BAB IV ANALISIS DATA DAN PEMBAHASAN

BAB IV ANALISIS DATA DAN PEMBAHASAN A. Profil Responden Penelitian ini menggunakan data sekunder, yaitu peneliti dapat memperoleh data secara tidak langsung dari perusahaan. Data dalam penelitian ini diperoleh melalui bank data orbis. Data yang digunakan adalah laporan tahunan keuangan perusahaan ritel yang ada di Indonesia. Jenis data yang digunakan adalah data panel, yaitu gabungan antara data time series dan data cross-section. Sampel yang digunakan dalam penelitian ini adalah 22 perusahaan ritel yang terdaftar dalam dalam bank data orbis. Berikut ini adalah sampel perusahaan yang digunakan dalam penelitian ini : No Tabel IV.1 Sampel Perusahaan Ritel di Indonesia Nama Perusahaan 1 ACE HARDWARE INDONESIA TBK, PT 2 CATUR SENTOSA ADIPRANA TBK, PT 3 HERO SUPERMARKET TBK 4 KOKOH INTI AREBAMA TBK., PT 5 MATAHARI PUTRA PRIMA TBK 6 MODERN INTERNASIONAL TBK 7 MULTI PRIMA SEJAHTERA TBK 8 PERDANA BANGUN PUSAKA TBK 9 PLAZA INDONESIA REALTY TBK 10 PT AKR CORPORINDO TBK 11 PT ASTRA GRAPHIA TBK 12 PT ENSEVAL PUTERA MEGATRADING TBK 13 PT KOKOH INTI AREBAMA TBK 32

14 PT MITRA ADIPERKASA TBK 15 PT MULTI INDOCITRA TBK 16 PT TIGARAKSA SATRIA TBK 17 PT TRIWIRA INSANLESTARI TBK 18 PT TUNAS RIDEAN TBK 19 PT UNITED TRACTORS TBK 20 PT WICAKSANA OVERSEAS INTERNATIONAL TBK 21 RAMAYANA LESTARI SENTOSA TBK 22 SUMBER ALFARIA TRIJAYA, PT 1. Statistik Deskriptif Statistik deskriptif menyajikan ringkasan karakteristik dari data penelitian sehingga dapat menggambarkan karakter sampel data yang digunakan pada penelitian ini. Data pada penelitian ini sebanyak 110 data dari 2010-2014 dan berasal dari 22 perusahaan. Berikut ini adalah hasil analisis deskriptif dalam penelitian ini : Tabel IV.2 Statistik Deskriptif Sampel Penelitian Mean Median Maximum Minimum Std. Dev. Observations IT 8.195900 4.840500 8.595300 0.053 1.195243 110 GM 0.303836 0.2335 2.910000 0.036 0.305294 110 CI 0.808064 0.804 0.999 0.67 0.078632 110 SS 1.076555 1.086500 1.770000 0.292 0.221785 110 Sumber : Data Sekunder yang diolah,2016 Berdasarkan tabel statistik deskriptif diatas dapat diketahui mengenai variabel-variabel yang digunakan dalam penelitian ini : a) Perputaran persediaan Perputaran persediaan merupakan rasio yang digunakan untuk mengukur kecepatan perputaran persediaan menjadi kas. Hasil analisis deskriptif variabel menunjukkan bahwa variabel 33

Perputaran persediaan memiliki nilai rata-rata sebesar 8.195900, dengan capaian nilai maksimum sebesar 8.595300 dan nilai minimum sebesar 0.053 dengan nilai tengahnya sebesar 4.840500. Perputaran persediaan perusahaan ritel di Indonesia secara keseluruahan memiliki nilai ratio sebesar 8.195900. Berdasarkan hasil analisis deskriptif variabel Perputaran persediaan, peneliti mengelompokkan tingkat dari hasil mean Perputaran persediaan kedalam 3 kategori dengan interval sebagai berikut : Interval = (8.595-0.053)/3 = 2.84 Rendah jika nilai mean = 0.053 2.89 Sedang jika nilai mean = 2.90 5.79 Tinggi jika nilai mean = 5.80 8.59 Berdasarkan tabel IV.2 menunjukkan variabel Perputaran persediaan dikategorikan tinggi. b) Laba kotor Laba kotor atau margin laba kotor digunakan untuk mengetahui keuntungan kotor perusahaan yang berasal dari penjualan setiap produknya. Berdasarkan tabel 1 diatas dapat diketahui bahwa dari 110 observasi nilai Laba kotor perusahaan minimum yaitu sebesar 0.036, nilai maksimum sebesar 2.910000 dan nilai rata-rata (mean) sebesar 0.303836. Sedangkan nilai untuk standar deviasinya sebesar 0.305294, hal tersebut berarti sebaran nilai laba kotor kurang baik karena standar deviasinya lebih besar dari nilai rata-rata (mean). 34

