BAB III METODE PENELITIAN. sebab-akibat (causal research), yaitu penelitian yang dilakukan untuk

Transkripsi

1 BAB III METODE PENELITIAN 3.1 Jenis Penelitian Jenis penelitian yang dilakukan dalam penelitian ini merupakan penelitian sebab-akibat (causal research), yaitu penelitian yang dilakukan untuk menganalisis hubungan-hubungan antara satu variabel dengan variabel lainnya atau bagaimana suatu variabel mempengaruhi variabel lainnya (Erlina, 2011 : 21). Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif yang bersumber dari data sekunder. Data yang digunakan berasal dari laporan keuangan perusahaan garmen dan tekstil yang listing di Bursa Efek Indonesia selama tahun 2008 hingga 2010, antara lain neraca (balance sheet), laporan laba-rugi (income statements), dan ratio yang diperoleh melalui media internet, buku serta jurnal referensi lainnya. 3.2 Populasi dan Sampel Populasi adalah wilayah generalisasi yang terdiri atas objek / subjek yang memiliki kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari kemudian ditarik kesimpulannya (Suharyadi dan Purwanto, 2004 : 55). Target populasi dalam penelitian ini adalah perusahaan garmen dan tekstil yang terdaftar dan tidak keluar (delisting) di Bursa Efek Indonesia pada periode 2008 sampai Perusahaan-perusahaan ini juga diharapkan memiliki laporan keuangan publikasi yang lengkap hingga pada tahun yang bersangkutan serta data yang dimiliki perusahaan dalam laporan keuangannya dinilai cukup dan memadai

2 sesuai dengan kriteria yang diteliti baik variabel independen maupun variabel dependen. Sampel adalah bagian populasi yang digunakan untuk memperkirakan karakteristik populasi (Erlina dan Mulyani, 2007 : 74). Teknik pengambilan sampel dalam penelitian ini dilakukan dengan menggunakan pendekatan Non- Probability Sample (Selected Sample) melalui metode Purposive Sampling. Purposive sampling merupakan teknik pengambilan sampel secara sengaja dengan kriteria tertentu. Pada penelitian ini, dari perusahaan garmen dan tekstil yang terdaftar di Bursa Efek Indonesia dan tidak delisting sejak tahun 2008 hingga 2010, hanya terdapat 10 perusahaan dari 25 perusahaa yang dinilai layak untuk dijadikan sampel penelitian. Hal ini terjadi karena pertimbangan-pertimbangan tertentu yaitu: a. perusahaan garmen dan tekstil yang sudah terdaftar di Bursa Efek Indonesia sebelum 1 Januari 2008 b. Perusahaan tersebut mempublikasikan laporan keuangannya secara lengkap di Bursa Efek Indonesia dan tidak keluar (delisting) selama periode 2008 hingga c. Perusahaan tersebut dinilai layak dan memiliki data yang cukup untuk diteliti oleh peneliti.

3 Tabel 3.1 Daftar Emitten BEI yang Menjadi Sampel Penelitian NO KODE Nama Perusahaan 1 ADMG PT Polychem Indonesia Tbk. 2 ARGO PT Argo Pantes Tbk. 3 BATA PT Sepatu Bata Tbk 4 BIMA PT Primarindo Asia Infrastructure Tbk 5 CNTB PT Centex Tbk Saham Seri B. 6 CNTX PT Century Textile Industry (CENTEX) Tbk. 7 DOID PT Delta Dunia Petroindo Tbk 8 ERTX PT Eratex Djaya Tbk. 9 ESTI PT Ever Shine Textile Industry Tbk. 10 FMII PT Fortune Mate Indonesia Tbk 11 HDTX PT Pan Asia Indosyntec Tbk. 12 INDR PT Indo Rama Synthetic Tbk. 13 KARW PT Karwell Indonesia Tbk. 14 MYRX PT. Hanson International Tbk 15 MYTX PT Apac Citra Centertex Tbk. 16 PAFI PT Pan Asia Filament Inti Tbk. 17 PBRX PT Pan Brothers Tbk. 18 POLY PT Asia Pasific Fibers Tbk. 19 RICY PT Ricky Putra Globalindo Tbk. 20 SIMM PT Surya Intrindo Makmur Tbk 21 SRSN PT Indo Acidatama Tbk. 22 SSTM PT Sunson Textile Manufacturer Tbk. 23 TFCO Tifico Fiber Indonesia Tbk. 24 UNIT PT Nusantara Inti Corpora Tbk. 25 UNTX PT Unitex Tbk.

4 3.3 Batasan Operasional Adapun hal yang menjadi batasan operasional penelitian penulis, yaitu: a. Subjek dalam penelitian ini adalah perusahaan garmen dan tekstil yang terdaftar di Bursa Efek Indonesia (BEI). b. Data laporan keuangan yang digunakan adalah laporan keuangan perusahaan garmen dan tekstil yang terdaftar di Bursa Efek Indonesia pada tahun 2008 hingga c. Penelitian ini dilakukan untuk melihat pengaruh modal kerja bersih terhadap tingkat rentabilitas usaha dengan analisis regresi berganda, yang dilakukan dengan menggunakan alat bantu program SPSS versi 16.0 for window (Statistic Product and Social Sciences). 3.4 Defenisi Operasional Berdasarkan masalah dan hipotesis yang akan diuji, parameter yang digunakan adalah sebagai berikut: a. Variabel Terikat (dependent variable) Variabel dependen dalam penelitian ini adalah Return on Equity (ROE) atau sering juga disebut dengan tingkat pengembalian modal sendiri. Return on Equity (ROE) = Laba Setelah Pajak Total Ekuitas

