HASIL ANALISA DATA ROE LDA DA SDA SG SIZE

HASIL ANALISA DATA STATISTIK DESKRIPTIF Date: 06/15/16 Time: 11:07 Sample: 2005 2754 ROE LDA DA SDA SG SIZE Mean 17.63677 0.106643 0.265135 0.357526 0.257541 21.15267 Median 11.00000 0.059216 0.251129 0.320484 0.140704 21.21051 Maximum 4039.120 0.708050 1.633801 1.831483 53.39483 26.03005 Minimum -317.5300 0.000000 0.000000 0.002332-0.839975 14.98463 Std. Dev. 154.7926 0.125659 0.191116 0.206879 2.029984 1.680859 Skewness 23.75536 1.347171 0.974657 1.113934 24.34700-0.092882 Kurtosis 612.0735 4.627271 6.492215 6.632954 630.6448 3.510543 Interpretasi hasil : Berdasarkan tabel di atas, Nilai ROE 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara -317,530 sampai dengan 4039,120 dengan nilai rata-rata sebesar 17,637 Nilai LDA 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara 0,000 sampai dengan 0,708 dengan nilai rata-rata sebesar 0,107 Nilai DA 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara 0,000 sampai dengan 1,634 dengan nilai rata-rata sebesar 0,265 Nilai SDA 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara 0,002 sampai dengan 1,831 dengan nilai rata-rata sebesar 0,358 Nilai SG 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara -0,839 sampai dengan 53,395 dengan nilai rata-rata sebesar 0,258 Nilai SG 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara 14,985 sampai dengan 26,030 dengan nilai rata-rata sebesar 21,153

4.1 Estimasi Pemilihan Model Sebelum melakukan estimasi pemilihan model, maka dilakukan persiapan data yang akan diestimasi berdasarkan individu i dan periode tahun t. Pengujian estimasi ini dilakukan dengan bantuan perangkat lunak E-Views dengan tingkat signifikan sebesar = 5%, sehingga tingkat kepercayaan yang dihasilkan adalah sebesar 95%. 4.2.1 Estimasi Pemilihan Model CEM dan FEM Estimasi pemilihan model CEM dan FEM dilakukan dengan menggunakan Chow Test. Dalam pengujian ini, hipotesis nol menyatakan bahwa model yang akan digunakan dalam penelitian ini adalah model CEM, yaitu model dengan slope dan intercept konstan, sedangkan hipotesis alternatif menyatakan bahwa model penelitian dalam penelitian ini adalah model FEM, yaitu model penelitian dengan slope konstan sedangkan intercept tidak konstan. Pada uji Chow, jika nilai statistik F yang dihasilkan dibandingkan dengan nilai F tabel pada tingkat signifikansi yang digunakan, maka hipotesis nol (Ho) ditolak, hal ini berarti asumsi slope dan intercept konstant tidak terpennuhi sehingga model yang tepat untuk penelitian ini adalah model FEM. Hasil estimasi uji Chow dapat dilihat pada tabel 4.3 berikut : Tabel 4.3 Hasil Estimasi Uji Chow Test Summary F statistik F df F Tabel Prob Cross-Section F 8,005242 74,670 74,670 0,0000 Tingkat Signifikansi α= 0,05 Sumber : Lampiran (diolah) Berdasarkan hasil pengujian Chow test pada tabel 4.4 diperoleh nilai F statistik sebesar 8,005242 yang lebih besar dari nilai F tabel sebesar 3,40 dan nilai probabilitas sebesar 0,0000 lebih keci dari tingkat signifikan yang digunakan yaitu α = 0,05, sehingga hipotesis nol (Ho) ditolak dan model yang digunakan adalah model FEM.