Berdasarkan hasil analisis deskriptif variabel Laba kotor, peneliti mengelompokkan tingkat dari hasil mean Laba kotor kedalam 3 kategori dengan interval sebagai berikut : Interval = (2.910000-0.036)/3 = 0.949 Rendah jika nilai mean = 0.036 0.985 Sedang jika nilai mean = 0.986 1.935 Tinggi jika nilai mean = 1.936 2.91 Berdasarkan tabel IV.2 menunjukkan variabel Laba kotor dikategorikan rendah. c) Intensitas modal Intensitas modal adalah jumlah modal perusahaan yang diinvestasikan pada aktiva tetap perusahaan. Berdasarkan tabel 1 diatas dapat diketahui bahwa dari 110 observasi, Intensitas modal perusahaan minimum yaitu sebesar 0.67, nilai maksimum sebesar 0.999 dan nilai rata-rata (mean) sebesar 0.808064. Sedangkan nilai untuk standar deviasinya sebesar 0.078632, dapat di ketahui bahwa sebaran nilai Intensitas Modal baik karena nilai rata-rata (mean) lebih besar dari standar deviasinya yaitu 0.808064 > 0.078632. Berdasarkan hasil analisis deskriptif variabel Intensitas modal, peneliti mengelompokkan tingkat dari hasil mean Intensitas modal kedalam 3 kategori dengan interval sebagai berikut : Interval = (0.999-0.67)/3 = 0.109 Rendah jika nilai mean = 0.67 0.779 Sedang jika nilai mean = 0.780 0.889 35

Tinggi jika nilai mean = 0.890 0.999 Berdasarkan tabel IV.2 menunjukkan variabel Intensitas modal dikategorikan sedang. d) Sales Surprise Peramalan penjualanadalah ratio antara penjualan aktual dengan penjualan yang diharapkan pada tahun tersebut. Berdasarkan tabel 1 diatas dapat diketahui bahwa dari 110 observasi, Peramalan penjualan perusahaan minimum yaitu sebesar 0.292, nilai maksimum sebesar 1.770000 dan nilai ratarata (mean) sebesar 1.076555. Sedangkan nilai untuk standar deviasinya sebesar 0.221785, dapat di ketahui bahwa sebaran nilai Peramalan penjualan baik karena nilai rata-rata (mean) lebih besar dari standar deviasinya yaitu 1.076555 > 0.221785. Berdasarkan hasil analisis deskriptif variabel Sales Surprise, peneliti mengelompokkan tingkat dari hasil mean Peramalan penjualankedalam 3 kategori dengan interval sebagai berikut : Interval = (1.77-0.292)/3 = 0.492 Rendah jika nilai mean = 0.292 0.784 Sedang jika nilai mean = 0.785 1.277 Tinggi jika nilai mean = 1.278 1.77 Berdasarkan tabel IV.2 menunjukkan variabel Peramalan penjualan dikategorikan sedang. 36

