaruhi variabel lain (Sangadji dan Sopiah,2007:136).
Variabel independen yang digunakan dalam penelitian ini adalah struktur modal,
ukuran perusahaan dan pertumbuhan penjualan.
a.
Struktur modal
Ukuran yang dipakai peneliti dalam struktur modal adalah Debt to Equity
Ratio (DER). DER merupakan rasio yang menunjukkan persentase penyediaan
dana oleh pemegang saham kepada pemberi pinjaman.
Debt to Equity Ratio =
Total debt
x 100 %
Total equity
b.
Ukuran Perusahaan
Ukuran perusahaan adalah ukuran besarnya perusahan yang dilihat dari
jumlah aktiva perusahaan . Ukuran perusahaan diukur dengan menggunakan total
aktiva yang di Log Naturalkan.
c.
Pertumbuhan Penjualan
Pertumbuhan penjualan digunakan untuk mengukur tingkat pertumbuhan
penjualan perusahaan apakah menurun atau naik dengan membandingkan
penjualan periode sekarang dengan periode yang lalu.
Pertumbuhan penjualan =
3.5
penjualan� – penjualan�−1
x 100 %
penjualan �−1
Populasi dan Sampel Penelitian
Menurut Sangadji,dkk (2010:185) populasi adalah “wilayah generalisasi
yang terdiri atas subyek atau obyek dengan kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulan.
Populasi bisa berupa manusia, tumbuhan, dokumen, produk, hewan”. Populasi
dalam penelitian ini adalah 43 perusahaan real estate dan property yang terdaftar
di Bursa Efek Indonesia selama periode 2009-2011.
Menurut Kuncoro (2003), “sampel adalah suatu himpunan bagian dari unit
populasi”. Sampel penelitian diperoleh dengan menggunakan metode purposive
sampling yang merupakan metode penetapan sampel berdasarkan kriteria tertentu.
Kriteria dalam penelitian ini sebagai berikut:
1.
Perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia
dan tidak keluar (delisting) pada tahun 2009-2011,
2.
Perusahaan real estate dan property menerbitkan laporan keuangan yang
lengkap terutama laporan laba rugi dan neraca yang telah diaudit periode
2009 sampai 2011,
3.
Perusahaan real estate dan property memiliki pertumbuhan penjualan yang
positif.
Sesuai dengan kriteria diatas, maka jumlah sampel yang digunakan adalah
sebanyak 16 perusahaan dari 43 populasi. Angka tahun amatan yang digunakan
dalam penelitian ini adalah 3 tahun berturut-turut dari tahun 2009-2011.
Proses
pengambilan sampel pada objek penelitian ini dapat dilihat dalam lampiran 1.
Daftar nama perusahaan yang dipilih jadi sampel dapat dilihat pada tabel 3.1
halaman 35.
3.6
Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif.
Menurut Sangadji dan Sopiah (2010:191), “data kuantitatif adalah data yang
berupa angka atau bilangan”. Data ini merupakan data sekunder yang diperoleh
dari laporan keuangan tahunan perusahaan-perusahaan real estate dan property
yang terdaftar di BEI periode 2009 – 2011, melalui situs resmi milik Bursa Efek
Indonesia yaitu www.idx.co.id.
Tabel 3.1
Sampel Perusahaan Real Estate dan Property yang terdaftar di Bursa Efek
Indonesia periode 2009-2011
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
3.7
Kode
BKSL
COWL
CTRP
CTRA
DILD
ELTY
GMTD
INPP
JRPT
KARK
LPCK
LPKR
PJAA
PNSE
PUDP
PWON
Nama Perusahaan
PT. Sentul City Tbk
PT. Cowell Development Tbk
PT. Ciputra Property Tbk
PT. Ciputra Development Tbk
PT. Intiland Development Tbk
PT. Bakrieland Development Tbk
PT. Gowa Makassar Torism Development Tbk
PT. Indonesian Paradise Property T
PT. Jaya Real Property Tbk
PT. Dayaindo Resources International Tbk
PT. Lippo Cikarang Tbk
PT. Lippo Karawaci Tbk
PT. Pembangunan Jaya Ancol Tbk
PT. Pudjiadi dan Sons Tbk
PT. Pudjiadi Prestige Limited Tbk
PT. Pakuwon Jati Tbk
Metode Pengumpulan Data
Pengumpulan data dalam penelitian ini adalah dengan menggunakan studi
dokumentasi, yaitu dengan mempelajari dan menganalisis data sekunder berupa
laporan keuangan perusahaan, catatan-catatan dan informasi lainnya yang terkait
dengan lingkup penelitian ini.
3.8
Metode Analisis Data
Dalam penelitian ini, metode analisis data yang digunakan adalah model
analisis
regresi
berganda
dengan
menggunakan
Software
SPSS
18
(Statistic Product and Service Solution) for Windows. Sebelum melakukan
hipotesis, terlebih dahulu peneliti melakukan uji asumsi klasik. Pengujian uji
asumsi klasik yang dilakukan terdiri dari: uji normalitas, uji multikolinearitas, uji
heterokedastisitas, dan uji autokorelasi.
3.8.1 Uji Asumsi Klasik
1.
Uji Normalitas Data
Uji normalitas data bertujuan untuk mengetahui apakah dalam model
regresi variabel pengganggu atau residual memiliki distribusi normal. Uji ini
dilakukan dengan uji Kolmogorof Smirnov dengan kaidah sebagai berikut
(Priadana dan Saludin, 2009:194):
a.
Jika ρ value (Asymp. Sig) ≤ α (0,05) maka data berdistribusi tidak normal.
b.
Jika ρ value (Asymp. Sig) ≥ α (0,05) maka data berdistribusi normal.
Ada beberapa cara untuk melihat normalitas data yaitu (Lubis, dkk, 2007:26):
a. Nilai Skewness
Nilai skewness digunakan untuk mengetahui bagaimana distribusi
normal data dalam variabel dengan menilai kemiringan kurva. Nilai
skewness yang baik adalah mendekati angka nol.
b. Historgam Display Normal Curve
Normalitas data bila dilihat dengan histogram display normal curve
dapat ditentukan berdasarkan bentuk gambar kurva. Data dikatakan
normal jika bentuk kurva memiliki kemiringan yang cenderung
seimbang, baik pada sisi kiri maupun pada sisi kanan, dan kurva
berbentuk menyerupai lonceng yang hampir sempurna. Semakin
mendekati 0 nilai skewness, gambar kurva cenderung memiliki
kemiringan yang seimbang.
2.
Uji Multikolinearitas
Pada dasarnya multikolinearitas adalah adanya suatu hubungan linear yang
sempurna (mendekati sempurna) antara beberapa atau semua variabel bebas. Cara
mendeteksi ada atau tidaknya multikolinearitas (Priadana dan Saludin, 2009:194):
a.
Apabila korelasi antara dua variabel bebas lebih tinggi dibanding korelasi
salah satau atau kedua variabel bebas tersebut dengan variabel terikat.
b.
Bila
korelasi
antara
dua
variabel
bebas
melebihi
0,8
maka
multikolinearitas menjadi masalah yang serius.
3.
Uji Autokorelasi
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari suatu
observasi ke observasi lainnya. Dengan kata lain, masalah ini sering kali kita
temukan dengan menggunakan data runtut waktu. Hal ini disebabkan karena
gangguan pada seorang individu atau kelompok cenderung mempengaruhi
gangguan pada individu atau kelompok yang sama pada periode berikutnya.
( Priadana dan Saludin, 2009:192).
Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau
tidaknya autokorelasi (Ghozali, 2006:96):
b. Uji Durbin-Watson (DW test)
Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu
(first order autocorrelation) dan mensyaratkan adanya intercept
(kostanta) dalam model regresi dan tidak ada variabel lag diantara
variabel independen.
c. Uji Lagrange Multiplier (LM test)
Uji autokorelasi dengan LM test terutama digunakan untuk sample
besar diatas 100 observasi. Uji ini memang lebih tepat digunakan
dibandingkan uji DW terutama bila sample yang digunakan relatif besar
dan derajat autokorelasi lebih dari satu.
d. Uji Statistics Q : Box-Pierce dan Ljung Box
Uji Box-Pierce dan Ljung Box digunakan untuk melihat autokorelasi
dengan lag lebih dari dua.
4.
Uji Heterokedastisitas
Heterokedastisitas muncul apabila kesalahan atau residual dari model yang
diamati tidak memiliki varians yang konstan dari satu observasi ke observasi
lainnya. Artinya, setiap observasi mempunyai reliabilitas yang berbeda akibat
perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam
spesifikasi model (Priadana dan Saludin, 2009:193).
Menurut Situmorang Syafrizal, dkk (2008:63), “Uji homoskedastisitas
pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians-varians
yang sama diantara anggota grup tersebut.”
3.8.2 Koefisien Determinasi (R2)
Koefisien Determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antara nol dan satu. 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, 2006:83).
3.8.3 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi
berganda. Metode regresi linier berganda dilakukan untuk mengetahui pengaruh
variabel bebas yakni struktur modal, ukuran perusahaan dan pertumbuhan
penjualan terhadap variabel terikat yaitu profitabilitas dengan menggunakan
rumus:
Y = α + �1 �1 +�2 �2 +�3 �3 + e
Keterangan :
Y
= Return On Asset (ROA)
α
= Konstanta
�1 , �2 , �3 = Koefisien regresi
�1
= Debt Equity Ratio (DER)
�2
= Pertumbuhan penjualan
e
= Error (pengganggu)
= Ukuran perusahaan
�3
Setelah persamaan regresi dibentuk, maka dilakukan pengujian hipotesis yang
terdiri dari uji t dan uji F.
1.
Uji Signifikansi Parsial (Uji t)
Menurut Kuncoro (2003:43), “uji t menunjukkan seberapa jauh pengaruh 1
variabel penjelas secara individual dalam menerangkan variasi variabel terikat.”