4.2.2 Estimasi Pemilihan Model FEM dan REM Estimasi pemilihan model ini dengan menggunakan uji Hausman yaitu untuk memilih model terbaik antara FEM dan REM. Pengujian ini dilakukan dengan membandingkan hipotesis nol (Ho) dan hipotesis alternatif (Ha). Dalam pengujian ini hipotesis nol menyatakan bahwa model REM adalah model yang tepat digunakan dalam penelitian ini, sedangkan hipotesis alternatif menyatakan bahwa model FEM lebih tepat digunakan dalam penelitian ini. Hipotesis nol diterima jika nilai Chi-Square lebih kecil dari nilai Chi-Square tabel, sedangkan hipotesis nol akan ditolak jika nilai Chi-Square lebih besar dari nilai Chi-Square tabel atau dengan kata lain probabilitas lebih kecil dari tingkat signifikan yang digunakan. Hasil estimasi uji Hausman dapat dilihat pada tabel 4.4 berikut : Tabel 4.4 Hasil Estimasi Uji Hausman Test Summary Chi-Sq statistik Chi-Sq df Chi-Sq Tabel Prob Cross-Section Random 592,387914 5 7,8147 0,0000 Sumber : Lampiran 3 (diolah) Tingkat Signifikansi α= 0,05 Dari tabel 4.4 di atas, nilai ChiSquare statistik sangat besar yaitu sebesar 592,387914 lebih besar dari nilai ChiSquare tabel sebesar 7,8147 dan nilai probabilitas 0,0000 lebih kecil dari tingkat signifikansi yang digunakan yaitu α = 0,05, sehingga dari hasil pengujian hipotesis nol (Ho) ditolak yang berarti penggunaan model merujuk kepada FEM. 4.2 Uji Asumsi Dasar Klasik 4.3.1 Uji Autokorelasi Uji Autokoreasi diakukan untuk mengetahui apakah terdapat korelasi pada observasi yang diakukan menurut data cross section atau time series. Pengujian ini diakukan dengan menggunakan metode Durbin Watson atau yang biasa disebut dengan d- statistik. Kriteria pengambilan keputusan adalah nilai DW yang berada antara 0 dl atau (4 dl) berarti ada autokorelasi positif atau negatif, nilai DW antara dl du dan (4-dU) (4- dl) maka terletak di daerah keragu-raguan atau tidak dapat disimpulkan dan apabia nilai DW di antara du dan 4-dL maka tidak ada autokorelasi positif atau negatif. Hasil analisis regresi yang dilakukan dengan menggunakan model FEM ( Lampiran 8), diketahui nilai DW atau d-statistik sebesar 0,421993. Berdasarkan tabel Durbin Watson dengan jumlah observasi 750, jumlah variabel bebas 5 (n =750, k=5) dan tingkat signifikan

α = 0,05 maka didapatkan nilai du = 1,7804, dl = 1,5710 dan nilai 4-dL = 2,429, sehingga diartikan bahwa DW < dl yang berarti terdapat autokorelasi antara variabel bebas dalam model. Namun penelitian ini menganggap tidak terdapat permasalahan autokorelasi dalam model, hal ini didasarkan kepada pendapat Torres(2007) yang menyatakan bahwa korelasi serial (serial correlation) hanya terdapat pada data makro yaitu data yang mempunyai time series lebih banyak (10-30 tahun) sehingga pada data yang menggunakan time series lebih sedikit autokorelasi tidak menjadi sebuah masalah. 4.3.2 Uji Heteroskedastisitas Uji Heteroskedastisitas digunakan untuk melihat homogenitas variansi dari error. Uji heteroskedastisitas ini dilakukan dengan metode Uji White dengan tingkat signifikansi α = 0,05. Hipotesis daa pengujian ini adalah: Ho : Tidak Ada heteroskedastisitas Ha : Ada heteroskedastisitas Kriterian pengujian : Tolak Ho jika sig. <0,05. Hasil Uji White dapat dilihat pada tabel 4.5 berikut : Heteroskedasticity Test: White Sumber : Lampiran 9 (diolah) Tabel 4.5 Hasil Uji White F-statistic 6.857155 Prob. F(20,728) 0.6043 Obs*R-squared 118.7320 Prob. Chi-Square(20) 0.5344 Scaled explained SS 35134.63 Prob. Chi-Square(20) 0.3988 Berdasarkan hasil uji White pada tabel 4.5, nilai signifikan yang didapat adalah 0,3988, nilai ini lebih besar dari 0,05 yang berarti Ho tidak ditolak dan disimpulkan bahwa model dalam penelitian ini tidak mengalami heteroskedastisitas. 4.3.3 Uji Multikolinearitas Pengujian multikolinearitas dilakukan untuk melihat apakah ada korelasi atau hubungan yang sempurna antar variabel bebas dalam model. Penentuan terjadinya korelasi antar variabel bebas dalam model adalah apabila terdapat nilai korelasi lebih dari 0,8 di antara variabel bebas. Uji Multikolinearitas dapat dilakukan dengan cara pengujian partialcorrelation coeficient. Hasil pengujian ini dapat dilihat pada tabel 4.6 berikut :

