BAB IV

PEMBAHASAN

4.1. Deskripsi Objek Penelitian

Data pada penelitian merupakan data sekunder yang bersumber dari

laporan tahunan (annual report) dengan objek perusahaan Consumer Goods yang

terdaftar di Bursa Efek Indonesia (BEI) periode 2013-2016. Data penelitian

diperoleh melalui situr resmi BEI yaitu www.idx.co.id.

Populasi pada penelitian sebanyak 42 perusahaan, dengan menggunakan

purposive sampling yaitu penentuan sampel berdasarkan kriteria tertentu maka

sampel pada penelitian ini berjumlah 14 perusahaan. Adapun kriteria pada

penelitian ini disajikan dalam tabel 4.1.

Tabel IV.1
Kriteria Pemilihan Sampel
Tidak sesuai Sesuai
No Kriteria
kriteria kriteria
Perusahaan Consumer Goods yang terdaftar di BEI
1 42
periode 2013-2016
Perusahaan yang terdaftar berturut-turut selama
2 11 31
periode penelitian 2013-2016.
3 Perusahaan yang memiliki laba positif 4 27
Perusahaan memiliki data yang lengkap selama
3 2 25
periode 2013-2016
4 Data Outlier 11 14
Jumlah Perusahaan Consumer Goods yang dijadikan sampel 14
Jumlah sampel yang diambil periode 2013-2016 56
Sumber: Data Olah

Tabel IV.2
Daftar Sampel Penelitian
No Kode Perusahaan Nama Perusahaan
1. DLTA PT Delta Djakarta Tbk
2. DVLA PT Darya Varia Laboratoria Tbk
3. GGRM PT Gudang Garam Tbk
4. ICBP PT Indofood Cbp Sukses Makmur Tbk
5. INDF PT Indofood Sukses Makmur Tbk

49
49
 50

6. KAEF PT Kimia Farma (Persero) Tbk

7. KICI PT Kedaung Indah Can Tbk
8. KLBF PT KALBE Farma tbk
9. MBTO PT Martina Berto Tbk
10. PSDN Prashida Aneka Niaga Tbk
11. SIDO PT.Industri Jamu & Farmasi Sido Muncul Tbk
12. SKBM PT.Sekar Bumi Tbk
13. TSPC PT.Tempo Scan Pasific Tbk
14. WIIM PT Wismilak Inti Makmur Tbk
Sumber: Data Olahan

Berdasarkan tabel 4.1 dapat dilihat bahwa sampel pada penelitian ini

berjumlah 56 dari 14 perusahaan untuk periode empat tahun pengamatan yaitu

tahun 2013-2016. Sampel tersebut dipilh karena telah memenuhi kriteria umum

yang ditentukan sesuai dengan kebutuhan analisis penelitian.

4.2. Pemilihan Model Regresi Data Panel

Regresi data panel dapat dilakukan dengan tiga model analisis yaitu

common, fixed, dan random effect. Masing-masing model memiliki kelebihan dan

kekurangannya masing-masing. Pemilihan model tergantung pada asumsi yang

dipakai peneliti dan pemenuhan syarat-syarat pengolahan data statistik yang

benar, sehingga dapat dipertanggungjawabkan secara statistik. Oleh karena itu

pertama-tama yang harus dilakukan adalah memilih model yang tepat dari ketiga

model yang ada. Berikut hasil dari ketiga model yang ada:

Tabel IV.3
Hasil Regresi Data Panel Model Common Effect
Dependent Variable: Y?
Method: Pooled Least Squares
Date: 04/15/18 Time: 21:13
Sample: 1 4
Included observations: 4
Cross-sections included: 14
Total pool (balanced) observations: 56
 51

Variable Coefficient Std. Error t-Statistic Prob.

X1? -0.003262 0.001166 -2.798781 0.0072

X2? -0.001146 0.000633 -1.809679 0.0761
X3? 0.112001 0.021142 5.297616 0.0000
X4? 0.001468 0.003651 0.402107 0.6893

R-squared 0.188615 Mean dependent var 0.089328

Adjusted R-squared 0.141804 S.D. dependent var 0.075318
S.E. of regression 0.069773 Akaike info criterion -2.418381
Sum squared resid 0.253153 Schwarz criterion -2.273713
Log likelihood 71.71466 Hannan-Quinn criter. -2.362293
Durbin-Watson stat 0.358132

Sumber: Data Olahan Eviews 2018

Tabel IV.4
Hasil Regresi Data Panel Model Fixed Effect
Dependent Variable: Y?
Method: Pooled Least Squares
Date: 04/15/18 Time: 21:13
Sample: 1 4
Included observations: 4
Cross-sections included: 14
Total pool (balanced) observations: 56

Variable Coefficient Std. Error t-Statistic Prob.

