3.5.2.

1 Uji Multikoloniaritas

Uji multikolonieritas bertujuan untuk menguji apakah pada model regresi

ditemukan adanya korelasi antar variabel independen (Ghozali 2006). Jika terjadi

korelasi, maka dinamakan terdapat problem multikolonieritas. Model regresi yang baik

seharusnya tidak terjadi korelasi diantara variabel independen.

Uji multikolonieritas pada penelitian dilakukan dengan matriks korelasi.

Pengujian ada tidaknya gejala multikolonieritas dilakukan dengan memperhatikan nilai

matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF (Variance

Inflation Factor) dan tolerance-nya. Apabila nilai matriks korelasi tidak ada yang lebih

besar dari 0,5 maka dapat dikatakan data yang akan dianalisis terlepas dari gejala

multikolonieritas.Kemudian apabila nilai VIF berada dibawah 10 dan nilai tolerance

lebih hari 0,1 maka diambil kesimpulan bahwa model regresi tersebut tidak terdapat

problem multikolonieritas (Ghozali 2006).

4.2.1.1 Uji Multikolinearitas

1) Variabel Terikat : Return on Asset

Tabel 4.3
Uji Multikolinearitas Return on Asset

Hasil regresi di atas mempunyai VIF<10 pada variabel independennya,

sehingga dapat disimpulkan bahwa tidak adanya problem multikolinearitas (tidak

terdapat hubungan linear yang sangat tinggi antara variabel independen).

2) Variabel Terikat : Return on Equity

Tabel 4.4
Uji M Multikolinearitas Return on Equity

Hasil regresi di atas mempunyai VIF<10 pada variabel independennya,

sehingga dapat disimpulkan bahwa tidak adanya problem multikolinearitas (tidak

terdapat hubungan linear yang sangat tinggi antara variabel independen).

3) Variabel Terikat : Earning per Share

Tabel 4.5
Uji M Multikolinearitas Earning per Share
 Hasil regresi di atas mempunyai VIF<10 pada variabel independennya,

sehingga dapat disimpulkan bahwa tidak adanya problem multikolinearitas (tidak

terdapat hubungan linear yang sangat tinggi antara variabel independen).

4) Variabel Terikat : Net Profit Margin

Tabel 4.6
Uji Multikolinearitas Net Profit Margin

Hasil regresi di atas mempunyai VIF<10 pada variabel independennya,

sehingga dapat disimpulkan bahwa tidak adanya problem multikolinearitas (tidak

terdapat hubungan linear yang sangat tinggi antara variabel independen).

5) Variabel Terikat : Sales Growth

Tabel 4.6
Uji Multikolinearitas Sales Growth
 Hasil regresi di atas mempunyai VIF<10 pada variabel independennya,

sehingga dapat disimpulkan bahwa tidak adanya problem multikolinearitas (tidak

terdapat hubungan linear yang sangat tinggi antara variabel independen).

BAB IV

HASIL DAN PEMBAHASAN

4.1 Gambaran Sampel Penelitian

Penelitian ini menguji hubungan antara financial leverage dengan kinerja keuangan.

Adapun variabel independen dari penelitian ini adalah financial leverage ydengan

menggunakan Debt to Equity Ratio (DER), sedangkan variabel dependen adalah kinerja

keuangan dengan indikator ROA, ROE, EPS, Net Profit Margin dan Sales Growth. Sampel

penelitian diambil dari perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI)

dari tahun 2011 sampai 2015 dengan menggunakan metode teknik purposive sampling.

Jumlah sampel yang diperoleh dari teknik tersebut sebanyak 14 perusahaan manufaktur.

Berikut disajikan kriteria dan proses pemilihan sampel:

Table 4.1
Proses Pemilihan Sampel

No Kriteria Total

1 Semua perusahaan manufaktur yang terdaftar di Bursa 720

Efek Indonesia periode 2011-2015
2 Semua perusahaan manufaktur yang terdaftar di Bursa (505)
Efek Indonesia dan telah listing dari tahun 2000.
3 Perusahaan menerbitkan laporan keuangan selama periode (100)
2011-2015.
 4 Perusahaan menerbitkan laporan keuangan yang memiliki (25)
periode mata uang yang konsisten selama 2011-2015.
Total sampel selama periode 2011-2015 130

Daftar perusahaan manufaktur yang menjadi sampel dari tahun 2011-2015 disajikan

pada Lampiran A.