Sumber : Lampiran (diolah) Tabel 4.6 Hasil Uji Multikolinearitas SDA LDA DA SIZE SG SDA 1.000000-0.203032 0.452688 0.037986-0.033771 LDA -0.203032 1.000000 0.572263 0.228204 0.051811 DA 0.452688 0.572263 1.000000 0.069547 0.002143 SIZE 0.037986 0.228204 0.069547 1.000000 0.055399 SG -0.033771 0.051811 0.002143 0.055399 1.000000 Dari hasil uji multikolinearitas yang disajikan pada tabel 4.6 di atas, nilai setiap variabel bebas tidak ada yang lebih dari 0,8. Hal ini berarti bahwa antara variabel bebas tidak ada yang memiliki hubungan linear yang sempurna, sehingga disimpulkan model dalam penelitian ini terbebas dari gejala multikolinearitas. 4.3.4 Normalitas Uji Normalitas pada penelitian ini bertujuan untuk melihat apakah nilai residual yang terstandarisasi pada model yang digunakan sudah berdistribusi normal atau tidak. Metode uji normalitas dalam pengujian ini dilakukan dengan menggunakan metode grafik dan Jarque-Bera. Hipotesis dalam pengujian ini adalah hipotesis nol (Ho) apabilai nilai statistik Jarque-Bera lebih besar dari nilai ChiSquare tabel yang artinya bahwa nilai residual model yang terstandarisasi telah berdistribusi normal. Tingkat signifikansi yang digunakan dalam pengujian adalah = 0,05. Hasil pengujian normalitas dapat dilihat pada gambar 4.4 berikut : 6 5 4 3 2 1 0-1999998 -999998 3 1000003 Sumber : data primer (diolah) Series: Residuals Sample 2004 2033 Observations 30 Mean -6.21e-10 Median 33060.83 Maximum 1738679. Minimum -1755231. Std. Dev. 854510.4 Skewness 0.034821 Kurtosis 2.776291 Jarque-Bera 0.068620 Probability 0.966272