C 0.068330 0.038674 1.766798 0.0853

X1? -0.001287 0.000983 -1.309926 0.1981
X2? -0.001104 0.000930 -1.186663 0.2427
X3? 0.014217 0.036379 0.390794 0.6981
X4? 0.006767 0.002766 2.446583 0.0192
Fixed Effects (Cross)
DLTA—C 0.156736
DVLA—C -0.009643
GGRM—C 0.075739
ICBP—C -0.017436
INDF—C -0.043284
KAEF—C -0.022742
KICI—C -0.055076
KLBF—C 0.072115
MBTO—C -0.086209
PSDN—C -0.100118
SIDO—C 0.036451
SKBM—C -0.018811
 52

TSPC—C -0.007011
WIIM—C 0.019289

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.878793 Mean dependent var 0.089328

Adjusted R-squared 0.824568 S.D. dependent var 0.075318
S.E. of regression 0.031546 Akaike info criterion -3.819619
Sum squared resid 0.037817 Schwarz criterion -3.168613
Log likelihood 124.9493 Hannan-Quinn criter. -3.567226
F-statistic 16.20659 Durbin-Watson stat 2.295552
Prob(F-statistic) 0.000000

Sumber: Data Olahan Eviews 2018

Setelah hasil regresi dengan menggunakan model common effect dan fixed

effect didapat, maka langkah selanjutnya adalah melakukan uji untuk menentukan

model estimasi mana yang lebih tepat antara model common effect atau fixed

effect. Dalam menentukan diantara dua model tersebut maka digunakan uji chow

sebagai uji pemilihan model regresi data panel.

Uji chow adalah pengujian untuk menentukan antara model common effect

atau fixed effect yang lebih tepat digunakan dalam mengestimasi data panel.

Hipotesis dalam uji chow dalam penelitian sebagai berikut:

1. Apabila probability chi-square < 0,05 maka yang dipilih adalah fixed effect

2. Apabila probability chi-square > 0,05 maka yang dipilih adalah common

effect

Apabila dari hasil uji tersebut ditentukan model yang common effect

digunakan, maka tidak perlu melakukan uji hausman. Namun apabila dari hasil uji

chow menentukan model fixed effect yang digunakan, maka perlu melakukan uji
 53

lanjutan yaitu uji hausman untuk menentukan model fixed effect atau random

effect yang digunakan.

Tabel IV.5
Hasil Uji Chow
Redundant Fixed Effects Tests
Pool: PERUSAHAAN
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 16.368899 (13,38) 0.0000

Cross-section Chi-square 105.674938 13 0.0000

Sumber: Data Olahan Eviews 2018

Hasil pada tabel 4.5 menunjukkan probability dari chi-square sebesar 0,0000

lebih rendah dari 0,05. Maka sesuai kriteria keputusan maka pada model ini

menggunaka model fixed effect. Karena pada uji chow yang dipilih menggunakan

model fixed effect, maka perlu melakukan pengujian lanjutan dengan uji hausman

untuk menentukan model fixed effect atau random effect yang digunakan.

Tabel IV.6
Hasil Regresi Data Panel Model Random Effect
Dependent Variable: Y?
Method: Pooled EGLS (Cross-section random effects)
Date: 04/15/18 Time: 21:14
Sample: 1 4
Included observations: 4
Cross-sections included: 14
Total pool (balanced) observations: 56
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 0.070531 0.042751 1.649802 0.1051
X1? -0.001710 0.000910 -1.879355 0.0659
X2? -0.001076 0.000762 -1.412272 0.1639
X3? 0.018696 0.036192 0.516571 0.6077
X4? 0.005629 0.002581 2.181411 0.0338
Random Effects (Cross)
DLTA—C 0.147122
DVLA—C -0.012475
GGRM—C 0.067380
ICBP—C -0.013070
 54