5 b. Variabel Bebas (independent variable) 1) Perputaran kas (cash turnover) Perputaran kas menunjukkan bagaimana kas dan setara kas yang diinvestasikan dalam operasional perusahaan khususnya yang dikaitkan dengan penjualan dapat kembali dikonversi menjadi kas kembali dalam satu periode. Analisis perputaran kas menunjukkan seberapa cepat kas dan setara kas yang diinvestasikan dalam kegiatan operasional dapat dikonversi kembali menjadi kas melalui hasil penjualan perusahaan. Rasio ini dihitung dengan : Perputaran kas (cash turnover) = Penjualan Rata-rata kas dan setara kas 2) Perputaran piutang usaha ( account receivable turnover) Perputaran piutang usaha mempunyai hubungan yang erat dengan jumlah penjualan kredit. Rasio perputaran piutang usaha (account receivable turnover) memberikan pandangan mengenai kualitas piutang perusahaan dan seberapa berhasil perusahaan dalam menagih piutangnya dalam satu periode. Rasio ini dihitung dengan : Perputaran piutang usaha = Penjualan Rata-rata piutang usaha

6 3) Perputaran persediaan (inventory turnover) Perputaran persediaan menunjukkan berapa kali persediaan barang berputar selama satu periode tertentu. Tingkat persediaan ini dihitung dengan membagi harga pokok penjualan dengan persediaan, atau dengan rumus : Perputaran persediaan = Harga pokok penjualan Rata-rata persediaan Besarnya tingkat perputaran persediaan tergantung pada sifat barang, letak, dan jenis perusahaan. Tingkat perputaran persediaan yang rendah dapat disebabkan over investment dalam persediaan. Sebaliknya tingkat perputaran persediaan yang tinggi menunjukkan dana yang diinvestasikan pada persediaan efektif menghasilkan laba. 4) Perputaran kewajiban lancar (current liabilities turnover) Perputaran kewajiban lancar digunakan untuk mengukur berapa kali kewajiaban lancar dibayar setiap tahunnya dengan tepat waktu. Tingkat perputaran utang lancar dapat dihitung dengan rumus: Perputaran hutang lancar = Penjualan Rata-rata kewajiban lancar

7 5) Perputaran modal kerja bersih (Net Working capital turnover) Net Working capital turnover (NWCT) yaitu rasio yang memperlihatkan adanya keefektifan modal kerja dalam pencapaian penjualan. Perputaran modal kerja bersih dirumuskan dengan : Net Working capital turnover = Penjualan Rata-rata modal kerja bersih 3.5 Tempat dan Waktu Penelitian a. Tempat Penelitian Penelitian dilakukan dengan menggunakan situs b. Waktu Penelitian Penelitian dilaksanakan sejak Maret 2013 sampai dengan Mei Teknik Pengumpulan Data Teknik pengumpulan data dalam penelitian ini dilakukan dengan studi dokumentasi, yaitu dengan mempelajari, mengklasifikasikan, dan menganalisis data sekunder yang terkait dengan lingkup penelitian ini. Data tersebut diperoleh dari laporan keuangan perusahaan garmen dan tekstil yang terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2008 sampai dengan tahun 2010 dan dari Indonesian Capital Market Directory (ICMD). Pengumpulan data dilakukan melalui studi pustaka berupa literatur, jurnal, skripsi, dan buku-buku referensi untuk mendapatkan gambaran masalah yang

8 diteliti serta mengumpulkan data sekunder yang diperlukan yaitu laporan-laporan keuangan yang dipublikasikan oleh Bursa Efek Indonesia. Laporan keuangan publikasi ini diperoleh dari internet melalui situs per 31 Desember setiap tahunnya. Sedangkan untuk data mengenai harga saham dapat dilihat dan didownload dari situs dan Metode Analisis Data Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis deskriptif dan metode analisis statistik sebagai berikut: Metode Analisis Deskriptif Metode analisis deskriptif adalah suatu metode analisis dimana data yang dikumpulkan dan digolongkan kemudian dianalisis dan diinterpretasikan secara obyektif Metode Regresi Berganda Analisis regresi berganda digunakan untuk mengetahui pengaruh dari perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran kewajiban lancar, perputaran modal kerja bersih terhadap rentabilitas usaha (ROE). Persamaan regresi berganda yang dipakai adalah sebagai berikut: Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + b 5 X 5 + e

9 Keterangan: Y = Rentabilitas Usaha (ROE) a = konstanta b1, b2, b3, b4, b5 = Parameter koefisien regresi X1 = Perputaran kas X2 = Perputaran piutang usaha X3 = Perputaran persediaan X4 = Perputaran kewajiban lancar X5 = Perputaran Modal Kerja Besih e = Pengganggu Adapun syarat uji normalitas atau uji asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut: a. Pengujian Normalitas Uji normalitas atau distribusi normal dilakukan untuk mengetahui apakah dalam suatu model regresi, variabel independen, variabel dependen, atau keduanya berdistribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi normal atau mendekati normal. Salah satu cara termudah untuk melihat normalitas adalah dengan melihat histogram yang membandingkan antara data

10 observasi dengan distribusi yang mendekati distribusi normal dan dengan melakukan pendekatan grafik. Pada pendekatan histogram, uji normalitas data dapat dilihat dengan kurva normal, yakni kurva yang memiliki ciri-ciri khusus, salah satu diantaranya adalah bahwa mean, mode dan median berada pada tempat yang sama. Jika ketiga tendensi sentral tersebut tidak berada pada satu tempat, maka kurva tersebut juling ke kiri atau ke kanan. Ukuran kemiringan puncak kurva ke kiri atau ke kanan tersebut dikenal dengan istilah kemiringan kurva (skewness). Selain uji normalitas menggunakan pendekatan histogram, uji normalitas dapat juga dilihat dengan menggunakan pendekatan grafik. Menurut Ghozali (2005 : 110), cara untuk mendeteksi apakah residual berdistribusi normal atau tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dalam grafik dan dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya adalah: a) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas.