B. Uji Asumsi Klasik Penelitian ini menggunakan teknik regresi data panel. Uji asumsi klasik digunakan dalam kasus ini yang terdiri dari uji multikolinearitas, uji heterokedastisitas, dan uji autokorelasi. 1. Uji Normalitas Uji normalitas bertujuan untuk melihat normalitas dari distribusi datanya. Normalitas dari distribusi tersebut dilihat dari nilai Kolmogorov-Smirnov Z nya, apabila nilainya lebih besar dari signifikansinya sebesar α = 1% (0,01) maka bertribusi normal. Tabel IV.3 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 110 Normal Parametersa Mean -4.799191E-16 Std. Deviation 0.335539664 Most Extreme Differences Absolute 0.127075608 Positive 0.127075608 Negative -0.11156361 Kolmogorov-Smirnov Z 1.332780219 Asymp. Sig. (2-tailed) 0.057298401 a. Test distribution is Normal. Dari hasil uji normalitas dengan Kolmogorov-Smirnov menunjukkan nilai sebesar 1.332780219 dan nilai signifikansinya sebesar α = 1% (0,01) maka dapat disimpulkan bahwa distribusinya normal. 2. Uji Multikolinearitas 37

Uji Multikolinearitas bertujuan untuk melihat hasil koefisien korelasinya. Dapat dikatakan tidak ada multikolinearitas apabila nilai koefisien korelasinya < 0,80. Tabel 6 berikut adalah hasil dari uji multikolinearitas : Tabel IV.4 Uji Multikolinearitas IT GM CI SS IT 1.00 -.01.57.25 GM -.01 1.00.26 -.31 CI.57.26 1.00 -.17 SS.25 -.31 -.17 1.00 Dari hasil uji multikolinearitas diatas dapat dilihat bahwa pada setiap variabel Independennya memiliki nilai koefisien korelasi < 0,80. Dapat disimpulkan bahwa model regresi dalam penelitian ini tidak mengalami multikolinearitas dan model ini dapat digunakan. 3. Uji Heterokedastistas Uji heterokedastistas ini menggunakan uji Glejser. Pada uji ini akan dilihat seberapa besar nilai signifikansinya sehingga dapat diketahui terdapat heterokedastistas atau tidak dalam model regresi ini. Berikut ini adalah hasil Uji heterokedastistas dengan menggunakan uji Glejser : Tabel IV.5 Uji Heterokedastistas Model Coefficientsa Unstandardiz ed Coefficients Std. Standar dized Coeffici ents Beta t Sig. 38

Error 1 (Constant) -4.74368E-16 0.099 0.000 1.000 gm 0.000 0.111 0.000 0.000 1.000 ci 0.000 0.805 0.000 0.000 1.000 ss 0.000 0.040 0.000 0.000 1.000 a. Dependent Variable:AbUt Dari hasil uji tersebut dapat dilihat dari variabel independennya memiliki nilai signifikansi (1,000) > 0,01 sehingga dapat dikatakan bahwa tidak ada heterokedastistas dalam model regresi ini. 4. Uji Autokorelasi Selanjutnya dilakukan uji autokorelasi dengan menggunakan uji Durbin-Watson untuk mengetahui apakah terjadi autokorelasi atau tidak. Tabel 7 berikut merupakan hasil uji Autokorelasi : Model R Model Summaryb R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0.6816 0.4645 0.4494 0.3403 1.195 a.predictors:(constant),ss,ci,gm b. Dependent Variable: it Tabel IV.6 Uji Autokorelasi Pengujian dilakukan dengan melihat nilai dari uji Durbin-Watson, dimana pada penelitian ini menggunakan nilai signifikansi sebesar α = 1% (0,01) dengan jumlah n=22 dan k=3 maka dapat diketahui nilai dari tabel Durbin-Watson dimana nilai dl adalah sebesar 0.832 dan 39

nilai du sebesar 1.407. pengujian yang dilakukan adalah dengan deteksi autokorelasi : jika nilai dw lebih kecil dari dl atau lebih besar dari (4-dL) maka hipotesis nol ditolak yang berarti terdapat autokorelasi. Dari deteksi diatas didapatkan hasil sebagai berikut : 1.195 > 0.832 atau 1.195 < 3.168, hasil tersebut menunjukkan bahwa hipotesis nol diterima yang berarti tidak terdapat autokorelasi. C. Analisis Regresi Data Panel 1. Menggunakan pendekatan Common Effect Pendekatan Common Effect merupakan metode untuk mengkombinasikan data time series dan cross section. Berikut hasil regresi menggunakan pendekatan Common Effect : Tabel IV.7 Estimasi regresi pendekatan Common Effect Variable Coefficient Std. Error t-statistic Prob. GM -0.7742 0.1086-7.1246 0.0000 CI 6.0779 0.7924 7.6701 0.0000 SS 0.8063 0.3073 2.6237 0.0100 R-squared 0.4935 Adjusted R- Squared 0.4792 Dari hasil yang di tunjukkan menggunakan metode Common Effect diatas Adjusted R-Squared memiliki nilai sebesar 40