Menurut Situmorang Syafrizal, dkk (2008:115), “Untuk menguji apakah
hipotesis yang diajukan diterima atau ditolak digunakan statistik t (uji t). Jika
t
hitung
t
tabel,
maka H0 ditolak dan Ha diterima. Jika tingkat signifikansi di bawah 0,05 maka H0
ditolak dan Ha diterima.”
2.
Uji Signifikansi Simultan (Uji F)
Menurut Kuncoro (2003:42), “uji F menunjukkan apakah semua variabel
bebas yang terdapat dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel terikat.”
Menurut Situmorang Syafrizal, dkk (2008:114), “Untuk menguji apakah
hipotesis yang diajukan diterima atau ditolak digunakan statistik F (Uji F). Jika F
hitung
F
tabel,
maka H0 ditolak dan Ha diterima. Jika tingkat signifikansi dibawah 0,05 maka H0
ditolak dan Ha diterima.”
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1.
Deskripsi Objek Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah model
analisis regresi berganda dengan menggunakan Software SPSS 18 (Statistic
Product and Service Solution) for Windows. Objek penelitian dalam skripsi ini
adalah perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia
dalam periode 2009 sampai dengan 2011. Jumlah sampel sebanyak 16 perusahaan
real estate dan property. Dengan menggunakan metode penggabungan data
(pooling), maka diperoleh data penelitian sebanyak 3 x 16 = 48 data observasi.
4.2
Analisis Data
4.2.1 Statistik Deskriptif
Tabel 4.1
Hasil Deskriptif
Descriptive Statistics
N
Range
Min.
Max.
Mean
Std. Deviation
Variance
DER
48
2,07
,04
2,11
,8433
,58940
,347
Ukuran Perusahaan
48
4,97
11,75
16,72
14,4558
1,40996
1,988
Pertumbuhan Penjualan
48
380,34
,46 380,80
43,3781
66,81210
4463,856
ROA
48
18,23
6,5571
4,47032
19,984
Valid N (listwise)
48
,20
18,43
Berdasarkan tabel 4.1 dapat diketahui beberapa hal, yaitu:
a. Jumlah data yang diolah semuanya adalah 48 yang ditunjukkan dari nilai
N. Kolom Range menunjukkan kisaran/range dari masing-masing variabel.
Kolom minimum menunjukkan nilai minimum dari masing-masing
variabel dan kolom maximum menunjukkan nilai maksimum data. Mean
Statistic adalah rata-rata. Std. Deviation menunjukkan simpangan baku
dari masing-masing variabel dan variance menunjukkan varian atau
ragamnya.
b. Debt to Equity Ratio (DER) memiliki nilai range 2,07 dan nilai minimum
sebesar 0,04 sedangkan nilai maksimumnya sebesar 2,11 dengan rata-rata
0,8433. Nilai standar deviasi 0,58940 dan variansnya adalah 0,347.
Berdasarkan nilai maksimumnya 2,11 dapat diketahui bahwa kondisi DER
perusahaan rata-rata kurang bagus karena komposisi hutang yang diteliti
lebih besar dari modal.
c. Ukuran Perusahaan memiliki nilai range 4,97 dan nilai minimum sebesar
11,75 sedangkan nilai maksimumnya sebesar 16,72 dengan rata-rata
14,4558 Nilai standar deviasi 1,40996 dan variansnya adalah 1,988. Ini
menunjukkan bahwa distribusi ukuran perusahaannya bagus yang dapat
diketahui dari sampel perusahaan yang menunjukkan tidak ada perubahan
yang terlalu drastis dari ukuran perusahaan, selain itu dapat diketahui juga
dari nilai rangenya yang lebih besar dari nilai standar deviasi.
d. Pertumbuhan penjualan memiliki nilai range 380,34 dan nilai minimum
sebesar 0,46 sedangkan nilai maksimumnya sebesar 380,80 dengan ratarata 43,3781. Nilai standar deviasi 66,81210 dan variansnya adalah
4463,856. Ini menunjukkan bahwa pertumbuhan penjualan pada
perusahaan yang diteliti bagus karena nilai rangenya lebih besar dari nilai
standar deviasi.
e. ROA memiliki nilai range 18,23 dan nilai minimum sebesar 0,20
sedangkan nilai maksimumnya sebesar 18,43 dengan rata-rata 6,5571.
Nilai standar deviasi 4,47032 dan variansnya adalah 19,984.
4.2.2
Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah
data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan
bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti
distribusi normal, yakni distribusi data tersebut tidak menceng ke kanan atau
menceng ke kiri. Uji t dan uji F mengasumsikan nilai residual mengikuti
distribusi normal. Ada dua cara mendeteksi apakah residual memiliki distribusi
normal atau tidak, yaitu dengan analisis grafik dan uji statistik.
4.2.2.1.1 Analisis Grafik
Gambar 4.1
Histogram
Gambar 4.2
Normal P-P Plot of Regression Standardized Residual
Model regresi dikatakan memenuhi asumsi normalitas apabila data
menyebar di sekitar garis diagonal atau grafik histogramnya. Pada grafik
histogram terlihat bahwa grafik histogram memberikan pola distribusi yang
normal karena bentuk grafik histogramnya tidak menceng ke kanan atau ke kiri.
Pada gambar 4.2 terlihat titik-titik yang mengikui data disepanjang garis diagonal.
Hal ini berarti data berdistribusi normal. Namun seringkali data kelihatan normal
karena mengikuti garis diagonal padahal belum tentu data tersebut berdistribusi
normal. Oleh karena itu, selain peneliti menggunakan uji grafik peneliti juga
menggunakan uji statistik.
Kolmogorov-Smirnov (KS) digunakan untuk memastikan apakah data di
sepanjang garis diagonal berdistribusi normal.
Jika ρ value (Asymp. Sig) ≤ α (0,05) maka data berdistribusi tidak normal
Jika ρ value (Asymp. Sig) ≥ α (0,05) maka data berdistribusi normal.
Tabel 4.2
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N
48
Normal
Mean
a,b
,0000000
Parameters
Std. Deviation
3,91846437
Most Extreme
Absolute
,102
Differences
Positive
,102
Negative
-,082
Kolmogorov-Smirnov Z
,705
Asymp. Sig. (2-tailed)
,704
a. Test distribution is Normal.
b. Calculated from data.
Pada tabel 4.2 terlihat bahwa nilai Asymp. Sig. (2-tailed) adalah 0,704 dan di atas
nilai signifikan 0,05. Ini berarti variabel residual berdistribusi normal.
4.2.2.2 Uji Multikolinieritas
Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar
variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam
model regresi adalah tidak adanya multikolinearitas. Jika antar variabel
independen terjadi multikolinieritas sempurna, maka koefisien regresi variabel
independen tidak dapat ditentukan dan nilai standard error menjadi tak terhingga.
Jika multikolinieritas antar variabel independen tinggi maka koefisien regresi
variabel independen dapat ditentukan, tetapi memiliki nilai standard error tinggi
berarti nilai koefisien regresi tidak dapat diestimasi dengan tepat. Ada beberapa
metode pengujian yang bisa digunakan diantaranya yaitu dari nilai Tolerance
(TOL) dan Variance Inflastion Factor (VIF). Bila nilai VIF > 10 atau nilai
TOL < 0,10 maka hal ini menunjukkan adanya kolinieritas yang tinggi.
Tabel 4.3
Uji multikolinieritas
Coefficientsa
Coefficients
Model
Unstandardized
Standardized
Collinearity
Coefficients
Coefficients
Statistics
B
1 (Constant)
DER
Ukuran Perusahaan
Pertumbuhan Penjualan
a
Std. Error
23,062
6,262
1,774
1,011
-1,225
-,007
Beta
t
Sig.
Tolerance
VIF
3,683
,001
,234
1,755
,086
,983
1,017
,420
-,386
-2,913
,006
,993
1,007
,009
-,103
-,772
,444
,988
1,012
a. Dependent Variable: ROA
Pada tabel 4.3 terlihat bahwa nilai VIF untuk DER adalah 1,017, ukuran
perusahaan adalah 1,007 dan pertumbuhan penjualan adalah 1,012 jauh lebih kecil
dari 10 dan nilai Tolerance untuk DER adalah 0,983, ukuran perusahaan adalah
0,993 dan pertumbuhan penjualan adalah 0,988 lebih besar dari 0,10 maka dapat
disimpulkan bahwa tidak terdapat multikolinieritas pada model.
4.2.2.3 Uji Heteroskedastisitas
Uji
heteroskedastisitas
adalah
untuk
melihat
apakah
terdapat
ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain.
Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan
varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut
homoskedastisitas. Ada dua cara pendeteksian ada tidaknya heteroskedastisitas,
yaitu dengan metode grafik dan metode statistik uji. Metode grafik dalam
penelitian ini dilakukan dengan melihat grafik plot. Sedangkan metode statistik
dilakukan dengan Uji Glejser.
4.2.2.3.1 Metode Grafik
Gambar 4.3
Scatterplot
Dari tabel 4.3 yang disajikan, terlihat titik-titik menyebar secara acak tidak
membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di
bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas
pada model regresi.
4.2.2.3.2 Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel
independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel
independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah
heteroskedastisitas.
Hipotesis statistik:
H0
: tidak terdapat heteroskedastisitas
H1
: terdapat heteroskedastisitas
α
: 5%
Statistik uji :
Asumsi homokedastisitas terpenuhi jika uji Glejser berada pada tingkat
signifikansi > α yang telah ditetapkan.
Kriteria uji :
Tolak H0 jika p-value (signifikansi) < α , terima dalam hal lainnya.
