BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Transkripsi

1 1 BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan membahas mengenai hasil penelitian berdasarkan data-data yang diperoleh, sehingga akan didapat gambaran mengenai hubungan dan pengaruh rasio-rasio keuangan terhadap pertumbuhan laba, pertumbuhan rugi, dan pertumbuhan laba dan rugi. 4.1 Gambaran Umum Sampel Penelitian Terdapat 85 perusahaan yang dijadikan sampel dalam penelitian ini, berikut merupakan jumlah perusahaan yang dikategorikan menurut kegiatan usahanya: 1

2 2 Tabel 4.1 Daftar Nama Perusahaan Sampel KEGIATAN USAHA JUMLAH kaca 1 Tekstil 14 Keramik 3 Komoditas 5 Sepatu 2 Rokok 3 Kabel 8 Beton 1 Kimia & Farmasi 14 Pipa 1 Kayu & Sejenisnya 2 Ban 1 Komponen & Sparepart 6 Besi & sejenisnya 4 Kertas 1 Minuman & Makanan 8 Sanitary 1 Total 85 kaca Tekstil 11% 1% 5% 8% 1% 3% 19% 1% 1% 1% 1% 19% 4% 7% 3% 11% 4% Keramik Komoditas Sepatu Rokok Kabel Beton Kimia & Farmasi Pipa Kayu & Sejenisnya Ban Komponen & Sparepart Besi & sejenisnya Kertas Minuman & Makanan Sanitary 2

3 3 4.2 Uji Statistik Statistik Deskriptif Hasil perhitungan terhadap statistik deskriptif pada perusahaan manufaktur yang terdaftar di Jakarta Stock Exchange pada tahun yang dijadikan sampel dalam penelitian ini, yang terdiri dari nilai minimal, nilai maksimal, mean, median, dan standar deviasi dari variabel independen dan variabel dependen tiap-tiap model penelitian, yang disajikan sebagai berikut: Tabel 4.2 Hasil Perhitungan Statistik Deskriptif Pertumbuhan Laba Variabel N Min Max Mean Median Std. Deviation Laba Liq Liq Liq Sol Sol Pro Valid N (listwise) 94 3

4 4 Tabel 4.3 Hasil Perhitungan Statistik Deskriptif Pertumbuhan Rugi Variabel N Min Max Mean Median Std. Deviation Rugi Liq Liq Liq Sol Sol Pro Valid N (listwise) 36 Tabel 4.4 Hasil Perhitungan Statistik Deskriptif Pertumbuhan Laba & Rugi Variabel N Min Max Mean Median Std. Deviation L&R Liq Liq Liq Sol Sol Pro Valid N (listwise) 170 4

5 Uji Data Outlier Sebelum data-data yang ada dimasukkan kedalam penelitian, diperlukan untuk melakukan uji data outlier, dimana data outlier merupakan data yang secara nyata berbeda dengan data-data yang lain, yang dapat disebabkan sebagai berikut: 1. Kesalahan dalam pemasukan data 2. Kesalahan dalam pengambilan sampel 3. Terdapat data-data ekstrim yang tidak bisa dihindarkan keberadaanya Untuk mengetahui sebuah data mengandung outlier, maka diperlukan perhitungan dari tiap-tiap data yang ada yang lebih besar dari 2.5 atau lebih kecil dari angka -2.5 dari data-data tersebut akan dihapus atau tidak dimasukkan dalam penelitian ini. Berikut merupakan gambar dari outlier tersebut: Gambar 4.1 Outlier 5

6 6 Hasil dari uji data outlier ini dari tiap-tiap model penelitian dapat dilihat sebagai berikut: a. Pertumbuhan Laba Terdapat 34 data yang tidak dimasukkan dalam model penelitian pertumbuhan laba ini (Lihat Lampiran Outliner), berikut merupakan rinciannya: Y = 6 data Liq2 = 8 data Liq3 = 1 data Sol1 = 2 data Sol2 = 17 data Berikut merupakan hasil statistik deskriptif setelah dilakukan uji data outlier: Tabel 4.5 Hasil Perhitungan Statistik Deskriptif Uji Data Outlier Pertumbuhan Laba Variabel N Min Max Mean Median Std. Deviation Laba Liq Liq Liq Sol Sol Pro Valid N (listwise) 60 b. Pertumbuhan Rugi 6