11 b) Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogramnya tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Grafik PP plot akan membentuk plot antara nilai-nilai teoritis (sumbu x) melawan nilai-nilai yang didapat dari sampel (sumbu y). Apabila plot dari keduanya berbentuk linier (dapat didekati oleh garis lurus), maka hal ini merupakan indikasi bahwa residual menyebar normal. Namun perlu diketahui, bahwa uji normalitas residual dengan grafik dapat menyesatkan apabila tidak hati-hati memperhatikan grafik secara visual. Karena secara visual, grafik bisa kelihatan normal. Oleh karena itu, untuk melengkapi uji normalitas dengan metode grafik dilakukan juga uji statistic lainnya yang dapat digunakan untuk menguji normalitas residual. Uji statistic lainnya yang dapat digunakan untuk melengkapi uji normalitas dengan pendekatan histogram dan grafik adalah uji statistic non-parametrik Kolmogrov-Smirnov (K-S). Uji K-S dibuat dengan menggunakan hipotesis: Ho H 1 : data residual tidak berdistribusi normal : data residual berdistribusi normal Bila signifikansi <0,05 dengan α = 5% berarti distribusi data tidak normal dan Ho diterima, sebaliknya bila signifikansi

12 >0,05 berarti distribusi data normal dan H 1 diterima. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto (2004 : 172), yaitu: a) Dengan melakukan transformasi data ke bentuk lain, yaitu: logaritma natural, akar kuadrat, atau logaritma 10 b) Lakukan trimming, yaitu memangkas observasi yang bersifat outlier. c) Lakukan winsorizing, yaitu mengubah nilai-nilai data outlier menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal. b. Uji Multikolineritas Interpensi dari persamaan regresi ganda secara implisit bergantung pada asumsi bahwa variabel-variabel independen dalam persamaan tersebut tidak saling berkorelasi. Koefisienkoefisien regresi biasanya diinterpretasikan sebagai ukuran perubahan variabel dependen jika salah satu variabel independennya naik sebesar satu unit dan seluruh variabel independen lainnya dianggap tetap. Namun interpretasi ini menjadi tidak benar jika terdapat hubungan linear antar variabel independen. Uji multikolineritas diperlukan untuk mengetahui ada tidaknya hubungan linear antar variabel independen dalam satu

13 model. Hubungan linear antar variabel independen inilah yang disebut multikolineritas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Salah satu cara untuk mendeteksi multikolineritas menurut Ghozali (2005 : 91) dapat dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance digunakan untuk mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cut off yang umum digunakan untuk mendeteksi adanya multikolineritas adalah tolerance < 0,10 atau sama dengan nilai VIF > 5. Jika nilai tolerance < 0,10 atau sama dengan nilai VIF > 5 maka hal ini mengindikasikan terjadi multikolineritas. Selain dengan memperhatikan nilai tolerance dan VIF, uji multikolinearitas dapat juga diperhatikan melalui tabel collinearity diagnostics. Melalui table uji collinearity diagnostics dapat disimpulkan bahwa tidak terjadi multikolinearitas antar variabel independen jika diperoleh hasil korelasi antara variabel independen di bawah 0,9. c. Uji Heterokedastisitas Menurut Erlina dan Mulyani (2007 : 107), uji ini digunakan untuk menguji apakah suatu model regresi terjadi

14 ketidaksamaan varians dari residual atas suatu pengamatan terhadap pengamatan lainnya atau tidak. Jika varians dari residual atas suatu pengamatan terhadap pengamatan lainnya tetap, maka disebut homokedastisitas. Namun apabila residual atas suatu pengamatan terhadap pengamatan lainnya berbeda, maka disebut heterokedastisitas. Model yang baik adalah tidak terdapat heterokedastisitas. Alat untuk menguji heteroskedastisitas bisa dibagi dua, yakni dengan menggunakan analisis grafik atau dengan menggunakan analisis residual yang berupa statistik. Asumsi heteroskedastisitas adalah asumsi dalam regresi di mana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lainnya. Ada tidaknya heteroskedastis dapat dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel independen dengan nilai residualnya. Pada grafik scatterplot, data uji akan menunjukkan hasil berupa sebaran titik-titik, dimana titiktitik yang terbentuk harus menyebar secara acak, tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain: a) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas,

15 b) Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastistas. d. Uji Autokorelasi Pada data time series sering ditemukan adanya masalah autokorelasi. Menurut Ghozali (2005 : 95), uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi autokorelasi maka dikatakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi ini menggunakan uji Durbin Watson (DW test). Kriteria untuk penilaian terjadinya autokorelasi adalah: a) Angka D-W di bawah -2 berarti ada autokorelasi positif b) Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi baik positif maupun negatif c) Angka D-W di atas +2 berarti ada autokorelasi negatif 1. Pengujian Hipotesis Uji hipotesis berguna untuk memeriksa atau menguji apakah koefisien regresi yang didapat signifikan. Pengujian hipotesis ini dilakukan

16 dengan metode analisis regresi linear berganda untuk mengetahui apakah variabel bebas mempunyai pengaruh terhadap variabel terikat. Ada dua jenis koefisien regresi yang dapat dilakukan, yaitu uji-f dan uji-t. a. Uji-F (Uji Signifikansi Simultan) Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas secara simultan dapat diterima menjadi model penelitian terhadap variabel terikat. Pengujian ini juga bertujuan untuk mengetahui apakah variabel-variabel independen secara bersama-sama mempengaruhi variabel dependen secara signifikan. Pengujian simultan ini menggunakan uji F, yaitu dengan membandingkan antara nilai signifikansi F dengan nilai signifikansi yang digunakan yaitu 0,05. Bentuk pengujiannya adalah: H 0 : b 1 = b 2 = b 3 = b 4 = b 5 = 0, artinya secara simultan variabel perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran kewajiban lancar, dan perputaran modal kerja bersih tidak memenuhi model penelitian dan tidak mempunyai pengaruh yang signifikan secara bersama-sama terhadap Return on Equity (ROE). H1 : b 1 b 2 b 3 b 4 b 5 0, artinya secara simultan variabel perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran kewajiban lancar, dan perputaran modal kerja bersih