Tabel 4.4
Uji Glejser
Coefficients
a
Model
Standardized
Unstandardized Coefficients
B
1 (Constant)
Std. Error
10,901
3,312
,719
,535
Ukuran Perusahaan
-,565
Pertumbuhan Penjualan
-,004
DER
Coefficients
Beta
t
Sig.
3,292
,002
,185
1,345
,185
,222
-,347
-2,541
,015
,005
-,131
-,956
,345
a. Dependent Variable: absut
Berdasarkan tabel 4.4 menunjukkan nilai signifikan yang tinggi yaitu nilai
signifikansi DER adalah 0,185, ukuran perusahaan nilai signifikansinya 0,015 dan
pertumbuhan penjualan memiliki nilai signifikansi 0,345 . Ini menunjukkan nilai
signifikansi dari variabel independen lebih besar dari nilai α = 0,05. Hal ini berarti
bahwa H0 diterima dan dapat disimpulkan secara uji statistik tidak terdapat
heteroskedastisitas dalam model ini.
4.2.2.4 Uji Autokorelasi
Uji autokorelasi digunakan untuk melihat apakah ada hubungan linier
antara error serangkaian observasi yang diurutkan menurut waktu (data time
series). Uji autokorelasi perlu dilakukan apabila data yang dianalisis merupakan
data time series. Model regresi pada penelitian di Bursa Efek Indonesia di mana
periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi.
∑ (e
t=N
d =
t =2
t
− et −1 ) 2
∑e
t=N
t =1
2
t
Keterangan:
d
= nilai Durbin Watson
et = nilai residu dari persamaan regresi periode t
et-1 = nilai residu dari persamaan regresi periode t-1
Uji Hipotesis :
H0 : ρ = 0 Tidak terdapat autokorelasi
H1 : ρ ≠ 0 Terdapat autokorelasi
H1 : ρ > 0 Terdapat autokorelasi positif
H1 : ρ < 0 Terdapat autokorelasi negatif
Kriteria Uji :
Kriteria pengambilan keputusan ( Situmorang Syafrizal 2008:86):
Hipotesis Nol
Tidak ada autokorelasi positif
Tidak ada autokorelasi positif
Tidak ada korelasi negatif
Tidak ada korelasi negatif
Tidak ada autokorelasi positif atau negatif
Keputusan
Tolak
No decision
Tolak
No decision
Tidak ditolak
Jika
0 < d < dl
dl < d < du
4-dl < d < 4
4-du < d < 4-dl
du < d < 4-du
Keterangan:
d
: Nilai Durbin Watson hitung
dU
: Nilai batas atas Durbin Watson tabel
dL
: Nilai batas bawah Durbin Watson tabel
Tabel 4.5
Uji Autokorelasi
Model Summaryb
Mo d e l Su m m a ryb
Model
R
1
a.
b.
,481
R Square
,232
Adjusted R
Square
,179
Std. Error of the
Estimate
4,04985
Predictors: (Constant), Pertumbuhan Penjualan, DER, Ukuran Perusahaan
Dependent Variable: ROA
DurbinWatson
1,367
Nilai DWhitung sebesar 1,367 akan dibandingkan dengan nilai tabel dengan
menggunakan derajat kepercayaan 5%, jumlah sampel 48 dan jumlah variabel
independen 3.
K=3
n
dL
dU
46
1,3912
1,6677
47
1,3989
1,6692
48
1,4064
1,6708
49
1,4136
1,6723
50
1,4206
1,6739
Berarti:
0 < d < dL
0 < 1,367 < 1,4064
Berdasarkan pengamatan ini, dapat disimpulkan bahwa tidak ada autokorelasi
positif.
4.2.3
Model Persamaan Regresi
Penafsiran model regresi dengan menggunakan regresi linier berganda.
Regresi berganda digunakan untuk mengukur pengaruh beberapa peubah/variabel
terhadap suatu variabel. Variabel yang digunakan meliputi variabel independen
dan variabel dependen. Untuk mengetahui pengaruh variabel independen terhadap
variabel dependen harus disusun suatu persamaan regresi.
Y = α + β1X1 + β2X2 + β3X3 + εi
Keterangan:
Y
= Return On Asset (ROA)
α
= Konstanta
�1 , �2 , �3 = Koefisien regresi
�1
= Debt Equity Ratio (DER)
�2
= Pertumbuhan penjualan
e
= Error (pengganggu)
= Ukuran perusahaan
�3
Tabel 4.6
Analisis Regresi
Cofficientsa
Coefficients
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1 (Constant)
DER
Ukuran Perusahaan
Pertumbuhan Penjualan
a
Std. Error
23,062
6,262
1,774
1,011
-1,225
-,007
Beta
t
Sig.
3,683
,001
,234
1,755
,086
,420
-,386
-2,913
,006
,009
-,103
-,772
,444
a. Dependent Variable: ROA
Berdasarkan tabel diatas dapat disusun sebuah persamaan regresi yaitu:
Y = 23,062 + 1,774 – 1,225 – 0,007
Tanda positif menunjukkan adanya hubungan yang cenderung mengalami
peningkatan, sedangkan tanda negatif menunjukkan adanya hubungan yang
mengalami kecenderungan menurun terhadap variabel independennya.
Berdasarkan persamaan regresi di atas maka dapat dijelaskan:
a.
Nilai konstanta (α) pada persamaan regresi di atas adalah 23,062. Ini
menunjukkan bahwa jika nilai DER, ukuran perusahaan, dan pertumbuhan
penjualan adalah nol, maka Return On Asset sebesar 23,062
b.
Nilai koefisien regresi β1 bertanda positif. Ini menunjukkan bahwa setiap
perubahan variabel X1 sebesar satu satuan, maka akan memberikan
peningkatan kontribusi ROA sebesar 1,774 dengan asumsi variabel lain
tetap.
c.
Nilai koefisien regresi β2 bertanda negatif ini menunjukkan bahwa ukuran
perusahaan berbanding terbalik terhadap ROA dimana setiap adanya
peningkatan variabel X2 sebesar satu satuan, maka akan memberikan
penurunan kontribusi terhadap perubahan ROA sebesar -1,225 dengan
asumsi variabel lain tetap.
d.
Nilai koefisien regresi β3 bertanda negatif ini menunjukkan bahwa
pertumbuhan penjualan berbanding terbalik terhadap ROA dimana setiap
adanya peningkatan variabel X3 sebesar satu satuan maka akan
memberikan penurunan kontribusi terhadap perubahan ROA sebesar
-0,007 dengan asumsi variabel lain tetap.
4.2.4
Koefisien Determinasi
Koefisien determinasi adalah proporsi keragaman atau variansi total
nilai peubah Y yang dapat dijelaskan oleh nilai peubah X melalui hubungan linier.
Koefisien determinasi dilambangkan dengan R2. Nilai ini menyatakan proporsi
variasi keseluruhan dalam nilai variabel dependen yang dapat diterangkan atau
diakibatkan oleh hubungan linier dengan nilai variabel independen, selain itu
diterangkan oleh peubah yang lain. Jika R2 semakin besar atau mendekati 1, maka
model makin tepat.
Tabel 4.7
Koefisien Determinasi
Model Summaryb
Mo d e l Su m m a ry
Model
R
1
R Square
,481
,232
b
Adjusted R
Square
Std. Error of the
Estimate
,179
4,04985
a. Predictors: (Constant), Pertumbuhan Penjualan, DER, Ukuran Perusahaan
b. Dependent Variable: ROA
Berdasarkan hasil uji determinasi tersebut maka dapat diketahui:
a.
R = 0,481 berarti hubungan antara DER, ukuran perusahaan dan
pertumbuhan penjualan terhadap ROA sebesar 48,1 %. Artinya
hubungannya cukup erat (Situmorang Syafrizal, dkk. 2008:113).
b.
R Square menjelaskan seberapa besar variasi Y yang disebabkan oleh X.
dari hasil perhitungan diperoleh nilai R2 sebesar 0.232 atau 23,2% artinya
ROA tidak dipengaruhi oleh ketiga variabel independen yaitu DER,
ukuran perusahaan, pertumbuhan penjualan. Ini menunjukkan bahwa
76,8% dipengaruhi oleh faktor-faktor lain selain dari DER dan ukuran
perusahaan.
c.
Standard Error of the Estimate artinya mengukur variasi dari nilai yang
diprediksi. Standard Error of the Estimate disebut juga standar deviasi.
Standar deviasi dalam penelitian ini sebesar 4,04985.
4.2.5
Uji t (Uji Secara Parsial)
Uji t digunakan untuk mengetahui apakah hipotesis X1, X2, X3 diterima
atau ditolak dengan menggunakan statistik t terhadap ROA . Dalam kriteria
positif suatu variabel independen memiliki pengaruh signifikan terhadap variabel
dependen jika t
hitung
t tabel, maka H0 ditolak dan H1 diterima. Jika tingkat signifikansi di bawah
0,05 maka H0 ditolak dan Ha diterima. Sedangkan dalam kriteria negatif, H0
diterima apabila t hitung > t tabel, Ha diterima apabila t hitung < t tabel.
Tabel 4.8
Hasil Uji t
Coefficientsa
Coefficients
a
Model
Standardized
Unstandardized Coefficients
B
1 (Constant)
DER
Ukuran Perusahaan
Pertumbuhan Penjualan
Coefficients
Std. Error
Beta
23,062
6,262
1,774
1,011
-1,225
-,007
t
Sig.
3,683
,001
,234
1,755
,086
,420
-,386
-2,913
,006
,009
-,103
-,772
,444
a. Dependent Variable: ROA
Berdasarkan tabel 4.8 maka dapat disimpulkan:
a.
Hasil uji DER terhadap ROA menunjukkan bahwa nilai t hitung untuk DER
adalah
t
hitung
1,755
1,755 > t
dengan
tabel
tingkat
signifikansi
0,086.