7 7 Terdapat 26 data yang tidak dimasukkan dalam model penelitian pertumbuhan rugi ini (Lihat Lampiran Outliner), berikut merupakan rinciannya: Y = 4 data Liq1 = 2 data Liq2 = 1 data Sol1 = 8 data Sol2 = 11 data Berikut merupakan hasil statistik deskriptif setelah dilakukan uji data outlier: Tabel 4.6 Hasil Perhitungan Statistik Deskriptif Uji Data Outlier Pertumbuhan Rugi Variabel N Min Max Mean Median Std. Deviation Rugi Liq Liq Liq Sol Sol Pro Valid N (listwise) 17 7

8 8 c. Pertumbuhan Laba dan Rugi Terdapat 41 data yang tidak dimasukkan dalam model penelitian pertumbuhan laba dan rugi ini (Lihat Lampiran Outliner), berikut merupakan rinciannya: Y = 7 data Liq2 = 4 data Liq3 = 1 data Sol1 = 13 data Sol2 = 16 data Berikut merupakan hasil statistik deskriptif setelah dilakukan uji data outlier: Tabel 4.7 Hasil Perhitungan Statistik Deskriptif Uji Data Outlier Pertumbuhan Laba & Rugi Variabel N Min Max Mean Median Std. Deviation L&R Liq Liq Liq Liq Sol Sol Pro Valid N (listwise) 122 8

9 Uji Asumsi Klasik Setelah data penelitian bebas dari outliner, diperlukan pengujian pelanggaran asumsi klasik sebelum dilakukan pengujian multiple regression dalam penelitian ini. Uji pelanggaran asumsi klasik tersebut terdiri dari: a. Multikolinearitas Pengujian multikolinearitas dilakukan dengan melakukan regresi sederhana antar variabel bebas. Pengujian ini bertujuan untuk mengetahui ada atau tidak korelasi yang signifikan antar dua atau lebih variabel independen, pengujian ini menggunakan metode Pearson correlation. Menurut Sugiyono (2008:356), pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut: = sangat rendah = rendah = sedang = kuat = sangat kuat Berikut merupakan hasil dari uji multikolinearitas dari tiap-tiap model penelitian: 9

10 10 Tabel 4.8 Korelasi Pertumbuhan Laba Variabel Y Liq1 Liq2 Liq3 Sol1 Sol2 Pro1 Y Liq Liq Liq Sol Sol Pro Tabel 4.9 Korelasi Pertumbuhan Rugi Variabel Y Liq1 Liq2 Liq3 Sol1 Sol2 Pro1 Y Liq Liq Liq Sol Sol Pro

11 11 Tabel 4.10 Korelasi Pertumbuhan Laba & Rugi Variabel Y Liq1 Liq2 Liq3 Sol1 Sol2 Pro1 Y Liq Liq Liq Sol Sol Pro Pada tiap-tiap tabel di atas terlihat bahwa tidak ada korelasi antar tiaptiap variabel independen yang nilainya diatas 0.8, hal ini menunjukkan bahwa korelasi antara variabel bebas pada model regresi pertumbuhan laba, model regresi pertumbuhan rugi, dan model regresi pertumbuhan laba dan rugi tidak mengganggu model, atau model terbebas dari gangguan multikolinearitas. b. Heteroskedastisitas Heteroskedastisitas menunjukkan bahwa varians dari setiap error bersifat heterogen yang berarti melanggar asumsi klasik yang mensyaratkan bahwa varians dari error harus bersifat homogen. Pengujian adanya heterokedastisitas dilakukan dengan uji White-Test. Dengan dasar pengambilan keputusan sebagai berikut: Jika signifikansi (probabilitas) dari X² (Obs*R²) < 0.05, maka mengandung heterokedastisitas. 11

12 12 Jika signifikansi (probabilitas) dari X² (Obs*R²) > 0.05, maka tidak mengandung heterokedastisitas. Tabel 4.11 Hasil Uji White Test Model Prob. Obs*R 2 Kesimpulan Pertumbuhan Laba Pertumbuhan Rugi Pertumbuhan Laba & Rugi tidak ada heteroskedastisitas (Homokedastisitas) tidak ada heteroskedastisitas (Homokedastisitas) tidak ada heteroskedastisitas (Homokedastisitas) Dari tabel diatas dapat disimpulkan bahwa signifikansi dari X² = Obs*R² adalah lebih besar dari 0.05 sehingga hipotesis yang menyatakan adanya heteroskedastisitas ditolak atau dengan kata lain model yang digunakan bebas dari heteroskedastisitas. c. Autokorelasi Pengujian autokorelasi digunakan untuk mengetahui adanya error dari periode tertentu (μ t ) berkorelasi dengan error dari periode sebelumnya (μ t-1 ). Dengan dasar pengambilan keputusan sebagai berikut: 0 < DW <dl = Ada autokorelasi positif dl < DW < du = Tidak ada keputusan 4-dl < DW < 4 = Ada autokorelasi negatif 4-du < DW < 4-dl = Tidak ada keputusan du < DW < 4-du = Tidak ada autokorelasi 12