4.2 Analisis Data

4.2.1 Analisis Statistik Deskriptif

Data deskriptif terdiri dari rata-rata, nilai maksimum, nilai minimum, dan standar

deviasi dari semua variabel. Hasil statistik deskriptif ditunjukkan pada tabel di bawah ini :

Tabel 4.2
Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Debt to Equity Ratio 130 .108 6.341 .97675 .909977

Return on Asset 130 .007 1.688 .13278 .166532

Return on Equity 130 .008 3.114 .35197 .369518

Net Profit Margin 130 .007 .893 .09384 .087011

Earning per Share 130 8.650 897.584 1.52241E2 198.082293

Sales Growth 130 .003 1.485 .16795 .160999

Valid N (listwise) 130

Std.
N Minimum Maximum Mean Deviation
Debt Equity
130 .108 6.341 .97713 .909974
Ratio
Return on Asset 130 .007 1.677 .13270 .165737
Return on Equity 130 .008 3.114 .35255 .369149
Net Profit Margin 130 .025 .177 .08707 .041202
Earning Per 1.53888E
130 8.650 897.584 197.895710
Share 2
Sales Growth 130 .013 1.485 .17141 .162886
Valid N (listwise) 130

Sumber: Ouput Data dari SPSS

Tabel 4.2 menunjukkan jumlah sampel penelitian (N) adalah 70 sampel dari tahun

2011-2015.

Berdasarkan hasil uji statistik deskriptif dari variabel financial leverage yang diukur

dengan Debt to Equity Ratio (DER) memiliki rata-rata 97,71% dengan nilai maksimum

634%, nilai minimum 10,8% dan standar deviasi 90,99%.

Selanjutnya analisis statistik dari indikator kinerja keuangan juga terlihat pada tebel

tersebut. Nilai maksimum dari Return on Asset (ROA) adalah 167,7% dan nilai minimum

0,7%. Rata-rata industri dari ROA adalah 13,27% dan standar deviasi sebesar 16,57%.

Nilai maksimum dari Return on Equity (ROE) adalah 311,4% dan nilai minimum

0,8%. Rata-rata industri dari ROE adalah 35,26% dan standar deviasi 36,91%. Nilai

maksimum dari Net Profit Margin adalah 17,7% dan nilai minimum sebesar 2,5%. Rata-rata

industri dari Net Profit Margin sebesar 8,71% dan standar deviasi 4,12%.

Nilai maksimum dari Earning per Share (EPS) adalah 89758,4% dan nilai minimum

865%. Rata-rata industri dari EPS adalah 1538,8% dan standar deviasi 19789,6%. Nilai

maksimum dari Sales Growth adalah 148,5% dan nilai minimum 1,3%. Rata-rata industri

dari Sales Growth adalah 17,14% dan standar deviasi 16,29%.

4.2.2 Uji Asumsi Klasik

4.2.1.2 Uji Normalitas

Uji Normalitas menjelaskan bahwa variabel yang diuji memiliki distribusi

normal atau tidak. Model regresi yang baik mempunyai data berdistribusi normal atau

mendekati normal. Terdapat 2 cara untuk mengetahu data yang berdistribusi normal,
 yaitu dengan menganalisis grafik dan uji non-parametric statistical. Uji normalitas pada

penelitian ini menggunakan grafik.

1) Variabel Terikat : Return on Asset

Grafik 4.1
Uji Normalitas Return on Asset

2
Series: Residuals
Sample 2011 2015
Observations 4

Mean -1.56e-17
Median 0.007087
Maximum 0.029218
1 Minimum -0.043391
Std. Dev. 0.031173
Skewness -0.690869
Kurtosis 2.026286

Jarque-Bera 0.476219
Probability 0.788116

0
-0.05 -0.04 -0.03 -0.02 -0.01 0.00 0.01 0.02 0.03

Berdasarkan grafik di atas, terlihat bahwa grafik berbentuk normal dan

simetris. Artinya, semua data yang ada berdistribusi normal.

2) Variabel Terikat : Return on Equity

Grafik 4.2
Uji Normalitas Return on Equity
3
Series: Residuals
Sample 2011 2015
Observations 4

2 Mean -4.16e-17
Median -0.005705
Maximum 0.059529
Minimum -0.048118
Std. Dev. 0.054920
Skewness 0.106164
1
Kurtosis 1.143759

Jarque-Bera 0.581786
Probability 0.747596

0
-0.050 -0.025 0.000 0.025 0.050 0.075
Berdasarkan grafik di

atas, terlihat bahwa grafik

berbentuk normal dan simetris. Artinya, semua data yang ada berdistribusi

normal.

3) Variabel Terikat : Earning per Share

Grafik 4.3
Uji Normalitas Earning per Share

2
Series: Residuals
Sample 2011 2015
Observations 4

Mean -1.56e-17
Median 0.007087
Maximum 0.029218
1 Minimum -0.043391
Std. Dev. 0.031173
Skewness -0.690869
Kurtosis 2.026286

Jarque-Bera 0.476219
Probability 0.788116
Berdasarkan grafik
0
di
-0.05 -0.04 -0.03 -0.02 -0.01 0.00 0.01 0.02 0.03 atas, terlihat bahwa grafik

berbentuk normal dan

simetris. Artinya, semua data yang ada berdistribusi normal.