Maka
nilai
1,680 dan nilai signifikan 0,086 > 0,05. Dengan
demikian, dapat diambil kesimpulan bahwa DER
berpengaruh positif
terhadap ROA tetapi tidak signifikan.
b.
Hasil uji ukuran perusahaan terhadap ROA menunjukkan bahwa nilai
t
hitung
untuk ukuran perusahaan adalah -2,913 dengan tingkat signifikansi
0,006. Maka nilai t
hitung
-2,913 < t
tabel
1,680 dan nilai signifikan
0,006 < 0,05. Ini berarti, ukuran perusahaan berpengaruh negatif terhadap
ROA tetapi signifikan.
c.
Hasil uji pertumbuhan penjualan terhadap ROA menunjukkan bahwa nilai
t
hitung
untuk pertumbuhan penjualan
signifikansi 0,444. Maka nilai t
hitung
adalah -0,772 dengan tingkat
-0,772 < t
tabel
1,680 dan nilai
signifikansi 0,444 > 0.05. Dengan demikian, dapat diambil kesimpulan
bahwa pertumbuhan penjualan berpengaruh negatif terhadap ROA tetapi
tidak signifikan.
4.2.6
Uji F (Uji Secara Simultan)
Pengujian ini dilakukan untuk mengetahui apakah hipotesis DER, ukuran
perusahaan, pertumbuhan penjualan secara serempak diajukan diterima atau
ditolak terhadap ROA, maka digunakan statistik F.
H0 : bi = 0, artinya tidak terdapat pengaruh yang signifikan secara simultan dari
variabel independen terhadap variabel dependen.
H1 :bi ≠ 0, artinya terdapat pengaruh yang signifikan secara simultan dari variabel
independen terhadap variabel dependen.
Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak
digunakan uji F. Penelitian ini menggunakan tingkat signifikansi (α) = 5%. Jik a
tingkat signifikan di bawah 0.05 maka H0 ditolak dan H1 diterima. Kriteria
pengambilan keputusan:
a.
Bila nilai F
hitung
< nilai F
tabel
, maka H0 diterima dan H1 ditolak apabila
nilai signifikan (α) = 5%, artinya secara simultan variabel bebas tidak
berpengaruh dan tidak signifikan terhadap variabel terikat.
b.
Bila nilai F
hitung
> nilai F
tabel
maka H0 ditolak dan H1 diterima apabila
nilai signifikan (α) = 5%, artinya secara simultan variabel bebas
berpengaruh positif dan signifikan terhadap variabel terikat.
Tabel 4.9
Hasil Uji F (Uji Simultan)
ANOVAb
b
ANOVA
Model
1
Sum of Squares
df
Mean Square
Regression
217,583
3
72,528
Residual
721,655
44
16,401
Total
939,238
47
F
Sig.
4,422
,008
a
a. Predictors: (Constant), pertumbuhanpenjualan, ukuranperusahaan, der
b. Dependent Variable: roa
Berdasarkan hasil uji F disimpulkan bahwa hasil uji DER, ukuran
perusahaan, pertumbuhan penjualan terhadap ROA dimana F
hitung
sebesar 4,422
dan F tabel sebesar 2,816. Ini membuktikan bahwa F hitung > F tabel dan signifikansi
sebesar 0,008 < 0,05 maka H1 diterima dan H0 ditolak. Berarti DER, ukuran
perusahaan, dan pertumbuhan penjualan berpengaruh positif dan signifikan secara
simultan terhadap ROA.
4.3
Pembahasan Hasil Penelitian
4.3.1 Pengaruh DER terhadap ROA
Secara parsial menunjukkan bahwa hasil uji X1 yaitu DER terhadap Y
yaitu ROA menunjukkan bahwa nilai t hitung untuk DER adalah 1,755 > t tabel 1,680
dengan tingkat signifikansi 0,086 > 0,05. Berarti H0 ditolak dan H1 diterima.
Dengan demikian, dapat diambil kesimpulan bahwa DER berpengaruh positif dan
signifikan terhadap ROA. Hasil penelitian ini sesuai dengan penelitian yang
dilakukan Fitri Linda (2011) yang menyatakan bahwa DER memiliki pengaruh
terhadap ROA. Namun hasil dari penelitian ini tidak sesuai dengan penelitian
Campbel (2002) yang berpendapat bahwa DER mempunyai pengaruh negatif dan
signifikan terhadap ROA.
4.3.2
Pengaruh Ukuran Perusahaan Terhadap ROA
Secara parsial variabel ukuran perusahaan terhadap ROA dapat dilihat
dari hasil uji t, nilai t
hitung
-2,913 < t
tabel
1,680 dengan tingkat signifikansi
0,006 < 0,05. Hasil ini menunjukkan bahwa H0 diterima dan H1 ditolak. Berarti
ukuran perusahan berpengaruh terhadap ROA. Hal ini dikarenakan ukuran
perusahaan sebenarnya relatif sama tetapi pada periode yang diteliti ada beberapa
perusahaan pertumbuhan labanya sangat besar. Hasil penelitian ini sesuai dengan
penelitian yang dilakukan oleh Miyajima, dkk (2003) yang berpendapat bahwa
ukuran perusahaan berpengaruh kepada ROA. Namun hasil dari penelitian ini
tidak sesuai dengan penelitian yang dilakukan oleh Rahmat Setiawan (2011) yang
menyatakan bahwa ukuran perusahaan tidak berpengaruh kepada ROA.
4.3.3
Pengaruh Pertumbuhan Penjualan terhadap ROA
Secara parsial variabel pertumbuhan penjualan terhadap ROA dapat dilihat
dari hasil uji t yang menunjukkan bahwa
penjualan adalah -1,504 < t
tabel
nilai t
hitung
untuk pertumbuhan
1,680 dan nilai signifikansi 0.140 > 0.05. H0
diterima dan H1 ditolak. Berarti pertumbuhan penjualan tidak berpengaruh
terhadap ROA. Hasil penelitian ini sesuai dengan penelitian yang dilakukan
Nugroho (2011) yang berpendapat bahwa pertumbuhan penjualan memiliki
pengaruh yang negatif terhadap ROA. Namun hasil penelitian ini tidak sesuai
dengan penelitian yang dilakukan oleh Falope dan Olubanjo yang menyatakan
bahwa pertumbuhan penjualan berpengaruh positif terhadap ROA.
4.3.4
Secara Simultan
Berdasarkan hasil uji F dapat disimpulkan bahwa hasil uji DER, ukuran
perusahaan, pertumbuhan penjualan terhadap ROA dimana F
hitung
sebesar 4,422
dan F tabel sebesar 2,816. Ini membuktikan bahwa dengan demikian F hitung > F tabel
dan signifikansi sebesar 0,008 < 0,05 maka H1 diterima dan H0 ditolak.
Berarti DER, ukuran perusahaan, dan pertumbuhan penjualan berpengaruh positif
dan signifikan secara simultan terhadap ROA. Hasil penelitian ini sesuai dengan
penelitian yang dilakukan oleh Pougrahajan Abbasali, dkk (2013) yang
berpendapat bahwa DER, ukuran perusahaan dan pertumbuhan penjualan
memiliki pengaruh terhadap ROA.
BAB V
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Berdasarkan penelitian yang telah dilakukan maka dihasilkan kesimpulan
sebagai berikut:
1.
Secara parsial membuktikan bahwa struktur modal (DER) dan ukuran
perusahaan berpengaruh terhadap profitabilitas (ROA). Sedangkan
pertumbuhan penjualan tidak berpengaruh terhadap profitabilitas (ROA).
2.
Secara simultan struktur modal, ukuran perusahaan, dan pertumbuhan
penjualan berpengaruh
positif dan signifikan terhadap profitabilitas
(ROA).
3.
Berdasarkan hasil uji determinasi, R = 0,481 menunjukkan bahwa
hubungan antara DER, ukuran perusahaan dan pertumbuhan penjualan
terhadap ROA cukup erat. Berdasarkan R2 ketiga variabel independen
yaitu DER, ukuran perusahaan, pertumbuhan penjualan hanya mampu
menjelaskan variasi profitabilitas sebesar 23,2%. Ini menunjukkan bahwa
76,8% variasi profitabilitas dijelaskan oleh faktor-faktor lain selain dari
DER dan ukuran perusahaan.
5.2
Saran
Setelah melakukan penelitian ini, maka diperoleh beberapa saran:
1.
Peneliti selanjutnya diharapkan untuk dapat menambah alat ukur lainnya
dalam profitabilitas dan dapat menambahkan variabel independen lainnya,
seperti: perputaran modal kerja, umur perusahaan dan leverage.
2.
Peneliti selanjutnya diharapkan dapat menambah tahun pengamatan dan
dapat menggunakan perusahaan yang terdaftar diseluruh sektor yang ada
di BEI dengan harapan hasil yang diperoleh lebih akurat.
METODE PENELITIAN
3.1
Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah jenis
penelitian asosiatif kausal. Menurut Rochaety, dkk(2009:11), “penelitian asosiatif
kausal merupakan penelitian yang bertujuan untuk mengetahui hubungan antara
dua variabel atau lebih”.
3.2
Tempat dan Waktu Penelitian
Penelitian dilakukan melalui media internet dengan menggunakan situs
www.idx.co.id dan waktu penelitian dilakukan penulis mulai dari Januari sampai
dengan Maret 2013.
3.3
Batasan Operasional
Adapun yang menjadi batasan penelitian adalah sebagai berikut:
1.
Data laporan keuangan perusahaan real estate dan property yang terdaftar
di Bursa Efek Indonesia periode 2009-2011,
2.
Variabel dependen yang digunakan untuk mengukur profitabilitas hanya
Return on Asset dan variabel independen yang digunakan hanya Debt to
Equity Ratio, ukuran perusahaan, pertumbuhan penjualan.
3.4
Definisi Operasional
“Definisi operasional adalah petunjuk bagaimana sebuah variabel diukur”
(Hamidi, 2007:142).