13 13 Hasil analisis Durbin-Watson (d-w) dapat digunakan untuk mengetahui ada tidaknya autokorelasi. Berikut merupakan penjabarannya dari tiap-tiap model penelitian: a. Pertumbuhan Laba Setelah dilakukan perhitungan ternyata menghasilkan nilai DW hitung sebesar Dengan menggunakan tabel Durbin-Watson dapat dilihat bahwa pada jumlah N = 60, dan k = 6 diperoleh nilai d L sebesar dan d U sebesar , Jika dimasukkan kedalam gambar, maka nilai penolakan dan penerimaan untuk DW hitung adalah sebagai berikut: Tabel 4.12 Hasil Uji Durbin Watson Pertumbuhan Laba dl du 4-du 4-dl DW Kesimpulan No Autocorellation Ada autokorelasi positif Inconclusive Tidak ada autokorelasi Inconclusive Ada autokorelasi positif 0 dl du 2 4-du 4-dl Dengan demikian hasilnya yaitu sebesar terdapat pada daerah No Autocorellation. 13

14 14 b. Pertumbuhan Rugi Setelah dilakukan perhitungan ternyata menghasilkan nilai DW hitung sebesar Dengan menggunakan tabel Durbin-Watson dapat dilihat bahwa pada jumlah N = 17, dan k = 6 diperoleh nilai d L sebesar dan d U sebesar , Jika dimasukkan kedalam gambar, maka nilai penolakan dan penerimaan untuk DW hitung adalah sebagai berikut: Tabel 4.13 Hasil Uji Durbin Watson Pertumbuhan Rugi dl du 4-du 4-dl DW Kesimpulan No Autocorellation Ada autokorelasi positif Inconclusive Tidak ada autokorelasi Inconclusive Ada autokorelasi positif 0 dl du 2 4-du 4-dl Dengan demikian hasilnya yaitu sebesar terdapat pada daerah No Autocorellation. c. Pertumbuhan Laba dan Rugi Setelah dilakukan perhitungan ternyata menghasilkan nilai DW hitung sebesar Dengan menggunakan tabel Durbin-Watson 14

15 15 dapat dilihat bahwa pada jumlah N = 122, dan k = 6 diperoleh nilai d L sebesar dan d U sebesar , Jika dimasukkan kedalam gambar, maka nilai penolakan dan penerimaan untuk DW hitung adalah sebagai berikut: Tabel 4.14 Hasil Uji Durbin Watson Pertumbuhan Laba & Rugi dl du 4-du 4-dl DW Kesimpulan No Autocorellation Ada autokorelasi positif Inconclusive Tidak ada autokorelasi Inconclusive Ada autokorelasi positif 0 dl du 2 4-du 4-dl Dengan demikian hasilnya yaitu sebesar terdapat pada daerah No Autocorellation. 15

16 Analisa Regresi Setelah dilakukan pengujian asumsi klasik dan telah diketahui bahwa tiap-tiap model penelitian bebas dari penyimpangan yang ada, maka selanjutnya dilakukan analisa regresi. Berikut merupakan hasil regresi dari tiap-tiap model penelitian: Tabel 4.15 Hasil Uji Regresi Pertumbuhan Laba Coefficients a Model Unstandardized Coefficients B Std. Error Beta Standardized Coefficients t Sig. 1 (Constant) Liq Liq Liq Sol Sol Pro a. Dependent Variable: Laba Berdasarkan tabel 4.15, maka persamaan regresi dari model penelitian pertumbuhan laba adalah: Y = a+β 1 X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 +β 5 X 5 +β 6 X 6 +β 7 X 7 +β 8 X 8 +ε Y = (0.196)X 1 + (0.121)X X 3 + (0.103)X 4 + (0.037)X X 6 + ε Dimana : 16

17 17 Y X 1 X 2 X 3 X 4 X 5 X 6 ε = Pertumbuhan Laba = Liq1 = Liq2 = Liq3 = Sol1 = Sol2 = Pro1 = Error Tabel 4.16 Hasil Uji Regresi Pertumbuhan Rugi Coefficients a Model Unstandardized Coefficients B Std. Error Beta Standardized Coefficients t Sig. 1 (Constant) Liq Liq Liq Sol Sol Pro a. Dependent Variable: Rugi Berdasarkan tabel 4.16, maka persamaan regresi dari model penelitian pertumbuhan rugi adalah: Y = a+β 1 X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 +β 5 X 5 +β 6 X 6 +β 7 X 7 +β 8 X 8 +ε 17