INDF—C -0.040017
KAEF—C -0.021617
KICI—C -0.057437
KLBF—C 0.066553
MBTO—C -0.083143
PSDN—C -0.088956
SIDO—C 0.034422
SKBM—C -0.005677
TSPC—C -0.007330
WIIM—C 0.014245
Effects Specification
S.D. Rho
Cross-section random 0.072389 0.8404
Idiosyncratic random 0.031546 0.1596
Weighted Statistics
R-squared 0.224954 Mean dependent var 0.019018
Adjusted R-squared 0.164166 S.D. dependent var 0.033744
S.E. of regression 0.030850 Sum squared resid 0.048539
F-statistic 3.700626 Durbin-Watson stat 1.759039
Prob(F-statistic) 0.010146
Unweighted Statistics
R-squared 0.137945 Mean dependent var 0.089328
Sum squared resid 0.268962 Durbin-Watson stat 0.317451
Sumber: Data Olahan Eviews 2018

Tabel IV.7
Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Pool: PERUSAHAAN
Test cross-section random effects

Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.

Cross-section random 1.774307 4 0.7772

Sumber: Data Olahan Eviews 2018

Untuk menentukan hasil pada uji hausman adalah dengan menilai

probability chi-squarenya, apabila < 0,05 maka model yang digunakan adalah

fixed effect, tetapi apabila probability > 0,05 maka model yang digunakan adalah
 55

random effect. Pada hasil tabel 4.7 menunjukkan nilai probabilty chi-square

sebesar 0,7772 artinya pada hasil uji hausman memilih menggunakan model

random effect.

4.3. Uji Kualitas Data

4.3.1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah model regresi variabel

dependen dan variabel independen berdistribusi normal atau tidak. Model yang

baik adalah model yang memiliki distribusi data yang normal. Untuk menguji

normalitas data menggunakan eviews ada dua cara, yaitu dengan menggunakan

histogram dan uji Jarque-bera. Jarque-bera adalah uji statistik untuk mengetahui

apakah data berdistribusi normal atau tidak. Menurut Gujarati (2013) deteksi

dengan melihat Jarque Bera yang merupakan asimtotis (sampel besar dan

didasarkan atas residual Ordinary Least Square). Uji ini dengan melihat

probabilitas Jarque Bera (JB) sebagai berikut:

a. Bila probabilitas > 0.05 maka data berdistribusi normal

b. Bila probabilitas < 0.05 maka data tidak berdistribusi normal

Gambar IV.1
Hasil Uji Normalitas
20
Series: Residuals
Sample 1 56
16 Observations 56

Mean 8.29e-18
12 Median -0.005351
Maximum 0.209646
Minimum -0.177317
8
Std. Dev. 0.067364
Skewness 0.365345
Kurtosis 4.331420
4

Sumber: Data Olahan Eviews 2018 Jarque-Bera 5.382033

0 Probability 0.067812
-0.20 -0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20
 56

Pada gambar 4.1 dapat dilihat nilai Jarque-bera sebesar 5,382033 dengan

nilai probability 0,067812. Maka dapat disimpulkan model pada penelitian ini

berdistribusi normal, karena nilai probability 0,067812 lebih besar dari 0,05.

4.3.2. Uji Multikolinieritas

Pengujian ini berguna untuk mengetahui apakah model regresi ditemukan

adanya korelasi antara variabel bebas (independen). Model yang baik adalah

model yang tidak terjadi korelasi antar variabel independennya. Menurut Gujarati

(2013), jika koefisien korelasi antar variabel bebas > 0,8 maka dapat disimpulkan

bahwa model mengalami masalah multikolinearitas. Sebaliknya, koefisien

korelasi < 0,8 maka model bebas dari multikolinearitas.

Tabel IV.8
Hasil Uji Multikolinieritas
X1 X2 X3 X4

X1 1.000000 0.066336 0.137048 0.236612

X2 0.066336 1.000000 0.041638 -0.291998
X3 0.137048 0.041638 1.000000 0.181968
X4 0.236612 -0.291998 0.181968 1.000000
Sumber: Data Olahan Eviews 2018

Berdasarkan hasil pada tabel 4.8 dapat dilihat semua korelasi antara

variabel independen tidak ada yang memiliki nilai lebih dari 0,8. Artinya pada

model regresi ini tidak terjadi multikolinieritas atau dalam model ini tidak

terdapat korelasi antara variabel independen.