Variabel yang digunakan dalam penelitian ini adalah:
1.
Variabel Dependen
Variabel dependen merupakan variabel yang dipengaruhi oleh variabel
bebas. Variabel dependen dalam penelitian ini adalah profitabilitas perusahaan
dari setiap perusahaan yang terpilih menjadi sampel. Profitabilitas merupakan
kemampuan perusahaan untuk menghasilkan laba.
Profitabilitas perusahaan dalam penelitian ini diuji dengan Return on
Asset. Return on Asset merupakan salah satu rasio profitabilitas yang dapat
mengukur kemampuan perusahaan dalam menghasilkan laba dari aktiva yang
digunakan. Return on Asset merupakan perbandingan antara laba bersih setelah
pajak dengan total aktiva yang dimiliki perusahaan.
Return on Asset = Laba bersih setelah pajak
x 100%
Total aktiva
2.
Variabel Independen
Variabel independen atau variabel bebas adalah tipe variabel yang
menjelaskan atau mempengaruhi variabel lain (Sangadji dan Sopiah,2007:136).
Variabel independen yang digunakan dalam penelitian ini adalah struktur modal,
ukuran perusahaan dan pertumbuhan penjualan.
a.
Struktur modal
Ukuran yang dipakai peneliti dalam struktur modal adalah Debt to Equity
Ratio (DER). DER merupakan rasio yang menunjukkan persentase penyediaan
dana oleh pemegang saham kepada pemberi pinjaman.
Debt to Equity Ratio =
Total debt
x 100 %
Total equity
b.
Ukuran Perusahaan
Ukuran perusahaan adalah ukuran besarnya perusahan yang dilihat dari
jumlah aktiva perusahaan . Ukuran perusahaan diukur dengan menggunakan total
aktiva yang di Log Naturalkan.
c.
Pertumbuhan Penjualan
Pertumbuhan penjualan digunakan untuk mengukur tingkat pertumbuhan
penjualan perusahaan apakah menurun atau naik dengan membandingkan
penjualan periode sekarang dengan periode yang lalu.
Pertumbuhan penjualan =
3.5
penjualan� – penjualan�−1
x 100 %
penjualan �−1
Populasi dan Sampel Penelitian
Menurut Sangadji,dkk (2010:185) populasi adalah “wilayah generalisasi
yang terdiri atas subyek atau obyek dengan kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulan.
Populasi bisa berupa manusia, tumbuhan, dokumen, produk, hewan”. Populasi
dalam penelitian ini adalah 43 perusahaan real estate dan property yang terdaftar
di Bursa Efek Indonesia selama periode 2009-2011.
Menurut Kuncoro (2003), “sampel adalah suatu himpunan bagian dari unit
populasi”. Sampel penelitian diperoleh dengan menggunakan metode purposive
sampling yang merupakan metode penetapan sampel berdasarkan kriteria tertentu.
Kriteria dalam penelitian ini sebagai berikut:
1.
Perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia
dan tidak keluar (delisting) pada tahun 2009-2011,
2.
Perusahaan real estate dan property menerbitkan laporan keuangan yang
lengkap terutama laporan laba rugi dan neraca yang telah diaudit periode
2009 sampai 2011,
3.
Perusahaan real estate dan property memiliki pertumbuhan penjualan yang
positif.
Sesuai dengan kriteria diatas, maka jumlah sampel yang digunakan adalah
sebanyak 16 perusahaan dari 43 populasi. Angka tahun amatan yang digunakan
dalam penelitian ini adalah 3 tahun berturut-turut dari tahun 2009-2011.
Proses
pengambilan sampel pada objek penelitian ini dapat dilihat dalam lampiran 1.
Daftar nama perusahaan yang dipilih jadi sampel dapat dilihat pada tabel 3.1
halaman 35.
3.6
Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif.
Menurut Sangadji dan Sopiah (2010:191), “data kuantitatif adalah data yang
berupa angka atau bilangan”. Data ini merupakan data sekunder yang diperoleh
dari laporan keuangan tahunan perusahaan-perusahaan real estate dan property
yang terdaftar di BEI periode 2009 – 2011, melalui situs resmi milik Bursa Efek
Indonesia yaitu www.idx.co.id.
Tabel 3.1
Sampel Perusahaan Real Estate dan Property yang terdaftar di Bursa Efek
Indonesia periode 2009-2011
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
3.7
Kode
BKSL
COWL
CTRP
CTRA
DILD
ELTY
GMTD
INPP
JRPT
KARK
LPCK
LPKR
PJAA
PNSE
PUDP
PWON
Nama Perusahaan
PT. Sentul City Tbk
PT. Cowell Development Tbk
PT. Ciputra Property Tbk
PT. Ciputra Development Tbk
PT. Intiland Development Tbk
PT. Bakrieland Development Tbk
PT. Gowa Makassar Torism Development Tbk
PT. Indonesian Paradise Property T
PT. Jaya Real Property Tbk
PT. Dayaindo Resources International Tbk
PT. Lippo Cikarang Tbk
PT. Lippo Karawaci Tbk
PT. Pembangunan Jaya Ancol Tbk
PT. Pudjiadi dan Sons Tbk
PT. Pudjiadi Prestige Limited Tbk
PT. Pakuwon Jati Tbk
Metode Pengumpulan Data
Pengumpulan data dalam penelitian ini adalah dengan menggunakan studi
dokumentasi, yaitu dengan mempelajari dan menganalisis data sekunder berupa
laporan keuangan perusahaan, catatan-catatan dan informasi lainnya yang terkait
dengan lingkup penelitian ini.
3.8
Metode Analisis Data
Dalam penelitian ini, metode analisis data yang digunakan adalah model
analisis
regresi
berganda
dengan
menggunakan
Software
SPSS
18
(Statistic Product and Service Solution) for Windows. Sebelum melakukan
hipotesis, terlebih dahulu peneliti melakukan uji asumsi klasik. Pengujian uji
asumsi klasik yang dilakukan terdiri dari: uji normalitas, uji multikolinearitas, uji
heterokedastisitas, dan uji autokorelasi.
3.8.1 Uji Asumsi Klasik
1.
Uji Normalitas Data
Uji normalitas data bertujuan untuk mengetahui apakah dalam model
regresi variabel pengganggu atau residual memiliki distribusi normal. Uji ini
dilakukan dengan uji Kolmogorof Smirnov dengan kaidah sebagai berikut
(Priadana dan Saludin, 2009:194):
a.
Jika ρ value (Asymp. Sig) ≤ α (0,05) maka data berdistribusi tidak normal.
b.
Jika ρ value (Asymp. Sig) ≥ α (0,05) maka data berdistribusi normal.
Ada beberapa cara untuk melihat normalitas data yaitu (Lubis, dkk, 2007:26):
a. Nilai Skewness
Nilai skewness digunakan untuk mengetahui bagaimana distribusi
normal data dalam variabel dengan menilai kemiringan kurva. Nilai
skewness yang baik adalah mendekati angka nol.
b. Historgam Display Normal Curve
Normalitas data bila dilihat dengan histogram display normal curve
dapat ditentukan berdasarkan bentuk gambar kurva. Data dikatakan
normal jika bentuk kurva memiliki kemiringan yang cenderung
seimbang, baik pada sisi kiri maupun pada sisi kanan, dan kurva
berbentuk menyerupai lonceng yang hampir sempurna. Semakin
mendekati 0 nilai skewness, gambar kurva cenderung memiliki
kemiringan yang seimbang.
2.
Uji Multikolinearitas
Pada dasarnya multikolinearitas adalah adanya suatu hubungan linear yang
sempurna (mendekati sempurna) antara beberapa atau semua variabel bebas. Cara
mendeteksi ada atau tidaknya multikolinearitas (Priadana dan Saludin, 2009:194):
a.
Apabila korelasi antara dua variabel bebas lebih tinggi dibanding korelasi
salah satau atau kedua variabel bebas tersebut dengan variabel terikat.
b.
Bila
korelasi
antara
dua
variabel
bebas
melebihi
0,8
maka
multikolinearitas menjadi masalah yang serius.
3.
Uji Autokorelasi
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari suatu
observasi ke observasi lainnya. Dengan kata lain, masalah ini sering kali kita
temukan dengan menggunakan data runtut waktu. Hal ini disebabkan karena
gangguan pada seorang individu atau kelompok cenderung mempengaruhi
gangguan pada individu atau kelompok yang sama pada periode berikutnya.
( Priadana dan Saludin, 2009:192).
Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau
tidaknya autokorelasi (Ghozali, 2006:96):
b. Uji Durbin-Watson (DW test)
Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu
(first order autocorrelation) dan mensyaratkan adanya intercept
(kostanta) dalam model regresi dan tidak ada variabel lag diantara
variabel independen.
c. Uji Lagrange Multiplier (LM test)
Uji autokorelasi dengan LM test terutama digunakan untuk sample
besar diatas 100 observasi. Uji ini memang lebih tepat digunakan
dibandingkan uji DW terutama bila sample yang digunakan relatif besar
dan derajat autokorelasi lebih dari satu.
d. Uji Statistics Q : Box-Pierce dan Ljung Box
Uji Box-Pierce dan Ljung Box digunakan untuk melihat autokorelasi
dengan lag lebih dari dua.
4.
Uji Heterokedastisitas
Heterokedastisitas muncul apabila kesalahan atau residual dari model yang
diamati tidak memiliki varians yang konstan dari satu observasi ke observasi
lainnya. Artinya, setiap observasi mempunyai reliabilitas yang berbeda akibat
perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam
spesifikasi model (Priadana dan Saludin, 2009:193).
Menurut Situmorang Syafrizal, dkk (2008:63), “Uji homoskedastisitas
pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians-varians
yang sama diantara anggota grup tersebut.”