17 telah memenuhi model penelitian dan mempunyai pengaruh yang signifikan secara bersama-sama terhadap Return on Equity (ROE). Kriteria pengambilan keputusan: H 0 diterima jika F hitung F tabel pada α = 5% H1 diterima jika F hitung > F tabel pada α = 5% b. Uji-t (Uji Parsial) Digunakan untuk menguji koefisien regresi secara individual. Pengujian ini dilakukan untuk mengetahui apakah secara parsial masing-masing variabel bebas mempunyai pengaruh signifikan atau tidak terhadap variabel terikat. Setelah didapat nilai t hitung, maka selanjutnya nilai t hitung tersebut dibandingkan dengan nilai t tabel. Bentuk pengujiannya sebagai berikut: H0 : b 1 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran kas terhadap ROE secara parsial. H1 : b 1 0, artinya terdapat pengaruh signifikan dari variabel perputaran kas terhadap ROE secara parsial. H0 : b 2 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran piutang usaha terhadap ROE secara parsial. H1 : b 2 0, artinya terdapat pengaruh signifikan dari variabel perputaran piutang usaha terhadap ROE secara parsial.

18 H 0 : b 3 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran persediaan terhadap ROE secara parsial. H1 : b 3 0, artinya terdapat pengaruh signifikan dari variabel perputaran persediaan terhadap ROE secara parsial. H0 : b 4 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran kewajiban lancar terhadap ROE secara parsial. H1 : b 4 0, artinya terdapat pengaruh signifikan dari variabel perputaran kewajiban lancar terhadap ROE secara parsial. H0 : b 5 = 0, artinya tidak terdapat pengaruh signifikan dari variabel perputaran modal kerja bersih terhadap ROE secara parsial. H1 : b 5 0, artinya terdapat pengaruh signifikan dari variabel perputaran modal kerja bersih terhadap ROE secara parsial. Pada penelitian ini, thitung akan dibandingkan dengan t tabel pada tingkat signifikansi (α) = 5%. Kriteria pengambilan keputusan: Jika t hitung < t tabel, maka H 0 diterima dan H 1 ditolak Jika thitung > t tabel, maka H 0 ditolak dan H 1 diterima. Jika tingkat signifikansi di bawah 0,05 maka H0 ditolak dan H 1 diterima.

19 c. Koefisien Determinasi Pengujian ini bertujuan untuk menguji tingkat keeratan atau keterikatan antar variabel dependen dan variabel independen yang bisa bisa dilihat dari besarnya nilai koefisien determinasi multiple R 2. Pengujian determinasi (R 2 ) akan menunjukkan besarnya persentase sumbangan variabel perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran kewajiban lancar, dan perputaran modal kerja bersih terhadap ROE, dimana 0<R 2 <1. Hal ini berarti bahwa R 2 semakin mendekati 1 merupakan indikator yang menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen.

20 BAB IV HASIL DAN PEMBAHASAN 4.1. Data penelitian Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS. Prosedur dimulai dengan memasukkan variabelvariabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan sebelumnya pada populasi dan sampel penelitian, didapat 10 perusahaan tekstil dan garmen yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini dan diamati selama periode Analisis hasil penelitian Analisis statistik deskriptif Metode yang digunakan dalam penelitian ini adalah metode statistik deskriptif, yaitu penelitian yang dilakukan untuk memperoleh gambaran yang sebenarnya tentang kondisi perusahaan dalam analisis. Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maximum, dan nilai rata-rata (mean), dan nilai standar deviasi dari variabel-variabel independen dan variabel dependen (Erlina, 2011). Informasi yang dibutuhkan dalam

21 penelitian ini merupakan data sekunder yang diperoleh dari dan Indonesian Capital Market Directory berupa data keuangan sampel perusahaan tekstil dan garmen dari tahun 2008 sampai tahun 2010 yang dijabarkan dalam bentuk statistik. Variabel dari penelitian ini terdiri dari perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn persediaan lancar dan perputaran modal kerja sebagai variabel bebas (independent variabel) dan ROE sebagai variabel terikat (dependent variabe). Statistik deskriptif dari variabel tersebut selama periode tahun 2008 sampai dengan tahun 2010 disajikan dalam tabel berikut ini: Tabel 4.1 Hasil statistik deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation Perputaran Kas 30,06 143,50 52,6417 6,79104 Perputaran Piutang Usaha 30 1,92 65,70 14,1387 2,75652 Perputaran Persediaan 30,37 25,30 9,1963 1,16106 Perputaran Kewajiban Lancar 30 1,13 15,40 3,6550,56296 Perputaran Modal Kerja 30,91 103,00 25,5943 6,50474 ROE 30-4,61 2,78-1,5339,32870 Valid N (Listwise) 30 Sumber : output SPSS Berdasarkan dari tabel 4.1 dapat dijelaskan bahwa: 1. Jumlah sampel (N) dalam penelitian ini sebanyak Variabel Perputaran Kas memiliki nilai minimum 0,06, nilai maximum 143,50, rata-rata 52,6417, dan standar deviasi 6, Hasil uji ini mengindikasikan hasil yang baik (nilai penyimpangan dari data variabel tersebut lebih kecil daripada nilai rata-ratanya).

