36 III. METODE PENELITIAN 3.1 Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian deskriptif. Penelitian deskriptif merupakan suatu metode penelitian yang ditunjukkan untuk menggambarkan fenomena-fenomena yang ada pada saat ini atau saat yang lampau. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana perkembangan rasio likuiditas dan aktivitas pada perusahaan makanan dan minuman tahun 2010 2014 serta untuk mengetahui pengaruh likuiditas dan aktivitas terhadap profitabilitas perusahaan makanan dan minuman yang terdaftar di Bursa Efek Indonesia. 3.2 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder, karena data tidak diperoleh langsung oleh peneliti. Data yang dibutuhkan dalam penelitian ini diperoleh melalui laporan keuangan tahunan perusahaan makanan dan minuman yang terdapat di Bursa Efek Indonesia (BEI) Tahun 2010 2014.
37 3.3 Metode Pengumpulan Data Metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan metode dokumentasi dengan mendapatkan data laporan keuangan tahunan perusahaan yang telah diaudit dan telah dikeluarkan oleh perusahaan. Data tersebut diperoleh dari website resmi yang dimiliki oleh BEI, yakni www.idx.co.id 3.4 Populasi dan Sampel Populasi dalam penelitian ini adalah semua perusahaan makanan dan minuman yang terdaftar di Bursa Efek Indonesia. Jumlah perusahaan makanan dan minuman yang terdaftar di Bursa Efek Indonesia sampai dengan tahun 2014 adalah sebanyak 16 perusahaan yang merupakan jumlah populasi dalam penelitian ini. Adapun teknik pengambilan sampel yang digunakan adalah metode purposive sampling, yaitu sampel dipilih dengan menggunakan pertimbangan tertentu yang disesuaikan dengan tujuan penelitian atau masalah penelitian yang dikembangkan. Pemilihan periode 2010-2014 sebagai sampel karena dapat menggambarkan kondisi yang relatif baru di pasar modal Indonesia, dengan menggunakan sampel yang relatif baru dan rentang tahun penelitian yang panjang, diharapkan hasil penelitian akan lebih relevan untuk memahami kondisi yang aktual di Indonesia.
38 Kriteria-kriteria yang digunakan dalam penelitian ini yaitu: 1. Perusahaan makanan dan minuman yang terdaftar di Bursa Efek Indonesia tahun 2010 2014. 2. Perusahaan makanan dan minuman yang menerbitkan laporan keuangan secara lengkap selama periode 2010-2014. Berdasarkan kriteria tersebut, diperoleh sampel perusahaan makanan dan minuman sebanyak 10 perusahaan yang akan ditampilkan pada Tabel 3.1 Tabel 3.1 Daftar sampel perusahaan makanan dan minuman yang menjadi objek penelitian periode 2010-2014 No. Kode Nama Emiten 1 AISA Tiga Pilar Sejahtera food Tbk 2 CEKA Cahaya Kalbar Tbk 3 DLTA Delta Djakarta Tbk 4 ICBP Indofood CBP Sukses Makmur Tbk 5 INDF Indofood Sukses Makmur Tbk 6 MYOR Mayora Indah Tbk 7 PSDN Prashida Aneka Niaga Tbk 8 SKLT Sekar Laut Tbk 9 STTP Siantar Top Tbk 10 ULTJ Ultrajaya Milk Indsutry and Trading Company Tbk Sumber : www.sahamok.com 3.5 Alat Analisis 3.5.1 Analisis Statistik Deskriptif Analisis statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi suatu data. Analisis ini dimaksudkan untuk menganalisis data disertai dengan perhitungan agar dapat memperjelas keadaan dan karakteristik data tersebut.