47,92%. Hal tersebut menunjukkan variabel independen Laba kotor, Intensitas Modal, dan Peramalan Penjualan memiliki hubungan dengan variabel dependen yaitu Perputaran Persediaan, sedangkan 53,08% dijelaskan oleh variabel lain diluar penelitian. Secara statistik hal ini dapat ditunjukkan dengan melihat nilai probabilitasnya, dimana nilainya lebih kecil dari nilai α (taraf signifikansi =1%). 2. Menggunakan pendekatan Fixed Effect Model Pada pendekatan Fixed Effect Model slopenya tetap hanya saja intersepnya berbeda pada setiap individunya. Oleh karena itu pada pendekatan ini menggunakan variable dummy. Berikut merupakan hasil regresi menggunakan variabel dummy : Tabel IV.8 Estimasi regresi pendekatan Fixed Effect Model Variable Coefficient Std. Error t-statistic Prob. C 0.63906 0.122181 5.230444 0.0000 GM -.64037100 0.129261-4.954091 0.0000 CI 3.770844 0.890079 4.236527 0.0001 SS 0.018333 0.02757 0.664954 0.5079 R-squared 0.83512 Adjusted R- Squared 0.788565 Sumber : Data Sekunder yang diolah,2016 Dari hasil regresi menggunakan Fixed Effect Model di atas, dapat diketahui bahwa hasil Adjusted R-Squared lebih besar dari hasil menggunakan Common Effect, yaitu sebesar 0.788565 > 0.479227. Dapat dilihat pula hanya variabel Laba Kotor dan Intensitas Modal yang signifikan secara statistik dilihat dari nilai probabilitasnya yang 41

lebih kecil dibandingkan dengan α (taraf signifikansi = 1%), artinya memiliki hubungan dengan Perputaran persediaan. 3. Menggunakan Random Effect Model Pada pendekatan ini intersep dianggap sebagai variabel acak/random yang memiliki nilai rata-rata. Intersep tidak dianggap konstan. Berikut hasil regresi menggunakan Random Effect Model : Tabel IV.9 Estimasi regresi pendekatan Random Effect Model Variable Coefficient Std. Error t-statistic Prob. C 0.655249 0.122136 5.364.898 0.0000 GM -.6867870 0.114305-6.008.362 0.0000 CI 4.240681 0.800764 5.295.794 0.0000 SS 0.021028 0.026941 0.780536 0.4368 R-squared 0.363607 Adjusted R- Squared 0.345596 Sumber : Data Sekunder yang diolah,2016 Dari hasil regresi menggunakan pendekatan Random Effect Model, dapat dilihat bahwa nilai Adjusted R-Squared menghasilkan nilai yang lebih rendah dari pada menggunakan pendekatan fixed effect model, yaitu hanya sebesar 34,55%. Seperti halnya menggunakan pendekatan fixed effect model pada pendekatan ini variabel Laba Kotor dan Intensitas Modal yang probabilitasnya dikatakan signifikan jika dibandingkan dengan α (taraf signifikansi = 1%), artinya memiliki hubungan dengan Perputaran persediaan. D. Estimasi Regresi Data Panel 1. Pemilihan model dengan Uji Chow 42

Uji ini dilakukan untuk memilih model antara model efek tetap (fixed effect model) dengan model koefisien tetap (common effect). Berikut ini adalah hasil model dengan Uji Chow : Effect Test Statistic d.f. Prob. Cross-section F 9.157955 (21,85) 0 Cross-section Chi-square 130.076119 21 0 Tabel hasil model dengan uji chow diatas menunjukkan bahwa nilai probabilitas baik dari uji F dan Chi-square menunjukkan angka yang signifikan dimana secara statistik taraf signifikansinya p value < α (α = 1%). Dari hasil tersebut membuktikan bahwa Hipotesis nol ditolak dan hipotesis satu diterima sehingga model regresi terbaik menggunakan pendekatan fixed effect model. Untuk memperkuat kembali pemilihan model regresi maka selanjutnya dapat melakukan uji Hausman. Tabel IV.10 Uji Chow 2. Pemilihan model dengan uji Hausmann Pada metode ini dilakukan uji untuk menentukan model yang baik digunakan apakah Random Effect Model (REM) atau Fixed Effect Model (FEM) sebagai penentu apakah hipotesisnya dapat diterima. Berikut ini adalah hasil dari uji Hausmann : Tabel IV.11 Uji Hausmann Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random 2.869551 3 0.4122 43