22 3. Variabel Perputaran Piutang Usaha memiliki nilai minimum 1,92, nilai maximum 65,70, rata-rata 14,1387, dan standar deviasi 2, Hasil uji ini mengindikasikan hasil yang baik (nilai penyimpangan dari data variabel tersebut lebih kecil daripada nilai rata-ratanya). 4. Variabel Perputaran Persediaan memiliki nilai minimum 0,37, nilai maximum 25,30, rata-rata 9,1963, dan standar deviasi 1, Hasil uji ini mengindikasikan hasil baik (nilai penyimpangan dari data variabel tersebut lebih kecil daripada nilai rata-ratanya). 5. Variabel Perputaran Kewajiban Lancar memiliki nilai minimum - 1,13, nilai maximum 15,40, rata-rata 3,6550, dan standar deviasi 0, Hasil uji ini mengindikasikan hasil yang baik (nilai penyimpangan dari data variabel tersebut lebih kecil daripada nilai rata-ratanya). 6. Variabel Perputaran Modal Kerja memiliki nilai minimum 0,91, nilai maximum 103,00, rata-rata 25,5943 dan standar deviasi 6, Hasil uji ini mengindikasikan hasil yang baik (nilai penyimpangan dari data variabel tersebut lebih kecil daripada nilai rata-ratanya). 7. Variabel ROE memiliki nilai minimum -4,61, nilai maximum 2,78, rata-rata -1,5339, dan standar deviasi 0, Hasil uji ini mengindikasikan hasil yang tidak baik (nilai penyimpangan dari data variabel tersebut lebih besar daripada nilai rata-ratanya).

23 Pengujian asumsi klasik Salah satu syarat yang mendasari penggunaan model regresi berganda adalah dipenuhinya semua asumsi klasik agar hasil pengujian bersifat efisien dan tidak bias. Menurut Ghozali (2005:123), asumsi klasik yang harus dipenuhi adalah berdistribusi normal, non-multikolinearitas, non-autokorelasi dan non-heterokedastisitas Uji normalitas Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F perlu mengasumsikan bahwa nilai residual mengikuti distribusi normal. Pengujian normalitas dalam penelitian ini menggunakan dua metode yang secara umum digunakan oleh penelitian lainnya, yaitu analisis statistik dengan menggunakan uji non-parametrik Kolmogorov- Smirnov (K-S) dan analisis grafik yang terdiri dari histogram dan normal probability plot. Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non-parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis: 1. Jika Z hitung (Kolmogrov Smirnov) < Z tabel (1,96) atau angka signifikan > signifikansi (α) 0,05 maka distribusi data dikatakan normal.

24 2. Jika Z hitung (Kolmogrov Smirnov) > Z hitung (1,96) atau angka signifikansi < signifikansi (α) 0,05 maka distribusi data dikatakan tidak normal. Setelah dilakukan transformasi, data kemudian diuji kembali berdasarkan uji normalitas. Hasil uji kolmogrov-smirnov setelah dilakukannya transformasi data ke dalam bentuk logaritma natural dapat dilihat dibawah ini: Tabel 4.2 Hasil uji normalitas setelah transformasi One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 30 a,b Normal Parameters Mean Std. Deviation Most Differences ExtremeAbsolute.200 Positive.200 Negative Kolmogorov-Smirnov Z.1,095 Asymp. Sig. (2-tailed).182 a. Test distribution is Normal. b. Calculated from data. Sumber : output SPSS Tabel 4.2 menunjukan bahwa hasil pengujian statistik dengan model kolmogrov-smirnov adalah data terdistribusi normal karena nilai Asymp. Sig 0,182 > nilai signifikan 0,05 dan Z hitung (Kolmogrov Smirnov) 1,095 < Z tabel (1,96). Hasil uji normalitas dengan menggunakan grafik histogram dan normal probability plot juga menunjukan bahwa data terdistribusi normal. Hal tersebut dilihat melalui grafik histogram dan normal probability plot dibawah ini.

25 Gambar 4.1 Uji normalitas (Histogram) Sumber : output SPSS Setelah adanya transformasi data, distribusi residual menjadi relatif lebih normal. Hal ini ditunjukan oleh grafik histogram pada gambar 4.1 tidak terlalu menceng, baik ke kanan maupun ke kiri. Hasil yang sama juga dapat dilihat dari grafik normal probability plot pada gambar dibawah ini.

26 Gambar 4.2 Uji normalitas (Normal Probability Plot) Sumber : output SPSS Pola titik-titik pada normal probability plot (gambar 4.2) setelah ditransformasi menunjukan pola titik-titik menyebar, mendekati dan searah dengan garis diagonal menunjukan bahwa data residual telah terdistribusi dengan normal. Namun seringkali data kelihatan normal karena mengikuti garis diagonal. Padahal belum tentu data tersebut berdistribusi normal.

27 Uji multikolinieritas Multikolinearitas menunjukkan ada tidaknya variabel independen yang memiliki hubungan yang kuat dengan variabel independen lain dalam model regresi, agar pengambilan keputusan pengaruh pada uji parsial masing-masing variabel independen tidak bias. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai Variance Inflation Factor (VIF) dan korelasi diantara variabel independen. Jika nilai VIF < 10 atau nilai tolerance > 0,10, maka tidak terjadi multikolonearitas. Tabel 4.3 Hasil uji multikolinearitas Model Collinearity Statistics Tolerance VIF 1 (Constant) Perputaran Kas.611 1,637 Perputaran Piutang Usaha.610 1,639 Perputaran Persediaan.687 1,456 Perputaran Kewajiban Lancar.558 1,793 Perputaran Modal Kerja.403 2,483 Sumber : output SPSS Berdasarkan pada tabel diatas, dapat disimpulkan bahwa tidak terjadi gejala multikolonieritas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel > dari 0,1. Nilai tolerance Perputaran Kas adalah 0,611; Perputaran Piutang Usaha 0,610; Perputaran Persediaan 0,687; Perputaran Kewajiban Lancar 0,558; Perputaran Modal Kerja 0,403. nilai VIF kelima variabel independen < dari 10 yaitu Perputaran Kas 1,637; Perputaran Piutang Usaha 1,639; Perputaran Persediaan

28 1,456; Perputaran Kewajiban Lancar 1,793; dan Perputaran Modal Kerja 2,483. maka dapat disimpulkan bahwa analisis lebih lanjut dapat dilakukan Uji heteroskedastisitas Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas 2. jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar.