18 18 Y = (0.877)X X X 3 + (0.112)X 4 + (0.129)X 5 Dimana : X 6 + ε Y X 1 X 2 X 3 X 4 X 5 X 6 ε = Pertumbuhan Rugi = Liq1 = Liq2 = Liq3 = Sol1 = Sol2 = Pro1 = Error Tabel 4.17 Hasil Uji Regresi Pertumbuhan Laba & Rugi Coefficients a Model Unstandardized Coefficients B Std. Error Beta Standardized Coefficients t Sig. 1 (Constant) Liq Liq Liq Sol Sol Pro a. Dependent Variable: L&R 18

19 19 Berdasarkan tabel 4.17, maka persamaan regresi dari model penelitian pertumbuhan laba dan rugi adalah: Y = a+β 1 X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 +β 5 X 5 +β 6 X 6 +β 7 X 7 +β 8 X 8 +ε Y = (0.070)X X X 3 + (0.097)X X X 6 + ε Dimana : Y X 1 X 2 X 3 X 4 X 5 X 6 ε = Pertumbuhan Laba & Rugi = Liq1 = Liq2 = Liq3 = Sol1 = Sol2 = Pro1 = Error Hasil analisis secara parsial yang dapat dilihat dari tiap-tiap tabel diatas, menunjukkan bahwa dari tiap-tiap variabel independen tidak ada satu pun diantaranya yang signifikan pada α 0.05, sehingga persamaan regresi dari model penelitian pertumbuhan laba, pertumbuhan rugi, serta pertumbuhan laba dan rugi tidak dapat digunakan. 19

20 Koefisien Determinasi (R 2 ) Tabel 4.18 Hasil Uji R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Pertumbuhan Laba.334 a Pertumbuhan Rugi.665 a Pertumbuhan Laba & Rugi.239 a a. Predictors: (Constant), Liq1, Liq2, Liq3, Sol1, Sol2, Pro1 b. Dependent Variable: Laba, Rugi, L&R Hasil analisis regresi pada tabel diatas menunjukkan hasil dari model penelitian pertumbuhan laba terdapat nilai adjusted R square sebesar Hal ini berarti bahwa 1.1% penambahan pertumbuhan laba dapat dijelaskan oleh variabel independen yang digunakan dalam penelitian ini. Sementara 98.9% sisanya hanya dapat dijelaskan dengan variabel lain yang tidak ditemukan dalam penelitian ini, untuk model penelitian pertumbuhan rugi mempunyai nilai adjusted R square sebesar Berarti bahwa 10.7% penambahan pertumbuhan rugi dapat dijelaskan oleh variabel independen yang digunakan dalam penelitian ini. Sementara 89.3% sisanya hanya dapat dijelaskan dengan variabel lain yang tidak ditemukan dalam penelitian ini, sedangkan untuk model penelitian pertumbuhan laba dan rugi menghasilkan nilai adjusted R square sebesar Berarti bahwa 0.8% penambahan pertumbuhan rugi dapat dijelaskan oleh variabel independen yang digunakan 20

21 21 dalam penelitian ini. Sementara 99.2% sisanya hanya dapat dijelaskan dengan variabel lain yang tidak ditemukan dalam penelitian ini Uji F (Uji Serentak) Digunakan untuk menguji apakah secara bersama-sama seluruh variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependen. Ho : b 1 = b 2 = b 3 = b 4 = b 5 = b 6 = 0 Secara bersama-sama seluruh variabel independen (Liq1, Liq2, Liq3, Sol1, Sol2, Pro1) tidak mempengaruhi variabel dependen. Ha : b 1 b 2 b 3 b 4 b 5 b 6 0 Secara bersama-sama seluruh variabel independen (Liq1, Liq2, Liq3, Sol1, Sol2, Pro1) mempunyai pengaruh yang signifikan terhadap variabel dependen. Dasar Pengambilan Keputusan Hipotesis : Jika p-value < 0.05, maka Ho ditolak p-value > 0.05, maka Ho diterima Berikut merupakan penjabaran Uji F dari tiap-tiap model penelitian: 21