Hausmann tes diatas menghasilkan nilai probabilitas sebesar 0,4122 bila menggunakan taraf signifikansi 0,01 (α = 1%) hasilnya menunjukkan bahwa Fixed Effect model adalah model yang digunakan karena hasilnya 0,4122 > 0,01 cukup membuktikan bahwa H1 diterima. E. Uji Hipotesis Penelitian ini bertujuan untuk mengetahui pengaruh Laba kotor, Intensitas modal, dan Peramalan penjualan terhadap Perputaran persediaan pada perusahaan ritel yang ada di Indonesia periode tahun 2010-2014. Pengujian Hipotesis terdiri dari : 1. Uji Simultan (Uji F) Uji F dilakukan untuk mengetahui model regresi keseluruhan atas seluruh pengaruh variabel independen terhadap variabel dependen. Tabel berikut menunjukkan hasil dari uji simultan : Tabel IV.12 Uji Simultan F-statistic 1.793858 Prob(F-statistic) 0.00000 Dari uji simultan menunjukkan nilai f hitung sebesar 1.793858 dan nilai probabilitasnya sebesar 0.00. Bila dibandingkan dari hasil uji simultan diatas dengan nilai f tabel, maka nilai f hitung nilainya lebih besar yaitu 1.793858 < 4.58. Dari hasil tersebut menunjukkan bahwa hipotesis satu diterima. Hasil nilai probabilitasnya yang menunjukkan lebih kecil dari nilai statistiknya α (0.01) > 0.00 maka semua variabel independen Laba kotor, Intensitas modal, dan Peramalan penjualan 44

secara simultan tidak berpengaruh terhadap variabel dependen yaitu Perputaran persediaan. 2. Uji Parsial (Uji Statistik t) Pengujian ini dilakukan untuk mengetahui pengaruh variabel Independen terhadap variabel dependen pada penelitian ini. Hasil uji parsial (uji statistik t) menunjukkan hasil sebagai berikut ini : Tabel IV.13 Uji Parsial Variable Coefficient Std. Error t-statistic Prob. C 0.63906 0.12218 5.230444 0.0000 GM -0.64037 0.12926-4.954091 0.0000 CI D 3.77084 0.89007 4.236527 0.0001 SS 0.01833 0.02757 0.664954 0.5079 a dari tabel diatas menunjukkan bahwa variabel Laba kotor memiliki nilai t sebesar -4.954 dengan nilai probabilitas sebesar 0.0000. Nilai t hitung menghasilkan nilai negatif dan probabilitasnya lebih kecil dari nilai α (0,01). Sehingga dapat disimpulkan bahwa hipotesis nol diterima, dengan kata lain Laba kotor berpengaruh negatif dan signifikan terhadap Perputaran persediaan. Pada variabel Intensitas modal hasil di tabel IV.13 menunjukkan nilai t sebesar 4.236 dengan nilai probabilitas sebesar 0.0001. Pada variabel ini nilai t hitung menghasilkan nilai positif dan nilai probabilitasnya lebih kecil dari nilai statistiknya yakni α (0.01) > 0.0001. Maka dapat disimpulkan dari uji parsial ini adalah Hipotesis satu diterima dimana Intensitas modal berpengaruh positif dan signifikan terhadap Perputaran persediaan. 45