3.8.2 Koefisien Determinasi (R2)
Koefisien Determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antara nol dan satu. 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, 2006:83).
3.8.3 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi
berganda. Metode regresi linier berganda dilakukan untuk mengetahui pengaruh
variabel bebas yakni struktur modal, ukuran perusahaan dan pertumbuhan
penjualan terhadap variabel terikat yaitu profitabilitas dengan menggunakan
rumus:
Y = α + �1 �1 +�2 �2 +�3 �3 + e
Keterangan :
Y
= Return On Asset (ROA)
α
= Konstanta
�1 , �2 , �3 = Koefisien regresi
�1
= Debt Equity Ratio (DER)
�2
= Pertumbuhan penjualan
e
= Error (pengganggu)
= Ukuran perusahaan
�3
Setelah persamaan regresi dibentuk, maka dilakukan pengujian hipotesis yang
terdiri dari uji t dan uji F.
1.
Uji Signifikansi Parsial (Uji t)
Menurut Kuncoro (2003:43), “uji t menunjukkan seberapa jauh pengaruh 1
variabel penjelas secara individual dalam menerangkan variasi variabel terikat.”
Menurut Situmorang Syafrizal, dkk (2008:115), “Untuk menguji apakah
hipotesis yang diajukan diterima atau ditolak digunakan statistik t (uji t). Jika
t
hitung
t
tabel,
maka H0 ditolak dan Ha diterima. Jika tingkat signifikansi di bawah 0,05 maka H0
ditolak dan Ha diterima.”
2.
Uji Signifikansi Simultan (Uji F)
Menurut Kuncoro (2003:42), “uji F menunjukkan apakah semua variabel
bebas yang terdapat dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel terikat.”
Menurut Situmorang Syafrizal, dkk (2008:114), “Untuk menguji apakah
hipotesis yang diajukan diterima atau ditolak digunakan statistik F (Uji F). Jika F
hitung
F
tabel,
maka H0 ditolak dan Ha diterima. Jika tingkat signifikansi dibawah 0,05 maka H0
ditolak dan Ha diterima.”
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1.
Deskripsi Objek Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah model
analisis regresi berganda dengan menggunakan Software SPSS 18 (Statistic
Product and Service Solution) for Windows. Objek penelitian dalam skripsi ini
adalah perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia
dalam periode 2009 sampai dengan 2011. Jumlah sampel sebanyak 16 perusahaan
real estate dan property. Dengan menggunakan metode penggabungan data
(pooling), maka diperoleh data penelitian sebanyak 3 x 16 = 48 data observasi.
4.2
Analisis Data
4.2.1 Statistik Deskriptif
Tabel 4.1
Hasil Deskriptif
Descriptive Statistics
N
Range
Min.
Max.
Mean
Std. Deviation
Variance
DER
48
2,07
,04
2,11
,8433
,58940
,347
Ukuran Perusahaan
48
4,97
11,75
16,72
14,4558
1,40996
1,988
Pertumbuhan Penjualan
48
380,34
,46 380,80
43,3781
66,81210
4463,856
ROA
48
18,23
6,5571
4,47032
19,984
Valid N (listwise)
48
,20
18,43
Berdasarkan tabel 4.1 dapat diketahui beberapa hal, yaitu:
a. Jumlah data yang diolah semuanya adalah 48 yang ditunjukkan dari nilai
N. Kolom Range menunjukkan kisaran/range dari masing-masing variabel.
Kolom minimum menunjukkan nilai minimum dari masing-masing
variabel dan kolom maximum menunjukkan nilai maksimum data. Mean
Statistic adalah rata-rata. Std. Deviation menunjukkan simpangan baku
dari masing-masing variabel dan variance menunjukkan varian atau
ragamnya.
b. Debt to Equity Ratio (DER) memiliki nilai range 2,07 dan nilai minimum
sebesar 0,04 sedangkan nilai maksimumnya sebesar 2,11 dengan rata-rata
0,8433. Nilai standar deviasi 0,58940 dan variansnya adalah 0,347.
Berdasarkan nilai maksimumnya 2,11 dapat diketahui bahwa kondisi DER
perusahaan rata-rata kurang bagus karena komposisi hutang yang diteliti
lebih besar dari modal.
c. Ukuran Perusahaan memiliki nilai range 4,97 dan nilai minimum sebesar
11,75 sedangkan nilai maksimumnya sebesar 16,72 dengan rata-rata
14,4558 Nilai standar deviasi 1,40996 dan variansnya adalah 1,988. Ini
menunjukkan bahwa distribusi ukuran perusahaannya bagus yang dapat
diketahui dari sampel perusahaan yang menunjukkan tidak ada perubahan
yang terlalu drastis dari ukuran perusahaan, selain itu dapat diketahui juga
dari nilai rangenya yang lebih besar dari nilai standar deviasi.
d. Pertumbuhan penjualan memiliki nilai range 380,34 dan nilai minimum
sebesar 0,46 sedangkan nilai maksimumnya sebesar 380,80 dengan ratarata 43,3781. Nilai standar deviasi 66,81210 dan variansnya adalah
4463,856. Ini menunjukkan bahwa pertumbuhan penjualan pada
perusahaan yang diteliti bagus karena nilai rangenya lebih besar dari nilai
standar deviasi.
e. ROA memiliki nilai range 18,23 dan nilai minimum sebesar 0,20
sedangkan nilai maksimumnya sebesar 18,43 dengan rata-rata 6,5571.
Nilai standar deviasi 4,47032 dan variansnya adalah 19,984.
4.2.2
Uji Asumsi Klasik
4.2.2.1 Uji Normalitas
Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah
data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan
bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti
distribusi normal, yakni distribusi data tersebut tidak menceng ke kanan atau
menceng ke kiri. Uji t dan uji F mengasumsikan nilai residual mengikuti
distribusi normal. Ada dua cara mendeteksi apakah residual memiliki distribusi
normal atau tidak, yaitu dengan analisis grafik dan uji statistik.
4.2.2.1.1 Analisis Grafik
Gambar 4.1
Histogram
Gambar 4.2
Normal P-P Plot of Regression Standardized Residual
Model regresi dikatakan memenuhi asumsi normalitas apabila data
menyebar di sekitar garis diagonal atau grafik histogramnya. Pada grafik
histogram terlihat bahwa grafik histogram memberikan pola distribusi yang
normal karena bentuk grafik histogramnya tidak menceng ke kanan atau ke kiri.
Pada gambar 4.2 terlihat titik-titik yang mengikui data disepanjang garis diagonal.
Hal ini berarti data berdistribusi normal. Namun seringkali data kelihatan normal
karena mengikuti garis diagonal padahal belum tentu data tersebut berdistribusi
normal. Oleh karena itu, selain peneliti menggunakan uji grafik peneliti juga
menggunakan uji statistik.
Kolmogorov-Smirnov (KS) digunakan untuk memastikan apakah data di
sepanjang garis diagonal berdistribusi normal.
Jika ρ value (Asymp. Sig) ≤ α (0,05) maka data berdistribusi tidak normal
Jika ρ value (Asymp. Sig) ≥ α (0,05) maka data berdistribusi normal.
Tabel 4.2
Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N
48
Normal
Mean
a,b
,0000000
Parameters
Std. Deviation
3,91846437
Most Extreme
Absolute
,102
Differences
Positive
,102
Negative
-,082
Kolmogorov-Smirnov Z
,705
Asymp. Sig. (2-tailed)
,704
a. Test distribution is Normal.
b. Calculated from data.
Pada tabel 4.2 terlihat bahwa nilai Asymp. Sig. (2-tailed) adalah 0,704 dan di atas
nilai signifikan 0,05. Ini berarti variabel residual berdistribusi normal.
4.2.2.2 Uji Multikolinieritas
Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar
variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam
model regresi adalah tidak adanya multikolinearitas. Jika antar variabel
independen terjadi multikolinieritas sempurna, maka koefisien regresi variabel
independen tidak dapat ditentukan dan nilai standard error menjadi tak terhingga.
Jika multikolinieritas antar variabel independen tinggi maka koefisien regresi
variabel independen dapat ditentukan, tetapi memiliki nilai standard error tinggi
berarti nilai koefisien regresi tidak dapat diestimasi dengan tepat. Ada beberapa
metode pengujian yang bisa digunakan diantaranya yaitu dari nilai Tolerance
(TOL) dan Variance Inflastion Factor (VIF). Bila nilai VIF > 10 atau nilai
TOL < 0,10 maka hal ini menunjukkan adanya kolinieritas yang tinggi.
Tabel 4.3
Uji multikolinieritas
Coefficientsa
Coefficients
Model
Unstandardized
Standardized
Collinearity
Coefficients
Coefficients
Statistics
B
1 (Constant)
DER
Ukuran Perusahaan
Pertumbuhan Penjualan
a
Std. Error
23,062
6,262
1,774
1,011
-1,225
-,007
Beta
t
Sig.
Tolerance
VIF
3,683
,001
,234
1,755
,086
,983
1,017
,420
-,386
-2,913
,006
,993
1,007
,009
-,103
-,772
,444
,988
1,012
a. Dependent Variable: ROA
Pada tabel 4.3 terlihat bahwa nilai VIF untuk DER adalah 1,017, ukuran
perusahaan adalah 1,007 dan pertumbuhan penjualan adalah 1,012 jauh lebih kecil
dari 10 dan nilai Tolerance untuk DER adalah 0,983, ukuran perusahaan adalah
0,993 dan pertumbuhan penjualan adalah 0,988 lebih besar dari 0,10 maka dapat
disimpulkan bahwa tidak terdapat multikolinieritas pada model.
4.2.2.3 Uji Heteroskedastisitas
Uji
heteroskedastisitas
adalah
untuk
melihat
apakah
terdapat
ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain.
Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan
varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut
homoskedastisitas. Ada dua cara pendeteksian ada tidaknya heteroskedastisitas,
yaitu dengan metode grafik dan metode statistik uji. Metode grafik dalam
penelitian ini dilakukan dengan melihat grafik plot. Sedangkan metode statistik
dilakukan dengan Uji Glejser.
4.2.2.3.1 Metode Grafik
Gambar 4.3
Scatterplot
Dari tabel 4.3 yang disajikan, terlihat titik-titik menyebar secara acak tidak
membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di
bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas
pada model regresi.
4.2.2.3.2 Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel
independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel
independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah
heteroskedastisitas.
Hipotesis statistik:
H0
: tidak terdapat heteroskedastisitas
H1
: terdapat heteroskedastisitas
α
: 5%
Statistik uji :
Asumsi homokedastisitas terpenuhi jika uji Glejser berada pada tingkat
signifikansi > α yang telah ditetapkan.
Kriteria uji :
Tolak H0 jika p-value (signifikansi) < α , terima dalam hal lainnya.
Tabel 4.4
Uji Glejser
Coefficients
a
Model
Standardized
Unstandardized Coefficients
B
1 (Constant)
Std. Error
10,901
3,312
,719
,535
Ukuran Perusahaan
-,565
Pertumbuhan Penjualan
-,004
DER
Coefficients
Beta
t
Sig.
3,292
,002
,185
1,345
,185
,222
-,347
-2,541
,015
,005
-,131
-,956
,345
a. Dependent Variable: absut
Berdasarkan tabel 4.4 menunjukkan nilai signifikan yang tinggi yaitu nilai
signifikansi DER adalah 0,185, ukuran perusahaan nilai signifikansinya 0,015 dan
pertumbuhan penjualan memiliki nilai signifikansi 0,345 . Ini menunjukkan nilai
signifikansi dari variabel independen lebih besar dari nilai α = 0,05. Hal ini berarti
bahwa H0 diterima dan dapat disimpulkan secara uji statistik tidak terdapat
heteroskedastisitas dalam model ini.
4.2.2.4 Uji Autokorelasi
Uji autokorelasi digunakan untuk melihat apakah ada hubungan linier
antara error serangkaian observasi yang diurutkan menurut waktu (data time
series). Uji autokorelasi perlu dilakukan apabila data yang dianalisis merupakan
data time series. Model regresi pada penelitian di Bursa Efek Indonesia di mana
periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi.
∑ (e
t=N
d =
t =2
t
− et −1 ) 2
∑e
t=N
t =1
2
t
Keterangan:
d
= nilai Durbin Watson
et = nilai residu dari persamaan regresi periode t
et-1 = nilai residu dari persamaan regresi periode t-1
Uji Hipotesis :
H0 : ρ = 0 Tidak terdapat autokorelasi
H1 : ρ ≠ 0 Terdapat autokorelasi
H1 : ρ > 0 Terdapat autokorelasi positif
H1 : ρ < 0 Terdapat autokorelasi negatif
Kriteria Uji :
Kriteria pengambilan keputusan ( Situmorang Syafrizal 2008:86):
Hipotesis Nol
Tidak ada autokorelasi positif
Tidak ada autokorelasi positif
Tidak ada korelasi negatif
Tidak ada korelasi negatif
Tidak ada autokorelasi positif atau negatif
Keputusan
Tolak
No decision
Tolak
No decision
Tidak ditolak
Jika
0 < d < dl
dl < d < du
4-dl < d < 4
4-du < d < 4-dl
du < d < 4-du
Keterangan:
d
: Nilai Durbin Watson hitung
dU
: Nilai batas atas Durbin Watson tabel
dL
: Nilai batas bawah Durbin Watson tabel
Tabel 4.5
Uji Autokorelasi
Model Summaryb
Mo d e l Su m m a ryb
Model
R
1
a.
b.
,481
R Square
,232
Adjusted R
Square
,179
Std. Error of the
Estimate
4,04985
Predictors: (Constant), Pertumbuhan Penjualan, DER, Ukuran Perusahaan
Dependent Variable: ROA
DurbinWatson
1,367
Nilai DWhitung sebesar 1,367 akan dibandingkan dengan nilai tabel dengan
menggunakan derajat kepercayaan 5%, jumlah sampel 48 dan jumlah variabel
independen 3.
K=3
n
dL
dU
46
1,3912
1,6677
47
1,3989
1,6692
48
1,4064
1,6708
49
1,4136
1,6723
50
1,4206
1,6739
Berarti:
0 < d < dL
0 < 1,367 < 1,4064
Berdasarkan pengamatan ini, dapat disimpulkan bahwa tidak ada autokorelasi
positif.
4.2.3
Model Persamaan Regresi
Penafsiran model regresi dengan menggunakan regresi linier berganda.
Regresi berganda digunakan untuk mengukur pengaruh beberapa peubah/variabel
terhadap suatu variabel. Variabel yang digunakan meliputi variabel independen
dan variabel dependen. Untuk mengetahui pengaruh variabel independen terhadap
variabel dependen harus disusun suatu persamaan regresi.
Y = α + β1X1 + β2X2 + β3X3 + εi
Keterangan:
Y
= Return On Asset (ROA)
α
= Konstanta
�1 , �2 , �3 = Koefisien regresi
�1
= Debt Equity Ratio (DER)
�2
= Pertumbuhan penjualan
e
= Error (pengganggu)
= Ukuran perusahaan
�3
Tabel 4.6
Analisis Regresi
Cofficientsa
Coefficients
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
1 (Constant)
DER
Ukuran Perusahaan
Pertumbuhan Penjualan
a
Std. Error
23,062
6,262
1,774
1,011
-1,225
-,007
Beta
t
Sig.
3,683
,001
,234
1,755
,086
,420
-,386
-2,913
,006
,009
-,103
-,772
,444
a. Dependent Variable: ROA
Berdasarkan tabel diatas dapat disusun sebuah persamaan regresi yaitu:
Y = 23,062 + 1,774 – 1,225 – 0,007
Tanda positif menunjukkan adanya hubungan yang cenderung mengalami
peningkatan, sedangkan tanda negatif menunjukkan adanya hubungan yang
mengalami kecenderungan menurun terhadap variabel independennya.
Berdasarkan persamaan regresi di atas maka dapat dijelaskan:
a.
Nilai konstanta (α) pada persamaan regresi di atas adalah 23,062. Ini
menunjukkan bahwa jika nilai DER, ukuran perusahaan, dan pertumbuhan
penjualan adalah nol, maka Return On Asset sebesar 23,062
b.
Nilai koefisien regresi β1 bertanda positif. Ini menunjukkan bahwa setiap
perubahan variabel X1 sebesar satu satuan, maka akan memberikan
peningkatan kontribusi ROA sebesar 1,774 dengan asumsi variabel lain
tetap.
c.
Nilai koefisien regresi β2 bertanda negatif ini menunjukkan bahwa ukuran
perusahaan berbanding terbalik terhadap ROA dimana setiap adanya
peningkatan variabel X2 sebesar satu satuan, maka akan memberikan
penurunan kontribusi terhadap perubahan ROA sebesar -1,225 dengan
asumsi variabel lain tetap.
d.
Nilai koefisien regresi β3 bertanda negatif ini menunjukkan bahwa
pertumbuhan penjualan berbanding terbalik terhadap ROA dimana setiap
adanya peningkatan variabel X3 sebesar satu satuan maka akan
memberikan penurunan kontribusi terhadap perubahan ROA sebesar
-0,007 dengan asumsi variabel lain tetap.
4.2.4
Koefisien Determinasi
Koefisien determinasi adalah proporsi keragaman atau variansi total
nilai peubah Y yang dapat dijelaskan oleh nilai peubah X melalui hubungan linier.
Koefisien determinasi dilambangkan dengan R2. Nilai ini menyatakan proporsi
variasi keseluruhan dalam nilai variabel dependen yang dapat diterangkan atau
diakibatkan oleh hubungan linier dengan nilai variabel independen, selain itu
diterangkan oleh peubah yang lain. Jika R2 semakin besar atau mendekati 1, maka
model makin tepat.
Tabel 4.7
Koefisien Determinasi
Model Summaryb
Mo d e l Su m m a ry
Model
R
1
R Square
,481
,232
b
Adjusted R
Square
Std. Error of the
Estimate
,179
4,04985
a. Predictors: (Constant), Pertumbuhan Penjualan, DER, Ukuran Perusahaan
b. Dependent Variable: ROA
Berdasarkan hasil uji determinasi tersebut maka dapat diketahui:
a.
R = 0,481 berarti hubungan antara DER, ukuran perusahaan dan
pertumbuhan penjualan terhadap ROA sebesar 48,1 %. Artinya
hubungannya cukup erat (Situmorang Syafrizal, dkk. 2008:113).
b.
R Square menjelaskan seberapa besar variasi Y yang disebabkan oleh X.
dari hasil perhitungan diperoleh nilai R2 sebesar 0.232 atau 23,2% artinya
ROA tidak dipengaruhi oleh ketiga variabel independen yaitu DER,
ukuran perusahaan, pertumbuhan penjualan. Ini menunjukkan bahwa
76,8% dipengaruhi oleh faktor-faktor lain selain dari DER dan ukuran
perusahaan.
c.
Standard Error of the Estimate artinya mengukur variasi dari nilai yang
diprediksi. Standard Error of the Estimate disebut juga standar deviasi.
Standar deviasi dalam penelitian ini sebesar 4,04985.
4.2.5
Uji t (Uji Secara Parsial)
Uji t digunakan untuk mengetahui apakah hipotesis X1, X2, X3 diterima
atau ditolak dengan menggunakan statistik t terhadap ROA . Dalam kriteria
positif suatu variabel independen memiliki pengaruh signifikan terhadap variabel
dependen jika t
hitung
t tabel, maka H0 ditolak dan H1 diterima. Jika tingkat signifikansi di bawah
0,05 maka H0 ditolak dan Ha diterima. Sedangkan dalam kriteria negatif, H0
diterima apabila t hitung > t tabel, Ha diterima apabila t hitung < t tabel.