4) Variabel Terikat : Net Profit Margin

 Grafik 4.4
Uji Normalitas Net Profit Margin

2
Series: Residuals
Sample 2011 2015
Observations 4

Mean 2.60e-18
Median 0.003700
Maximum 0.014285
1 Minimum -0.021684
Std. Dev. 0.015584
Skewness -0.699730
Kurtosis 2.001972

Jarque-Bera 0.492425
Probability 0.781756

0
-0.025 -0.020 -0.015 -0.010 -0.005 0.000 0.005 0.010 0.015

Berdasarkan grafik di atas, terlihat bahwa grafik berbentuk normal dan

simetris. Artinya, semua data yang ada berdistribusi normal.

5) Variabel Terikat : Sales Growth

Grafik 4.5
Uji Normalitas Sales Growth

2
Series: Residuals
Sample 2011 2015
Observations 4

Mean -1.25e-16
Median 0.049647
Maximum 0.252672
1
Berdasarkan grafik di atas, Minimum -0.351967
terlihat bahwa grafik berbentuk normal dan
Std. Dev. 0.256835
Skewness -0.600803
simetris. Artinya, semua data yang ada berdistribusi normal. 1.994368
Kurtosis

Jarque-Bera 0.409192
Probability 0.814977
4.2.1.3 Uji Heteroskedasitas
0
-0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3
1) Variabel Terikat : Return on Asset

Grafik 4.6
Uji Heteroskedasitas Return on Asset
Heteroskedasticity Test: White

F-statistic 1.781093 Prob. F(1,2) 0.3137

Obs*R-squared 1.884210 Prob. Chi-Square(1) 0.1699
Scaled explained SS 0.235991 Prob. Chi-Square(1) 0.6271

Dari hasil scatter plot di atas, terlihat bahwa data tidak membentuk pola

tertentu sehingga disimpulkan bahwa tidak adanya problem heteroskedasitas pada

residual.

2) Variabel Terikat : Return on Equity

Grafik 4.7
Uji Heteroskedasitas Return on Equity

Heteroskedasticity Test: White

F-statistic 20.04561 Prob. F(1,2) 0.0464

Obs*R-squared 3.637116 Prob. Chi-Square(1) 0.0565
Scaled explained SS 0.065358 Prob. Chi-Square(1) 0.7982
 Dari hasil scatter plot di atas, terlihat bahwa data tidak membentuk pola

tertentu sehingga disimpulkan bahwa tidak adanya problem heteroskedasitas pada

residual.

3) Variabel Terikat : Earning Per Share

Grafik 4.8
Uji Heteroskedasitas Earning Per Share

Heteroskedasticity Test: White

F-statistic 3.683126 Prob. F(1,2) 0.1950

Obs*R-squared 2.592324 Prob. Chi-Square(1) 0.1074
Scaled explained SS 0.280275 Prob. Chi-Square(1) 0.5965

Dari hasil scatter plot di atas, terlihat bahwa data tidak membentuk pola

tertentu sehingga disimpulkan bahwa tidak adanya problem heteroskedasitas pada

residual.

4) Variabel Terikat : Net Profit Margin

Grafik 4.9
Uji Heteroskedasitas Net Profit Margin
Heteroskedasticity Test: White

F-statistic 1.931443 Prob. F(1,2) 0.2991

Obs*R-squared 1.965124 Prob. Chi-Square(1) 0.1610
Scaled explained SS 0.252097 Prob. Chi-Square(1) 0.6156

Dari hasil scatter plot di atas, terlihat bahwa data tidak membentuk pola

tertentu sehingga disimpulkan bahwa tidak adanya problem heteroskedasitas pada

residual.

5) Variabel Terikat : Sales Growth

Grafik 4.10
Uji Heteroskedasitas Sales Growth

Heteroskedasticity Test: White

F-statistic 9.53E-06 Prob. F(1,2) 0.9978

Obs*R-squared 1.91E-05 Prob. Chi-Square(1) 0.9965
Scaled explained SS 1.43E-06 Prob. Chi-Square(1) 0.9990

Dari hasil scatter plot di atas, terlihat bahwa data tidak membentuk pola

tertentu sehingga disimpulkan bahwa tidak adanya problem heteroskedasitas pada

residual.