29 Gambar 4.3 Scatterplot Sumber: output SPSS Ada tidaknya heteroskedastis dapat dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel independen dengan nilai residualnya. Pada grafik scatterplot, data uji akan menunjukkan hasil berupa sebaran titik-titik, dimana titik-titik yang terbentuk harus menyebar secara acak, tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu serta tersebar baik di atas

30 maupun di bawah angka 0 pada sumbu Y dan berada disekitar angka 0, sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi ROE berdasarkan masukan variable independen perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn persediaan lancar dan perputaran modal kerja. Adanya titiktitik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya data observasi yang sangat berbeda dengan data observasi yang lain Uji autokorelasi Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat. Pengambilan keputusan ada tidaknya autokorelasi dapat dilihat sebagai berikut Tabel 4.4 Kriteria pengambilan keputusan uji durbin watson Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif No decision dl d du Tidk ada korelasi negatif Tolak 4-dl < d < 4 Tidak ada korelasi negatif No decision 4-du d 4-dl Tidak ada korelasi, positif atau negatif Tidak ditolak Du < d < 4-du Sumber : ghozali (2005:96)

31 Tabel 4.5 Hasil uji statistik durbin-watson Model Summary b Model R R Square Adjusted R Std. Error of the Durbin-Watson Square Estimate 1 a,654,428,309 1, ,441 a. Predictors: (Constant), Perputaran_Modal_kerja, Perputaran_piutang_usaha, Perputaran_persediaan, Perputaran_kas, Perputaran_kewajiban_lancar b. Dependent Variable: ROE Sumber : output SPSS Berdasarkan tabel 4.5 hasil uji Durbin-Watson sebesar 1,441. Nilai DW dalam perhitungan tersebut akan dibandingkan dengan nilai kritis tabel Durbin-Watson. Untuk variabel bebas (k) = 5 dan jumlah sampel (N) = 30 besar DW tabel dl (batas luar) = 1,650 dan du (batas dalam) = 1,310; 4 du =2,690. Berdasarkan tabel 4.5 dapat dilihat perbandingan nilai DW berada diantara du dan 4 du (1,310< 1,441 < 2,690). Menurut tabel 4.4, nilai ini menunjukan suatu kesimpulan bahwa model regresi linier dalam penelitian menunjukan tidak terjadinya autokorelasi, sehingga model regresi penelitian ini masih layak digunakan Pengujian hipotesis Uji hipotesis dilakukan dengan dua tahap, yakni uji t dan uji F. Pengaruh variabel bebas terhadap variabel terikat secara parsial akan diketahui dengan menggunakan uji t. Pengaruh variabel bebas terhadap variabel terikat secara simultan akan dilihat dengan menggunakan uji F. Berdasarkan hasil pengolahan data dengan program SPSS, maka diperoleh hasil sebagai berikut:

32 Uji signifikansi parsial (t-test) Uji t dilakukan untuk mengetahui hubungan antara variabelvariabel independen terhadap variabel dependen secara parsial. Hipotesis yang akan diuji adalah: H 0 = kinerja keuangan yang terdiri dari perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn persediaan lancar dan perputaran modal kerja secara parsial tidak mempunyai pengaruh terhadap ROE; H a = kinerja keuangan yang terdiri dari perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn persediaan lancar dan perputaran modal kerja secara parsial mempunyai pengaruh terhadap ROE. Uji ini dilakukan dengan membandingkan signifikansi t dengan ketentuan: jika thitung < t tabel pada α 0,05, maka Ha ditolak, dan jika thitung > t tabel pada α 0,05, maka Ha diterima. Tabel 4.6 Hasil uji parsial (t-test) Coefficients a hitung Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. (Constant) -3,656,676-5,406,000 Perputaran_kas,030,010,623 3,156,004 Perputaran_piutang_usaha,022,024,184,932,361 1 Perputaran_persediaan,104,053,369 1,982,059 Perputaran_kewajiban_lanc ar,034,121,058,280,782 Perputaran_Modal_kerja -,034,012 -,665-2,736,012

33 a. Dependent Variable: ROE Sumber : output SPSS Tabel 4.7 menunjukan hasil pengujian statistik t sehingga dapat menjelaskan pengaruh variabel independen secara parsial. Berdasarkan hasil diatas dapat dilihat bahwa variabel perputaran piutang usaha, perputaran persediaan, dan perputaran kewajiban lancar tidak memiliki pengaruh signifikan terhadap ROE karena ketiga variabel tersebut masing-masing memiliki signifikansi sebesar 0,361; 0,059; dan 0,782 yang lebih besar dari 0,05. Sedangkan variabel perputaran kas dan perputaran modal kerja bersih memiliki signifikansi sebesar 0,004 dan 0,012 dimana signifikan variabel tersebut lebih kecil dari 0,05. hal ini menunjukkan bahwa secara parsial variabel perputaran kas dan perputaran modal kerja bersih berpengaruh signifikan terhadap ROE Uji signifikansi simultan (F-test) Uji F ini dilakukan untuk melihat seberapa besar pengaruh variabel independen terhadap variabel dependen secara simultan. Hipotesis yang akan diuji adalah: H 0 = kinerja keuangan yang terdiri dari perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn persediaan lancar dan perputaran modal kerja tidak mempunyai pengaruh secara simultan terhadap ROE. Ha = kinerja keuangan yang terdiri dari perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn persediaan lancar