Tabel 4.8
Hasil Uji t
Coefficientsa
Coefficients
a
Model
Standardized
Unstandardized Coefficients
B
1 (Constant)
DER
Ukuran Perusahaan
Pertumbuhan Penjualan
Coefficients
Std. Error
Beta
23,062
6,262
1,774
1,011
-1,225
-,007
t
Sig.
3,683
,001
,234
1,755
,086
,420
-,386
-2,913
,006
,009
-,103
-,772
,444
a. Dependent Variable: ROA
Berdasarkan tabel 4.8 maka dapat disimpulkan:
a.
Hasil uji DER terhadap ROA menunjukkan bahwa nilai t hitung untuk DER
adalah
t
hitung
1,755
1,755 > t
dengan
tabel
tingkat
signifikansi
0,086.
Maka
nilai
1,680 dan nilai signifikan 0,086 > 0,05. Dengan
demikian, dapat diambil kesimpulan bahwa DER
berpengaruh positif
terhadap ROA tetapi tidak signifikan.
b.
Hasil uji ukuran perusahaan terhadap ROA menunjukkan bahwa nilai
t
hitung
untuk ukuran perusahaan adalah -2,913 dengan tingkat signifikansi
0,006. Maka nilai t
hitung
-2,913 < t
tabel
1,680 dan nilai signifikan
0,006 < 0,05. Ini berarti, ukuran perusahaan berpengaruh negatif terhadap
ROA tetapi signifikan.
c.
Hasil uji pertumbuhan penjualan terhadap ROA menunjukkan bahwa nilai
t
hitung
untuk pertumbuhan penjualan
signifikansi 0,444. Maka nilai t
hitung
adalah -0,772 dengan tingkat
-0,772 < t
tabel
1,680 dan nilai
signifikansi 0,444 > 0.05. Dengan demikian, dapat diambil kesimpulan
bahwa pertumbuhan penjualan berpengaruh negatif terhadap ROA tetapi
tidak signifikan.
4.2.6
Uji F (Uji Secara Simultan)
Pengujian ini dilakukan untuk mengetahui apakah hipotesis DER, ukuran
perusahaan, pertumbuhan penjualan secara serempak diajukan diterima atau
ditolak terhadap ROA, maka digunakan statistik F.
H0 : bi = 0, artinya tidak terdapat pengaruh yang signifikan secara simultan dari
variabel independen terhadap variabel dependen.
H1 :bi ≠ 0, artinya terdapat pengaruh yang signifikan secara simultan dari variabel
independen terhadap variabel dependen.
Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak
digunakan uji F. Penelitian ini menggunakan tingkat signifikansi (α) = 5%. Jik a
tingkat signifikan di bawah 0.05 maka H0 ditolak dan H1 diterima. Kriteria
pengambilan keputusan:
a.
Bila nilai F
hitung
< nilai F
tabel
, maka H0 diterima dan H1 ditolak apabila
nilai signifikan (α) = 5%, artinya secara simultan variabel bebas tidak
berpengaruh dan tidak signifikan terhadap variabel terikat.
b.
Bila nilai F
hitung
> nilai F
tabel
maka H0 ditolak dan H1 diterima apabila
nilai signifikan (α) = 5%, artinya secara simultan variabel bebas
berpengaruh positif dan signifikan terhadap variabel terikat.
Tabel 4.9
Hasil Uji F (Uji Simultan)
ANOVAb
b
ANOVA
Model
1
Sum of Squares
df
Mean Square
Regression
217,583
3
72,528
Residual
721,655
44
16,401
Total
939,238
47
F
Sig.
4,422
,008
a
a. Predictors: (Constant), pertumbuhanpenjualan, ukuranperusahaan, der
b. Dependent Variable: roa
Berdasarkan hasil uji F disimpulkan bahwa hasil uji DER, ukuran
perusahaan, pertumbuhan penjualan terhadap ROA dimana F
hitung
sebesar 4,422
dan F tabel sebesar 2,816. Ini membuktikan bahwa F hitung > F tabel dan signifikansi
sebesar 0,008 < 0,05 maka H1 diterima dan H0 ditolak. Berarti DER, ukuran
perusahaan, dan pertumbuhan penjualan berpengaruh positif dan signifikan secara
simultan terhadap ROA.
4.3
Pembahasan Hasil Penelitian
4.3.1 Pengaruh DER terhadap ROA
Secara parsial menunjukkan bahwa hasil uji X1 yaitu DER terhadap Y
yaitu ROA menunjukkan bahwa nilai t hitung untuk DER adalah 1,755 > t tabel 1,680
dengan tingkat signifikansi 0,086 > 0,05. Berarti H0 ditolak dan H1 diterima.
Dengan demikian, dapat diambil kesimpulan bahwa DER berpengaruh positif dan
signifikan terhadap ROA. Hasil penelitian ini sesuai dengan penelitian yang
dilakukan Fitri Linda (2011) yang menyatakan bahwa DER memiliki pengaruh
terhadap ROA. Namun hasil dari penelitian ini tidak sesuai dengan penelitian
Campbel (2002) yang berpendapat bahwa DER mempunyai pengaruh negatif dan
signifikan terhadap ROA.
4.3.2
Pengaruh Ukuran Perusahaan Terhadap ROA
Secara parsial variabel ukuran perusahaan terhadap ROA dapat dilihat
dari hasil uji t, nilai t
hitung
-2,913 < t
tabel
1,680 dengan tingkat signifikansi
0,006 < 0,05. Hasil ini menunjukkan bahwa H0 diterima dan H1 ditolak. Berarti
ukuran perusahan berpengaruh terhadap ROA. Hal ini dikarenakan ukuran
perusahaan sebenarnya relatif sama tetapi pada periode yang diteliti ada beberapa
perusahaan pertumbuhan labanya sangat besar. Hasil penelitian ini sesuai dengan
penelitian yang dilakukan oleh Miyajima, dkk (2003) yang berpendapat bahwa
ukuran perusahaan berpengaruh kepada ROA. Namun hasil dari penelitian ini
tidak sesuai dengan penelitian yang dilakukan oleh Rahmat Setiawan (2011) yang
menyatakan bahwa ukuran perusahaan tidak berpengaruh kepada ROA.
4.3.3
Pengaruh Pertumbuhan Penjualan terhadap ROA
Secara parsial variabel pertumbuhan penjualan terhadap ROA dapat dilihat
dari hasil uji t yang menunjukkan bahwa
penjualan adalah -1,504 < t
tabel
nilai t
hitung
untuk pertumbuhan
1,680 dan nilai signifikansi 0.140 > 0.05. H0
diterima dan H1 ditolak. Berarti pertumbuhan penjualan tidak berpengaruh
terhadap ROA. Hasil penelitian ini sesuai dengan penelitian yang dilakukan
Nugroho (2011) yang berpendapat bahwa pertumbuhan penjualan memiliki
pengaruh yang negatif terhadap ROA. Namun hasil penelitian ini tidak sesuai
dengan penelitian yang dilakukan oleh Falope dan Olubanjo yang menyatakan
bahwa pertumbuhan penjualan berpengaruh positif terhadap ROA.
4.3.4
Secara Simultan
Berdasarkan hasil uji F dapat disimpulkan bahwa hasil uji DER, ukuran
perusahaan, pertumbuhan penjualan terhadap ROA dimana F
hitung
sebesar 4,422
dan F tabel sebesar 2,816. Ini membuktikan bahwa dengan demikian F hitung > F tabel
dan signifikansi sebesar 0,008 < 0,05 maka H1 diterima dan H0 ditolak.
Berarti DER, ukuran perusahaan, dan pertumbuhan penjualan berpengaruh positif
dan signifikan secara simultan terhadap ROA. Hasil penelitian ini sesuai dengan
penelitian yang dilakukan oleh Pougrahajan Abbasali, dkk (2013) yang
berpendapat bahwa DER, ukuran perusahaan dan pertumbuhan penjualan
memiliki pengaruh terhadap ROA.
BAB V
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Berdasarkan penelitian yang telah dilakukan maka dihasilkan kesimpulan
sebagai berikut:
1.
Secara parsial membuktikan bahwa struktur modal (DER) dan ukuran
perusahaan berpengaruh terhadap profitabilitas (ROA). Sedangkan
pertumbuhan penjualan tidak berpengaruh terhadap profitabilitas (ROA).
2.
Secara simultan struktur modal, ukuran perusahaan, dan pertumbuhan
penjualan berpengaruh
positif dan signifikan terhadap profitabilitas
(ROA).
3.
Berdasarkan hasil uji determinasi, R = 0,481 menunjukkan bahwa
hubungan antara DER, ukuran perusahaan dan pertumbuhan penjualan
terhadap ROA cukup erat. Berdasarkan R2 ketiga variabel independen
yaitu DER, ukuran perusahaan, pertumbuhan penjualan hanya mampu
menjelaskan variasi profitabilitas sebesar 23,2%. Ini menunjukkan bahwa
76,8% variasi profitabilitas dijelaskan oleh faktor-faktor lain selain dari
DER dan ukuran perusahaan.
5.2
Saran
Setelah melakukan penelitian ini, maka diperoleh beberapa saran:
1.
Peneliti selanjutnya diharapkan untuk dapat menambah alat ukur lainnya
dalam profitabilitas dan dapat menambahkan variabel independen lainnya,
seperti: perputaran modal kerja, umur perusahaan dan leverage.
2.
Peneliti selanjutnya diharapkan dapat menambah tahun pengamatan dan
dapat menggunakan perusahaan yang terdaftar diseluruh sektor yang ada
di BEI dengan harapan hasil yang diperoleh lebih akurat.