39 3.5.2 Analisis Regresi Berganda Uji regresi berganda ini bertujuan untuk memprediksi besarnya keterkaitan dengan menggunakan data variabel bebas yang sudah diketahui besarnya. Analisis regresi berganda digunakan untuk memprediksi besar variabel tergantung dengan menggunakan data variabel bebasnya. Rumus menguji hipotesis dalam penelitian ini digunakan model berikut: Y = a + b1x1+ b2x2 + b3x3 + Keterangan: Y = ROA a = Konstanta b = Koefisien regresi X1 = current ratio Current ratio = X2 = inventory turnover Inventory turnover = X3 = account receivable turnover Account receivable turnover = = Residual (variabel kesalahan)
40 3.5.3 Uji Asumsi Klasik Penelitian ini menggunakan regresi berganda sebagai alat analisis, oleh karena itu data terlebih dahulu harus lolos uji asumsi klasik agar syarat asumsi dalam regresi terpenuhi. Uji asumsi klasik yang diperlukan ialah uji normalitas, multikolinearitas, autokorelasi dan heteroskedastisitas. 3.5.3.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat, variabel bebas, atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal, sedangkan distribusi normal dapat diketahui dengan melihat penyebaran data statistik pada sumbu diagonal dari grafik distribusi normal (Ghozali, 2011). Analisis grafik adalah salah satu cara termudah untuk melihat normalitas adalah dengan melihat histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Selain itu juga dapat melihat normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dan distribusi normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan :
41 - Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. - Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Sumber : SPSS 16.00, data diolah. Gambar 3.1 Grafik histogram Gambar 3.1. menunjukkan bahwa pola data terdistribusi secara normal karena bentuk kurva pada histogram memiliki bentuk seperti lonceng, namun dalam menyimpulkan normal atau tidaknya data tidak cukup jika hanya menggunakan grafik histogram karena hal tersebut belum tentu akurat. Selain grafik histogram,
42 juga dapat diliat dengan normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Sumber : SPSS 16.00, data diolah. Gambar 3.2 Uji Normalitas Dari grafik di atas, terlihat titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal, maka variable regresi layak dipakai.
43 3.5.3.2 Uji Multikolonieritas Uji multikolonieritas dilakukan untuk mengetahui apakah ditemukan korelasi antar variabel bebas (independen) pada model regresi. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel tersebut tidak ortogonal. Variabel ortogonal merupakan variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Mendeteksi ada atau tidaknya multikolinearitas dapat dilakukan dengan berbagai cara, salah satunya dengan melihat dari: 1. Nilai tolerance dan lawannya. 2. Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan variabel manakah yang dijelaskan variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,1 atau sama dengan nilai VIF 10 (Ghozali, 2011) jadi dapat disimpulkan, suatu model regresi dikatakan tidak ada multikolinearitas apabila memiliki nilai tolerance > 0,10 dan nilai VIF < 10.
44 Tabel 3.2 Hasil uji multikolinearitas Coefficients a Collinearity Statistics Model 1(Constant) Tolerance VIF Current Ratio.901 1.110 Inventory Turnover.896 1.116 Account Receiveable.994 1.006 a. Dependent Variable: Return On Asset Sumber : SPSS 16.00, data diolah. Berdasarkan hasil pengujian yang ditunjukkan pada Tabel 3.2 nilai tolerance semua variabel bebas > 0,10 dan nilai VIF semua variabel kurang dari 10 yang berarti tidak ada multikolinearitas antar variabel independen. 3.5.3.3 Uji Heteroskedastisitas Uji heteroskedastisitas dilakukan untuk mengetahui apakah di dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, sedangkan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas (Ghozali, 2011).
45 Sumber : SPSS 16.00, data diolah. Gambar 3.3 Uji Heteroskedastisitas Dasar analisis uji heteroskedastisitas berdasarkan Ghozali (2011) adalah sebagai berikut. Jika ada pola tertentu,seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Uji Heterokedastisitas dapat juga dilakukan dengan menggunakan uji glejser yang mewajibkan tingkat signifikansi di atas 5% untuk menandakan bebas heterokedastisitas.
46 3.5.3.4 Uji Autokorelasi Autokorelasi terjadi apabila munculnya suatu data dipengaruhi oleh data sebelumnya. Dengan kata lain, pengujian ini dimaksudkan untuk melihat adanya hubungan data satu dengan data yang lainnya dalam satu variabel (Ghozali, 2011). Mendeteksi ada tidaknya autokorelasi dapat menggunakan uji Durbin Watson (DW). Pengambilan keputusan ada tidaknya autokorelasi adalah bila nilai DW terletak antara batas atas atau upper bound (du) dan (4-du) maka koefisien autokorelasinya sama dengan nol, berarti tidak ada autokorelasi. Bila nilai DW lebih rendah dari batas bawah atau lower bound (dl)maka koefisien autokorelasi lebih besar daripada nol, berarti ada autokorelasi positif. Bila nilai DW lebih besar dari (4-dl) maka koefisien autokorelasinya lebih kecil daripada nol, berarti ada autokorelasi negatif. Bila nilai DW terletak antara batas atas (du) dan di bawah batas bawah (dl) atau DW terletak antara (4-du) dan (4-dl) maka hasilnya tidak dapat disimpulkan. Tabel 3.3 Uji Durbin-Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.847 a.717.699 3.61297 1.982 a. Predictors: (Constant), Account Receiveable, Current Ratio, Inventory Turnover b. Dependent Variable: Return On Asset Sumber : SPSS 16.00, data diolah.