34 dan perputaran modal kerja mempunyai pengaruh secara simultan terhadap ROE. Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan ketentuan: Jika Fhitung < F tabel pada α 0.05, maka Ha ditolak, dan Jika Fhitung > F tabel pada α 0.05, maka Ha diterima. Tabel 4.7 Hasil uji simultan (F-test) ANOVA a Model 1 Sum of Squares Df Mean Square F Sig. Regression 40, ,051 3,595,014 b Residual 53, ,239 Total 93, a. Dependent Variable: ROE b. Predictors: (Constant), Perputaran_Modal_kerja, Perputaran_piutang_usaha, Perputaran_persediaan, Perputaran_kas, Perputaran_kewajiban_lancar Sumber : output SPSS Hasil uji F yang ditampilkan dalam tabel 4.8 menunjukkan bahwa nilai F hitung adalah 3,595 dengan tingkat signifikansi 0,050. Dengan menggunakan tabel uji F, nilai F tabel diperoleh sebesar 3,59. Hal tersebut menunjukkan bahwa F hitung sebesar 3,595 > dari F tabel sebesar 3,59, sehingga H a diterima dan H 0 ditolak. Nilai signifikansi sebesar 0,014 < dari signifikansi 0,05 yang berarti variabel tersebut mempengaruhi variabel dependen secara signifikan. Hal tersebut berarti perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran kewajiban lancar, perputaran modal kerja bersih secara simultan mempunyai pengaruh yang signifikan terhadap ROE.

35 Koefisien determinasi (R 2 ) Koefisien determinasi (R Square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R Square (R 2 ) dikatakan baik jika di atas 0,5 karena nilai R Square (R 2 ) berkisar antara 0 sampai 1. Apabila nilai R Square (R 2 ) semakin mendekati 1, maka variabel-variabel independen mendekati semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R Square maka kemampuan variabel-variabel independen untuk menjelaskan variasi variabel dependen semakin terbatas. Pada umumnya sampel dengan data deret waktu (time series) memiliki R Square maupun Adjusted R Square cukup tinggi (diatas 0,5). R square memiliki kelemahan yaitu nilai R Square (R 2 ) akan meningkat setiap ada penambahan satu variabel dependen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen. Dalam kenyataannya nilai adjusted R Square dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Jika dalam uji empiris didapat nilai adjusted R Square negatif, maka nilai adjusted R Square dianggap Nol.

36 Tabel 4.8 Hasil Koefisien Determinasi Model Summary b Model R R Square Adjusted R a 1,654,428 Square Std. Error of the Estimate Durbin-Watson,309 1, ,441 a. Predictors: (Constant), Perputaran_Modal_kerja, Perputaran_piutang_usaha, Perputaran_persediaan, Perputaran_kas, Perputaran_kewajiban_lancar b. Dependent Variable: ROE Sumber : output SPSS Pada tabel 4.9, Output SPSS memiliki nilai koefisien determinasi yang sudah disesuaikan (Adjusted R Square) sebesar 0,309. Artinya 30,9% variabel dependen return saham dijelaskan oleh variabel independen perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran kewajiban lancar, perputaran modal kerja bersih dan sisanya 69,1% dijelaskan oleh variabel lain di luar variabel yang digunakan. Standar Error of Estimate (SEE) adalah sebesar 1,49641, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.

37 4.3. Pembahasan Berdasarkan hasil pengujian variabel bebas perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran kewajiban lancar, perputaran modal kerja bersih terhadap variabel terikat ROE yang telah diuraikan secara statistik dengan menggunakan program SPSS, maka hipotesis dapat dijelaskan sebagai berikut: 1. Pengaruh Perputaran Kas terhadap ROE Dari penjelasan uji t diatas diketahui bahwa Perputaran Kas (X1) memiliki koefisien regresi yang positif, yaitu sebesar 0,004 yang mana setiap perubahan Perputaran Kas sebesar 1% akan diikuti oleh kenaikan ROE sebesar 0,004 dengan asumsi variabel lain tetap. Hasil ini sesuai dengan teori yang menyatakan Perputaran Kas berpengaruh positif terhadap ROE. Dalam pengujian hipotesis yang dilakukan, diketahui bahwa t hitung sebesar 3,156 > t tabel sebesar 0,030 artinya adalah H a diterima dan H 0 ditolak. Hasil ini sejalan dengan hasil yang diperoleh oleh Ika Yuli Wijayanti (2007) dan Marselina Sinaga (2008) yang menyatakan bahwa perputaran kas secara parsial berpengaruh positif terhadap ROE. 2. Perputaran Piutang Usaha terhadap ROE Dari penjelasan uji t diatas diketahui bahwa Perputaran Piutang Usaha (X2) memiliki koefisien regresi yang positif, yaitu sebesar 0,361 yang mana setiap perubahan Perputaran Piutang Usaha sebesar 1% akan diikuti oleh penurunan ROE sebesar 0,361 dengan asumsi variabel lain tetap. Hasil ini tidak sesuai teori yang menyatakan Perputaran Piutang Usaha berpengaruh positif terhadap ROE. Dalam pengujian hipotesis yang dilakukan, diketahui bahwa