Variabel Peramalan penjualan memiliki nilai t sebesar 0.6649 dan probabilitas sebesar 0.5079. Pada variabel ini nilai t hitung menghasilkan nilai positif dan nilai probabilitasnya lebih besar dari nilai statistik yaitu, α (0.01) < 0.5079. Maka dapat disimpulkan dari uji parsial ini adalah Hipotesis nol diterima dimana Peramalan penjualan berpengaruh negatif namun tidak signifikan terhadap Perputaran persediaan. 3. Koefisien Determinasi (R 2 ) Koefisien determinasi bertujuan untuk mengukur seberapa jauh model dapat menerangkan variasi dari variabel dependen. Nilai dari R 2 bertujuan untuk mengukur seberapa besar pengaruh dari variabel independennya terhadap variabel dependennya. Berikut adalah tabel hasil koefisiensi determinasinya R 2 : Tabel IV.14 Uji Koefisien Determinasi (R 2 ) R-squared 0.83512 Adjusted R-Squared 0.78856 Dari hasil tabel tersebut menunjukkan nilai Adjusted R-Squared sebesar 0.788 atau 78.8%. Hal ini berarti bahwa perubahan pada Perputaran persediaan sebesar 78.8% dipengaruhi oleh Laba kotor, Intensitas modal, dan Peramalan penjualan, sedangkan 21.2% dipengaruhi oleh variabel lain diluar penelitian. 46

F. Pengujian Hipotesis dan Pembahasan 1. Pengaruh Laba kotor terhadap Perputaran persediaan. Hasil penelitian menunjukkan pada variabel Laba kotor menunjukkan nilai koefisiennya bernilai negatif sebesar -4.954. Pada uji t untuk variabel ini diperoleh nilai probabilitasnya sebesar 0.0000 dan memiliki nilai statistik sebesar α (0,01), sehingga dapat ditarik kesimpulan bahwa variabel independen Laba kotor berpengaruh negatif dan signifikan terhadap variabel dependennya, yaitu Perputaran persediaan. Hasil temuan penelitian ini menunjukkan bahwa kenaikan pada Laba kotor justru akan menurunkan Perputaran persediaan, namun sebaliknya penurunan pada Laba kotor akan menaikkan nilai dari Perputaran persediaan dan hal ini terjadi secara signifikan. Hal ini selaras dengan penelitian terdahulu yang dilakukan oleh Georgios (2010) dalam mengukur hubungan antara Laba kotor dan Perputaran persediaan. Penelitian tersebut menyimpulkan bahwa Laba kotor memiliki hubungan negatif dan signifikan terhadap dependen variabelnya yaitu Perputaran persediaan. Pada hasil regresinya menunjukkan nilai koefisiennya negatif sebesar -4.954 dan koefisiennya sebesar 0.000 dapat ditarik kesimpulan Laba kotor berhubungan negatif dan signifikan dengan dibuktikan nilai probabilitasnya lebih kecil dari nilai statistiknya yaitu sebesar α (0,01). 2. Pengaruh Intensitas modal terhadap Perputaran persediaan Analisis nilai statistik dari variabel independen Intensitas modal (CI) menunjukkan koefisiennya bernilai positif yaitu sebesar 4.236. 47

Nilai propabilitasnya menunjukkan nilai sebesar 0.000. Dari hasil uji yang didapat ditarik kesimpulan bahwa nilai koefisien tersebut menunjukkan bahwa setiap kenaikan pada Intensitas modal akan menaikkan nilai akan Perputaran persediaan dan hubungan ini bersifat signifikan. Hasil temuan tersebut konsisten dengan temuan fisher (2000) dimana setiap kenaikan Intensitas modal akan menaikkan pula angka dari Perputaran persediaan. Penambahan dalam bidang investasi pada perusahaan ritel akan menambah pula performa perusahaan pada persediaannya seperti penerapan teknologi (Gaur et al, 2004). 3. Pengaruh Peramalan penjualan terhadap Perputaran persediaan. Temuan pada penelitian ini menunjukkan hasil pada variabel independen Peramalan penjualan memiliki hubungan yang positif dengan dependen variabel Perputaran persediaan dan tidak berpengaruh signifikan. Hal tersebut dibuktikan dengan nilai t hitung bernilai positif sebesar 0.664 dan nilai probilitas sebesar statistik α (0,01) < 0,5079. Dapat diambil keputusan bahwa Hipotesis ditolak dan tidak konsisten dengan penelitian Gaur et al (2010). 48