Pada gambar 4.4 di atas dapat dilihat output dari hasil uji normalitas bahwa nilai statistik Jarque- Bera adalah sebesar 0,06862, yang berarti nilai statistik Jarque-Bera lebih kecil dari nilai ChiSquare (0,06862 < 7,81473). Dapat disimpulkan bahwa data dalam penelitian ini berdasarkan residual yang terstandarisasi adalah berdistribusi normal dengan menolak hipotesis nol (Ho). 4.3 Pengujian dan Pembahasan Dari hasil estimasi pemilihan model sebelumnya yang memilih model FEM sebagai model terbaik yang akan digunakan dalam analisis, maka selanjutnya dilakukan estimasi model regresi data panel dengan menggunakan model FEM. Hasil estimasi model FEM disajikan pada tabel 4.7 berikut : Tabel 4.7 Hasil Estimasi Regresi Data Panel Variabel Koefisien Prob F Prob (T R Square Regresi statistik statistik) Konstanta 1932,287 0,0000 SDA -0,000484 0,3600 LDA -4,671085 0,0004 0,523942 0,000 DA -6,497373 0,0001 SIZE 2,095332 0,1323 SG 3,737065 0,0000 Sumber : Lampiran (diolah) Persamaan regresi data panel yang tersaji pada tabel 4.8 dapat ditransformasikan menjadi persamaan 4.1 berikut : Y = 1932,287-0,000484 X1-4,671085 X2 + 6,497373 X3+2,095332 X4+3,737065 X5 Dengan : X1 = SDA X2 = LDA X3= DA X4 = SIZE X5= SG Y= PROFITABILITAS (ROE)

4.4.1 Uji Signifikansi Simultan (Uji Statistik F) Uji signifikansi simultan atau uji F ini dilakukan untuk mengetahui apakah variabel bebas secara bersama-sama mempengaruhi variabel terikat. Hipotesis yang akan diuji adalah apakah semua variabel bebas dalam model berpengaruh secara simultan terhadap variabel terikat sesuai dengan pernyataan hipotesis nol (Ho). Berikut adalah hipotesis nol dan alternatif dalam pengujian ini : Ho : β1 = β2 = β3 = 0 Ha : β1 β2 β3 0 Keputusan menolak atau menerima Ho didasarkan jika F hitung> F tabel (kritis) berarti menolak hipotesis nol (Ho) dan sebaliknyaa jika F hitung< F tabel berarti menerima hipotesis nol (Ho). Nilai F tabel kritis ditentukan berdasarkan bearnya tingkat signifikansi yang digunakan yaitu pada = 0,05. Hasil pengujian F statistik dapat dilihat pada tabel 4.8 berikut : Tabel 4.8 Hasil Estimasi Uji F Statistik Variabel Terikat Variabel Bebas F Statistik F tabel Prob (F statistik) PROFITABILITAS (ROE) SDA LDA DA SIZE SG 9,3341 7,8 0,0000 Sumber : Lampiran 9 (diolah) Dari hasil estimasi yang disajikan pada tabel 4.8, nilai F hitung = 9,3341 dengan nilai df1 = k 1 = 4 1 = 3 dan df2 = 750 k = 750 4 = 746 atau df (19,75) pada = 0,05 diperoleh nilai F tabel sebesar 3,4 yang berarti nilai Fhitung > F tabel (9,3341 > 7,8 ) sehingga dapat dijelaskan bahwa hipotesis nol (Ho) ditolak, yang berarti seluruh variabel bebas secara simultan berpengaruh signifikan terhadap variabel terikat. Hal ini dapat diperjelas dengan Gambar 4.5 berikut :