4.3.3. Uji Heteroskedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model

regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan

yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,

maka disebut Homoskedastisitas dan jika variance tidak konstan atau berubah-
 57

ubah disebut dengan Heterokedastisitas. Model regresi yang baik adalah

Homoskedastisitas atau tidak terjadi heteroskedastisitas. Menurut Winarno

(2015) pengujian ini dilakukan dengan uji Glejser yaitu meregresi masing-masing

variabel independen dengan absolute residual sebagai variabel dependen.Residual

adalah selisih antara nilai observasi dengan nilai prediksi, sedangkan absolute

adalah nilai mutlak. Uji Glejser digunakan untuk meregresi nilai absolute residual

terhadap variabel independen. Jika hasil tingkat kepercayaan uji Glejser > 0,05

maka tidak terkandung heteroskedastisitas.

Tabel IV.9
Hasil Uji Heteroskedastisitas
Heteroskedasticity Test: Glejser

F-statistic 0.675870 Prob. F(4,51) 0.6118

Obs*R-squared 2.819090 Prob. Chi-Square(4) 0.5885
Scaled explained SS 3.202745 Prob. Chi-Square(4) 0.5245

Sumber: Data Olahan Eviews 2018

Pada tabel 4.9 dapat dilihat nilai probability Chi_Square dari Obs*R-

Squared sebesar 0,5885 lebih besar dari 0,05. Maka dapat disimpulkan pada

model ini tidak terjadi heteroskedastisitas.

4.3.4. Uji Autokorelasi

Uji autokorelasi adalah hubunngan antara anggota seri dari observasi-

observasi yang diurutkan berdasarkan waktu (data time series) atau tempat (data

cross section) (Gujarati, 2013). Model regresi yang baik adalah regresi yang

bebas dari autokorelasi. Salah satu uji yang dapat digunakan untuk mendeteksi

adanya autokorelasi adalah uji Breusch Godfrey atau disebut dengan Lagrange

Multiplier. Apabila nilai probabilitas > α = 5% berarti tidak terjadi autokorelasi.

Sebaliknya nilai probabilitas < α = 5% berarti terjadi autokorelasi.

 58

Tabel IV.10
Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.462560 Prob. F(2,48) 0.0959

Obs*R-squared 5.118204 Prob. Chi-Square(2) 0.0774

Sumber: Data Olahan Eviews 2018

Berdasarkan hasil pada tabel 4.10 dapat dilihat nilai probability chi-square

sebesar 0,0774 lebih besar dari 0,05. Artinya pada model regresi yang digunakan

tidak terjadi autokorelasi.

4.3.5. Uji Regresi Data Panel

Pada regresi data panel telah ditentukan menggunaka model random effect,

maka rumus pada model random effect sebagai berikut:

Yit = β0+ β1X1it+ β2X2it +β3X3it + β4X3i + eit + µi

Tabel IV.11
Hasil Regresi Data Panel Random Effect
Dependent Variable: Y?
Method: Pooled EGLS (Cross-section random effects)
Date: 04/15/18 Time: 21:14
Sample: 1 4
Included observations: 4
Cross-sections included: 14
Total pool (balanced) observations: 56
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 0.070531 0.042751 1.649802 0.1051

X1? -0.001710 0.000910 -1.879355 0.0659
X2? -0.001076 0.000762 -1.412272 0.1639
X3? 0.018696 0.036192 0.516571 0.6077
X4? 0.005629 0.002581 2.181411 0.0338

Sumber: Data Olahan Eviews 2018

 59

Yit = 0,070531+ (-0,001710)X1it+ (-0,001076)X2it +0,018696X3it +

0,005629X4i + eit + µi

Persamaan regresi data panel tersebut dapat dijelaskan sebagai berikut:

1. Konstanta sebesar 0,070531 artinya menyatakan bahwa jika variabel

independen tetap maka variabel dependen (Manajemen Laba) adalah

sebesar 0,070531

2. Koefisien regresi variabel Perputaran Modal Kerja (X1) adalah sebesar -

0,001710 artinya jika variabel independen lain nilainya tetap dan

Perputaran Modal Kerja (X1) mengalami kenaikan 1% maka Profitabilitas

akan mengalami penurunan sebesar -0,001710. Koefisien bernilai negatif

artinya terjadi hubungan negatif antara Perputaran Modal Kerja (X1)

dengan Profitabilitas.