4.2.1.4 Uji Autokorelasi

1) Variabel Terikat : Return on Asset

Tabel 4.7
Uji Autokorelasi Return on Asset
Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.063131 Prob. F(1,1) 0.8433

Obs*R-squared 0.237529 Prob. Chi-Square(1) 0.6260
 Nilai Durbin-Watson d = 0,889 dan nilai batas atas Durbin-Watson tabel

sebesar 1,729, dengan n = 130, dan k = 1 dimana k adalah banyaknya

variabel prediktor. Karena nilai (4-0.889) > 1,729 atau 1,729 <

2) Variabel Terikat : Return on Equity

Tabel 4.8
Uji Autokorelasi Return on Equity
Breusch-Godfrey Serial Correlation LM Test:

F-statistic 8.221852 Prob. F(1,1) 0.2136

Obs*R-squared 3.566248 Prob. Chi-Square(1) 0.0590

3) Variabel Terikat : Earning Per Share

Tabel 4.9
Uji Autokorelasi Earning Per Share
Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.820988 Prob. F(1,1) 0.5313

Obs*R-squared 1.803391 Prob. Chi-Square(1) 0.1793

4) Variabel Terikat : Net Profit Margin

 Tabel 4.10
Uji Autokorelasi Net Profit Margin
Breusch-Godfrey Serial Correlation LM Test:

F-statistic 3.111832 Prob. F(1,1) 0.3283

Obs*R-squared 3.027198 Prob. Chi-Square(1) 0.0819

5) Variabel Terikat : Sales Growth

Tabel 4.11
Uji Autokorelasi Sales Growth

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.000420 Prob. F(1,1) 0.9870

Obs*R-squared 0.001679 Prob. Chi-Square(1) 0.9673

4.2.3 Analisis Korelasi Pearson

Tabel 4.12
Korelasi Pearson
Correlations

DPR ROA ROE EPS SG NPM

DPR Pearson
1 -.390** -.669** -.122 .230** -.391**
Correlation
Sig. (1-tailed) .000 .000 .084 .004 .000
N 130 130 130 130 130 130
ROA Pearson
-.390** 1 .901** .350** .030 .795**
Correlation
Sig. (1-tailed) .000 .000 .000 .367 .000
N 130 130 130 130 130 130
ROE Pearson
-.669** .901** 1 .361** -.075 .763**
Correlation
Sig. (1-tailed) .000 .000 .000 .198 .000
N 130 130 130 130 130 130
EPS Pearson
-.122 .350** .361** 1 -.094 .442**
Correlation
Sig. (1-tailed) .084 .000 .000 .143 .000
N 130 130 130 130 130 130
SG Pearson
.230** .030 -.075 -.094 1 .035
Correlation
Sig. (1-tailed) .004 .367 .198 .143 .346
N 130 130 130 130 130 130
NPM Pearson
-.391** .795** .763** .442** .035 1
Correlation
Sig. (1-tailed) .000 .000 .000 .000 .346
N 130 130 130 130 130 130
**. Correlation is significant at the 0.01 level (1-tailed).

3.5.3.1 Pemilihan Model Data Panel

Model regresi pada data panel memiliki tiga pendekatan, yaitu pendekatan

kuadrat terkecil (pooled least square), pendekatan efek tetap (fixed effect) dan

pendekatan efek acak random (random effect). Untuk melakukan pemilihan model yang

akan digunakan, terlebih dahulu dilakukan pengujian terhadap masing-masing model

tersebut.

Metode fixed effect dan metode pooled least square dapat diuji dengan

(incremental) F-Test, sedangkan The Hauman specification test (Hauman, 1978)

membandingkan metode fixed effect dan metode random effect. Metode random effect

dengan metode pooled least square diuji dengan Lagrange Multiplier (LM) test.

1) F-Test adalah pengujian untuk memilih model pooled least square atau fixed

effect yang akan digunakan.

 2) Haussman test adalah pengujian untuk memilih antara penggunaan random

effects dan fixed effect dengan pertimbangan statistik Chi-Square (Gujarati, 2003).

3) The Breusch-Pagan LM Test adalah pengujian untuk memilih random effects atau

pooled least square.

3.5.1 Uji Signifikansi Model

Pengujian ini bertujuan untuk mengetahui apakah variabel bebas memiliki pengaruh

terhadap variabel terikatnya, dengan hipotesis sebaagi berikut:

Ho : variabel bebas tidak berpengaruh secara signifikan terhadap variabel terikat

H1 : variabel bebas berpengaruh secara signifikan terhadap variabel terikat

3.5.2 Uji Signifikansi dan Arah Variabel Bebas

Pengujian ini dilakukan untuk melihat hubungan variabel bebas terhadap variabel

terikat. Hubungan yang positif antara variabel terikat dengan variabel bebas terjadi apabila

peningkatan variabel bebas mendorong terjadinya peningkata juga pada variabel terikat.

Hubungan yang negatif adalah peningkatan variabel bebas menyababkan terjadinya

penurunan pada variabel terikat.