22 22 Tabel 4.19 Hasil Uji F Pertumbuhan Laba ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Constant), Pro1, Liq1, Sol2, Sol1, Liq3, Liq2 b. Dependent Variable: Laba Tabel 4.20 Hasil Uji F Pertumbuhan Rugi ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Constant), Pro1, Liq2, Liq3, Sol2, Liq1, Sol1 b. Dependent Variable: Rugi Tabel 4.21 Hasil Uji F Pertumbuhan Laba & Rugi ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Constant), Pro1, Liq1, Sol2, Sol1, Liq2, Liq3 b. Dependent Variable: L&R 22

23 23 Dari pengujian Regresi dengan melihat table 4.19, diketahui F hitung dari model penelitian pertumbuhan laba sebesar dengan p-value > 0.05, maka Ho ditolak. Secara bersama-sama seluruh variabel independen (Liq1, Liq2, Liq3, Sol1, Sol2, Pro1) tidak mempengaruhi variabel dependen pertumbuhan laba, untuk model penelitian pertumbuhan rugi, dengan melihat tabel 4.20, diketahui F hitung sebesar dengan p-value > 0.05, maka Ho ditolak. Secara bersama-sama seluruh variabel independen (Liq1, Liq2, Liq3, Sol1, Sol2, Pro1) tidak mempengaruhi variabel dependen pertumbuhan rugi, sedangkan untuk model penelitian pertumbuhan laba dan rugi, mempunyai nilai F Hitung sebesar dengan p-value > 0.05, maka Ho ditolak. Secara bersama-sama seluruh variabel independen (Liq1, Liq2, Liq3, Sol1, Sol2, Pro1) tidak mempengaruhi variabel dependen pertumbuhan laba dan rugi Koefisien Uji Parsial (Uji t) Uji ini digunakan untuk mengetahui apakah dalam model regresi, variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Ho : -t tabel > t hitung < t tabel Secara parsial tidak ada pengaruh signifikan antara variabel independen dengan variabel dependen 23

24 24 Ha : -t hitung < -t tabel atau t hitung > t tabel Secara parsial ada pengaruh signifikan antara variabel independen dengan variabel dependen Berikut merupakan penjelasan Uji t dari tiap-tiap model penelitian: a. Pertumbuhan Laba Nilai t hitung dari tiap-tiap variabel independen terhadap variabel dependen dapat dilihat dari Tabel Setelah itu diperlukan nilai t tabel dengan tabel distribusi t dicari pada a = 5% / 2 = 2.5% (uji dua sisi), dan dengan derajat kebebasan (df) n-k-1 atau = 53. Maka diperoleh nilai t tabel sebesar Berikut merupakan gambar penolakan dan penerimaan Ho dari tiap-tiap variabel independen terhadap variabel dependen: Gambar 4.2 Hasil Uji T Pertumbuhan Laba 24

25 25 Melihat gambar diatas, maka tiap-tiap variabel independen yang dimasukkan kedalam penelitian pertumbuhan laba tidak berpengaruh signifikan terhadap variabel dependen. b. Pertumbuhan Rugi Nilai t hitung dari tiap-tiap variabel independen terhadap variabel dependen dapat dilihat dari Tabel Setelah itu diperlukan nilai t tabel dengan tabel distribusi t dicari pada a = 5% / 2 = 2.5% (uji dua sisi), dan dengan derajat kebebasan (df) n-k-1 atau = 10. Maka diperoleh nilai t tabel sebesar Berikut merupakan gambar penolakan dan penerimaan Ho dari tiap-tiap variabel independen terhadap variabel dependen: Gambar 4.3 Hasil Uji T Pertumbuhan Rugi 25

26 26 Melihat gambar diatas, maka tiap-tiap variabel independen yang dimasukkan kedalam penelitian pertumbuhan rugi tidak berpengaruh signifikan terhadap variabel dependen. c. Pertumbuhan Laba dan Rugi Nilai t hitung dari tiap-tiap variabel independen terhadap variabel dependen dapat dilihat dari Tabel Setelah itu diperlukan nilai t tabel dengan tabel distribusi t dicari pada a = 5% / 2 = 2.5% (uji dua sisi), dan dengan derajat kebebasan (df) n-k-1 atau = 115. Maka diperoleh nilai t tabel sebesar Berikut merupakan gambar penolakan dan penerimaan Ho dari tiap-tiap variabel independen terhadap variabel dependen: Gambar 4.4 Hasil Uji T Pertumbuhan Laba & Rugi 26

27 27 Melihat gambar diatas, maka tiap-tiap variabel independen yang dimasukkan kedalam penelitian pertumbuhan laba dan rugi tidak berpengaruh signifikan terhadap variabel dependen. 27