38 t hitung sebesar 0,932 < t tabel sebesar 1,663 sehingga H 0 diterima dan H a ditolak. Hasil ini sejalan dengan hasil penelitian Ika Yuli Wijayanti (2007) dan Marselina Sinaga (2008) yang menyatakan bahwa perputaran piutang usaha secara parsial tidak berpengaruh terhadap ROE. 3. Perputaran Persediaan terhadap ROE Dari penjelasan uji t diatas diketahui bahwa Perputaran Persediaan (X3) memiliki koefisien regresi yang positif, yaitu sebesar 0,782 yang mana setiap perubahan Perputaran Persediaan sebesar 1% akan diikuti oleh kenaikan ROE sebesar 0,782 dengan asumsi variabel lain tetap. Hasil ini sejalan dengan teori yang menyatakan Perputaran Persediaan berpengaruh positif terhadap ROE. Dalam pengujian hipotesis yang dilakukan, diketahui bahwa t hitung sebesar 1,982 < t tabel sebesar 1,663 sehingga H a ditolak dan H 0 diterima. 4. Perputaran Kewajiban Lancar terhadap ROE Dari penjelasan uji t diatas diketahui bahwa Perputaran Kewajiban Lancar (X4) memiliki koefisien regresi yang positif, yaitu sebesar 0,059 yang mana setiap perubahan Perputaran Kewajiban Lancar sebesar 1% akan diikuti oleh penurunan ROE sebesar 0,059 dengan asumsi variabel lain tetap. Hasil ini bertolak belakang dengan teori yang menyatakan Perputaran Kewajiban Lancar berpengaruh positif terhadap ROE. Dalam pengujian hipotesis yang dilakukan, diketahui bahwa t hitung sebesar 0,280 < t tabel sebesar 1,663 sehingga H a ditolak dan H 0 diterima. Perputaran Kewajiban Lancar secara parsial memiliki koefisien negatif dan tidak berpengaruh signifikan terhadap ROE. Hasil ini sejalan dengan hasil yang diperoleh oleh Ika Yuli Wijayanti (2007)

39 yang menyatakan bahwa perputaran kewajiban lancar secara parsial berpengaruh positif terhadap ROE. 5. Perputaran Modal Kerja Bersih terhadap ROE Dari penjelasan uji t diatas diketahui bahwa Perputaran Modal Kerja Bersih (X5) memiliki koefisien regresi yang positif, yaitu sebesar 0,012 yang mana setiap perubahan Perputaran Modal Kerja Bersih sebesar 1% akan diikuti oleh kenaikan ROE sebesar 0,012 dengan asumsi variabel lain tetap. Hasil ini sesuai dengan teori yang menyatakan Perputaran Modal Kerja Bersih berpengaruh positif terhadap ROE. Dalam pengujian hipotesis yang dilakukan, diketahui bahwa t hitung sebesar -2,736 < t tabel sebesar 1,663 sehingga H a ditolak dan H 0 diterima. Hasil ini sejalan dengan hasil yang diperoleh oleh Ika Yuli Wijayanti (2007) dan Marselina Sinaga (2008) yang menyatakan bahwa perputaran modal kerja bersih secara parsial berpengaruh positif terhadap ROE.

40 BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan hasil analisis data dan pembahasan yang telah dikemukakan dalam bab empat, kesimpulan yang dapat diambil dari penelitian ini adalah perputaran kas, perputaran piutang usaha, perputaran persediaan, perputarn persediaan lancar dan perputaran modal kerja terhadap ROE baik secara parsial maupun simultan adalah: 1. Variabel perputaran kas secara parsial berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari t hitung sebesar 3,156 > t tabel sebesar 0,030 dengan nilai signifikansi sebesar 0,004 < dari signifikansi 0, Variabel perputaran piutang usaha secara parsial tidak berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari thitung 0,932 < t tabel sebesar 1,663 dengan nilai signifikansi sebesar 0,361 > dari signifikansi 0, Variabel perputaran persediaan secara parsial tidak berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari thitung sebesar 1,982 < t tabel sebesar 1,663 dengan nilai signifikansi sebesar 0,782 > dari signifikansi 0, Variabel perputarn persediaan lancar secara parsial tidak berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari thitung sebesar 0,280 < t tabel sebesar 1,663 dengan nilai signifikansi sebesar 0,059 > dari signifikansi 0,05.

41 5. Variabel perputaran modal kerja secara parsial tidak berpengaruh signifikan terhadap ROE. Hal tersebut dapat dilihat dari t hitung sebesar - 2,736 < t tabel sebesar 1,663 dengan nilai signifikansi sebesar 0,012 > dari signifikansi 0, Saran Berdasarkan hasil penelitian dan keterbatasan ini, penulis memberikan saran. Saran tersebut adalah sebagai berikut: 1. Penelitian selanjutnya disarankan untuk menggunakan sampel penelitian yang lebih banyak dengan karakteristik yang lebih beragam dari berbagai sektor selain itu untuk penelitian selanjutnya juga harus menambahkan periode penelitiannya dengan periode terbaru sehingga dapat diperoleh hasil penelitian terbaru. 2. Bagi peneliti selanjutnya, item-item pengungkapan sosial hendaknya diperbaharui sesuai kondisi masyarakat serta peraturan yang berlaku. 3. Penelitian ini dapat memberikan pengetahuan yang lebih jauh mengenai informasi dari pengambilan keputusan kepada perusahaan-perusahaan besar yang ada di Indonesia. Bahwa semakin besar aset perusahaan semakin besar informasi sosial yang diperoleh dari dalam maupun dari luar perusahaan. 4. Penelitian ini dapat memberikan fenomena pengetahuan, untuk menyumbang teori dan mampu melanjutkan penelitian mengenai informasi sosial pada perusahaan garmen dan tekstil di Indonesia.

42 5.3. Keterbatasan hasil penelitian Penelitian ini memiliki beberapa batasan masalah baik dari jumlah sampel yang digunakan, periode penelitian, maupun faktor-faktor yang diteliti. antara lain: 1. Sampel yang digunakan hanya kelompok perusahaan industri tekstil dan garmen yang terdaftar di Bursa Efek Indonesia, sehingga tidak diketahui bagaimana pengaruh variabel independen terhadap variabel dependen pada keseluruhan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dan Periode penelitian yang diamati terbatas yaitu tahun 2008 sampai dengan tahun Penelitian mengenai ROE hanya terbatas pada informasi-informasi internal masing-masing perusahaan industri tekstil dan garmen. Dimana informasi internal tersebut hanya dilihat dari kinerja keuangan perusahaan melalui analisis rasio berupa perputaran kas, perputaran piutang usaha, perputaran persediaan, perputaran persediaan lancar dan perputaran modal kerja.