Gambar 4.5 Kurva Penerimaan dan Penolakan Hipotesis Uji F 4.4.2 Koefisien Determinasi Koefisien determinasi digunakan untuk mengetahui besar pengaruh variabel bebas terhadap variabel terikat. Semakin tinggi nilai koefisien determinasi maka semakin tinggi pula kemampuan variabel bebas menjelaskan variabel terikat. Koefisien determinasi mempunyai kelemahan dalam menjelaskan model yang menggunakan data cross section yang dikarenakan besarnya perubahan variasi yang telah disesuaikan (adj. R Square ) yang dinilai mampu menjelaskan setiap perubahan variasi yang terjadi apabila terdapat penambahan variabel, sehingga nilai koefisien determinasi yang telah disesuaikan dapat naik atau turun. Dari hasil estimasi regresi yang telah dilakukan pada model fixed effect, nilai koefisien determinasi yang disesuaikan adalah 0,523942. Hal ini menunjukkan bahwa kontribusi yang diberikan variabel SDA, LDA, DA, SIZE dan SG terhadap Profitabilitas (ROE) adalah sebesar 52,39%. Sedangkan sisanya dijelaskan oleh variabel lain di luar variabel bebas tersebut. 4.4.3 Uji Signifikansi Individual (Uji Statistik t) Uji signifikansi individual atau uji statistik t dimaksudkan untuk mengetahui besar kemampuan setiap variabel bebas dalam menjelaskan variabel terikat secara individual. Jika nilai t hitung > t tabel atau nilai probabilitas < 0,05, maka dapat disimpulkan bahwa variabel bebas tersebut mempunyai hubungan yang signifikan terhadap variabel terikat, sedangkan jika nilai t hitung < t tabel atau nilai probabilitas > 0,05 maka disimpulkan bahwa tidak terdapat hubungan signifikan antara variabel bebas dan variabel terikat. Adapun hasil estimasi uji t statistik ditampilkan pada tabel 4.9 berikut :

Tabel 4.9 Ringkasan Hasi Estimasi Uji T-Statistik Variabel Koefisien T Statistik T Tabel Prob. T SDA 1,932287-0,915963 2,0555 0,3600 LDA -0,000484-3,544791 2,0555 0,0004 DA -4,671085-3,956318 2,0555 0,0001 SIZE 2,095331 1,507083 2,0555 0,1323 SG 3,737065 25,11290 2,0555 0,0000 Sumber : Lampiran 9 ( diolah) Berikut ini adalah penjelasan dari uji signifikansi individual masingmasing variabel bebas terhadap variabel terikat : 1. Variabel SDA Variabel SDA memiliki t hitung sebesar -0,915963 dan nilai probabilitas t hitung sebesar 0,3600. Hal ini menunjukkan bahwa nilai t hitung sebesar -0,915963 < t tabel (2,0555) dan nilai probabilitas 0,3600 > = 0,05, maka dengan demikian dapat dijelaskan bahwa variabel SDA secara parsial tidak berpengaruh signifikan terhadap Profitabilitas 2. Variabel Fund LDA Variabel LDA memiliki t hitung sebesar -3,544791 dan nilai probabilitas t hitung sebesar 0,0004. Hal ini menunjukkan bahwa nilai t hitung sebesar -3,544791 < t tabel (2,0555) dan nilai probabilitas 0,0004 > = 0,05, maka dengan demikian dapat dijelaskan bahwa variabel LDA secara parsial berpengaruh signifikan terhadap Profitabilitas 3. Variabel DA Variabel DA memiliki t hitung sebesar -3,95631 dan nilai probabilitas t hitung sebesar 0,0001. Hal ini menunjukkan bahwa nilai t hitung sebesar -3,544791 < t tabel (2,0555) dan nilai probabilitas 0,0001 > = 0,05, maka dengan demikian dapat dijelaskan bahwa variabel DA secara parsial berpengaruh signifikan terhadap Profitabilitas 4. Variabel Expense SIZE Variabel SIZE memiliki t hitung sebesar 1,507083 dan nilai probabilitas t hitung sebesar 0,1323. Hal ini menunjukkan bahwa nilai t hitung sebesar 1,507083 < t tabel (2,0555) dan nilai probabilitas 0,1323 > = 0,05, maka dengan demikian dapat dijelaskan bahwa variabel SIZE secara parsial tidak berpengaruh signifikan terhadap Profitabilitas 5. Variabel Turnover SG

Variabel SG memiliki t hitung sebesar 25,11290 dan nilai probabilitas t hitung sebesar 0,0000. Hal ini menunjukkan bahwa nilai t hitung sebesar 25,11290 < t tabel (2,0555) dan nilai probabilitas 0,0000 > = 0,05, maka dengan demikian dapat dijelaskan bahwa variabel SG secara parsial berpengaruh signifikan terhadap Profitabilitas