47 Pada Tabel 3.3 dengan k = 3 dan n = 50, diperoleh nilai Durbin Watson (DW) sebesar 1,982. Sedangkan besarnya DW-tabel dengan derajat kepercayaan sebesar 5% adalah dl (batas luar) sebesar 1,4206 dan du (batas dalam) sebesar 1,6739 sehingga nilai 4-du adalah 2,3261. DW terletak antara du dan (4-du) yaitu 1,6739 < 1,982 < 2,3261 maka dapat disimpulkan Ho diterima yang mengindikasikan bahwa tidak terdapat autokorelasi pada data yang diuji. 3.6 Definisi Opersional Variabel Penelitian ini melibatkan empat variabel yang terdiri atas satu variabel terikat (dependen) dan tiga variabel bebas (independen). Variabel bebas tersebut adalah: current ratio, inventory turnover, account receivable turnover sedangkan variabel terikatnya adalah Return On Assets (ROA). Adapun definisi dari masing-masing variabel tersebut adalah sebagai berikut: 3.6.1 Variabel terikat (Dependent variable) Variabel dependen (Variabel Y) yaitu variabel yang nilainya dipengaruhi oleh variabel independen. Variabel dependen dalam penelitian ini adalah aspek profitabilitas yang diukur dengan ROA. Return on asset (ROA) adalah kemampuan perusahaan dalam menghasilkan laba dari aktiva yang digunakan (Yuliani, 2012). Data ROA diperoleh dari www.idx.co.id. 3.6.2 Variabel bebas ( Independent variable) Variabel bebas adalah variabel-variabel yang diduga secara bebas berpengaruh terhadap ROA perusahaan. Variabel independen (variabel X) yaitu variabel yang menjadi sebab terjadinya atau terpengaruhinya variabel dependen. Variabel
48 independen dalam penelitian ini adalah current ratio, inventroy turnover dan account receivable turnover. Current ratio adalah rasio likuiditas yang dihitung dengan cara membagi aktiva lancar dengan utang jangka pendek. Current ratio merupakan alat untuk menghitung seberapa kemampuan perusahaan dalam membayar hutang jangka pendeknya dengan aktiva lancar yang tersedia. Inventory turnover adalah rasio aktivitas yang dihitung dengan cara membagi harga pokok penjualan dengan rata-rata persediaan. Rasio ini menunjukan perputaran persediaan barang. Rasio perputaran persediaan menandakan likuiditas persediaan yang diukur dengan berapa kali penggantian persediaan perusahaan selama tahun tersebut. Account receivable turnover ratio adalah rasio yang menunjukkan efisiensi pengelolaan piutang pada perusahaan. Semakin tinggi rasio menunjukkan modal kerja yang ditanamkan pada piutang rendah. 3.7 Pengujian Hipotesis Dalam menguji hipotesis dalam penelitian ini digunakan metode regresi berganda, sebelum menguji hipotesis akan dilakukan uji koefesien determinasi dan uji ANOVA. 3.7.1 Uji Koefisien Determinasi Koefisien deternasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai kemampuan variabel-
49 variabel independen dalam menjelaskan variabel dependen amat terbatas. Nilai R2 yang mendekati satu berarti menunjukkan bahwa variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen (Ghozali, 2011). 3.7.2 Uji F Uji statistik F atau uji Analisis of Variance (ANOVA) merupakan metode untuk menguji secara bersama-sama hubungan antara satu variabel dependen (skala metrik) dengan satu atau lebih variabel independen (skala non metrik atau kategorikal dengan kategori lebih dari dua). ANOVA digunakan untuk mengetahui pengaruh utama dan pengaruh interaksi dari variabel independen kategorikal terhadap variabel dependen metrik. Pengaruh utama adalah pengaruh langsung variabel independen terhadap variabel dependen, sedangkan pengaruh interaksi adalah pengaruh bersama dua atau lebih variabel independen terhadap variabel dependen (Ghozali, 2011). Apabila nilai F signifikan pada tingkat probabilitas 5%, maka dapat dikatakan bahwa semua variabel independen secara bersama-sama memengaruhi variabel dependen. 3.7.3 Uji t Uji statistik t digunakan untuk menunjukkan pengaruh secara parsial atau seberapa jauh variabel penjelas atau independen secara individual menerangkan variasi variabel dependen (Ghozali, 2011). Pengujian ini dilakukan untuk menguji variabel independen secara parsial dengan tingkat probabilitas 5%. Apabila
50 tingkat probabilitas lebih kecil dari 5% maka hipotesis diterima. Pada Uji t dapat dilihat pula nilai koefisien atau beta yang menunjukkan seberapa besar masingmasing variabel independen dalam menjelaskan variabel dependen, serta pengaruh positif atau negatif berdasarkan tanda positif atau negatif pada koefisien.