3. Koefisien regresi variabel Perputaran Kas (X2) adalah sebesar -0,001076

artinya jika variabel independen lain nilainya tetap dan Perputaran Kas

(X2) mengalami kenaikan 1% maka Profitabilitas akan mengalami

penurunan sebesar -0,001076. Koefisien bernilai negatif artinya terjadi

hubungan negatif antara Perputaran Kas (X2) dengan Profitabilitas.

4. Koefisien regresi variabel Perputaran Piutang (X3) adalah sebesar

0,018696 artinya jika variabel independen lain nilainya tetap dan

Perputaran Piutang (X3) mengalami kenaikan 1% maka Profitabilitas akan

mengalami peningkatan sebesar 0,018696. Koefisien bernilai positif

artinya terjadi hubungan positif antara Perputaran Piutang (X3) dengan

Profitabilitas.
 60

5. Koefisien regresi variabel Perputaran Persediaan (X4) adalah sebesar

0,005629 artinya jika variabel independen lain nilainya tetap dan

Perputaran Persediaan (X4) mengalami kenaikan 1% maka Profitabilitas

akan mengalami peningkatan sebesar 0,005629. Koefisien bernilai positif

artinya terjadi hubungan positif antara Perputaran Persediaan (X4) dengan

Profitabilitas.

4.4. Uji Hipotesis

4.4.1. Uji Parsial

Uji t digunakan untuk menguji pengaruh variabel independen

secara parsial terhadap variabel dependen. Pengujian ini dilakukan dengan

melihat nilai probabilitynya dengan kriteria sebagai berikut:

a. Jika nilai probability < 0,05 maka dinyatakan berpengaruh

b. Jika nilai probability > 0,05 maka dinyatakan tidak berpengaruh

Tabel IV.12
Hasil Uji t Model Random Effect
Dependent Variable: Y?
Method: Pooled EGLS (Cross-section random effects)
Date: 04/15/18 Time: 21:14
Sample: 1 4
Included observations: 4
Cross-sections included: 14
Total pool (balanced) observations: 56
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 0.070531 0.042751 1.649802 0.1051

X1? -0.001710 0.000910 -1.879355 0.0659
X2? -0.001076 0.000762 -1.412272 0.1639
X3? 0.018696 0.036192 0.516571 0.6077
X4? 0.005629 0.002581 2.181411 0.0338

Sumber: Data Olahan Eviews 2018

 61

4.4.2. Uji Hipotesis Pertama (H1)

Hipotesis pertama yang diajukan dalam penelitian ini adalah untuk

menguji bagaimana pengaruh Perputaran Modal Kerja (X1) terhadap

Profitabilitas (Y). Pada tabel 4.12 nilai probability Perputaran Modal Kerja

sebesar 0,0659 berada lebih besar dari α 0,05 dengan nilai t-Statistic

sebesar -1,879355. Artinya Perputaran Modal Kerja (X1) tidak

berpengaruh terhadap Profitabilitas (Y). Maka dapat disimpulkan hasil

pada hipotesis pertama (H1) adalah Perputaran Modal Kerja (X1)

berpengaruh terhadap Profitabilitas (Y) ditolak.

Hasil ini sejalan dengan penelitian Eticha Desliana (2015) yang

menyatakan Perputaran Modal Kerja tidak berpengaruh terhadap

Profitabilitas. Hasil ini juga menolak dari penelitian Bangun Prakoso

Zahroh (2014) yang menyatakan Perputaran Modal Kerja berpengaruh

signifikan negatif terhadap Profitabilitas.

Hasil ini menyatakan perputaran modal kerja tidak berperan secara

langsung dalam upaya mendukung peningkatan profitabilitas pada

perusahaan Consumer Goods yang terdaftar di Bursa Efek Indonesia

periode 2013-2016. Berdasarkan hasil persamaan regresi data panel dapat

diliat hubungan perputaran modal kerja dengan profitabilitas adalah

hubungan negatif, artinya semakin besar modal kerja perusahaan maka

akan menurunkan profitabilitas, hal ini akan berdampak pada minat

investor untuk berinvestasi terhadap perusahaan tersebut. Kurangnya

 62

perputaran modal kerja akan berdampak pada pembiayaan operasional

sehingga akan berdampak juga pada tingkat penjualan perusahaan.

4.4.3. Uji Hipotesis Kedua (H2)

Hipotesis kedua yang diajukan dalam penelitian ini adalah untuk

menguji bagaimana pengaruh Perputaran Kas (X2) terhadap Profitabilitas

(Y). Pada tabel 4.12 nilai probability Perputaran Kas sebesar 0,1639

berada lebih besar dari α 0,05 dengan nilai t-Statistic sebesar -1,412272.

Artinya Perputaran Kas (X2) tidak berpengaruh terhadap Profitabilitas (Y).

Maka dapat disimpulkan hasil pada hipotesis kedua (H2) adalah Perputaran

Kas (X2) berpengaruh terhadap Profitabilitas (Y) ditolak.

Hasil ini sejalan dengan penelitian Canizio (2017) dan Purnawati

(2014) yang menyatakan Perputaran Kas tidak berpengaruh terhadap

Profitabilitas. Hasil ini juga menolak dari penelitian Fayani (2016) yang

menyatakan Perputaran Kas berpengaruh signifikan terhadap Profitabilitas.

Hasil ini menyatakan perputaran kas tidak berperan secara

langsung dalam upaya mendukung peningkatan profitabilitas pada

perusahaan Consumer Goods yang terdaftar di Bursa Efek Indonesia

periode 2013-2016. Berdasarkan hasil persamaan regresi data panel dapat

diliat hubungan perputaran kas dengan profitabilitas adalah hubungan

negatif, artinya semakin besar kas perusahaan akan mengurangi

profitabilitas, dampak tersebut akan menurunkan minat investor untuk

berinvestasi terhadap perusahaan tersebut. Faktor yang mempengaruhi

profitabilitas bukan hanya perputaran kas saja, tetapi aktiva lancar lainnya,
 63

hutang lancar, dan aktiva tetap juga memiliki peran dalam menentukan

besarnya tingkat profitabilitas.

4.4.4. Uji Hipotesis Ketiga (H3)

Hipotesis ketiga yang diajukan dalam penelitian ini adalah untuk

menguji bagaimana pengaruh Perputaran Piutang (X3) terhadap

Profitabilitas (Y). Pada tabel 4.12 nilai probability Perputaran Piutang

sebesar 0,6077 berada lebih besar dari α 0,05 dengan nilai t-Statistic

sebesar 0,516571. Artinya Perputaran Piutang (X3) tidak berpengaruh

terhadap Profitabilitas (Y). Maka dapat disimpulkan hasil pada hipotesis

ketiga (H3) adalah Perputaran Piutang (X3) berpengaruh terhadap

Profitabilitas (Y) ditolak.

Hasil ini sejalan dengan penelitian Suarnami (2014) yang

menyatakan Perputaran Piutang tidak berpengaruh terhadap Profitabilitas.

Hasil ini juga menolak dari penelitian Purnawati (2016) dan Bangun

Prakoso Zahroh (2014) yang menyatakan Perputaran Piutang

berpengaruh signifikan terhadap Profitabilitas.

Hasil ini menyatakan perputaran piutang tidak berperan secara

langsung dalam upaya mendukung peningkatan profitabilitas pada

perusahaan Consumer Goods yang terdaftar di Bursa Efek Indonesia

periode 2013-2016. Berdasarkan hasil persamaan regresi data panel dapat

diliat hubungan perputaran piutang dengan profitabilitas adalah hubungan

positif, artinya semakin besar piutang perusahaan akan meningkatkan

profitabilitas. Perputaran piutang yang rendah berarti piutang dagang

membutuhkan waktu lebih lama untuk dapat ditagih dalam bentuk uang
 64

tunai atau menunjukkan modal kerja yang ditanamkan dalam piutang

besar. Secara konseptual perputaran piutang menyatakan periode

berputarnya semakin cepat piutang perusahaan kembali menjadi kas.

4.4.5. Uji Hipotesis Keempat (H4)

Hipotesis keempat yang diajukan dalam penelitian ini adalah untuk

menguji bagaimana pengaruh Perputaran Persediaan (X4) terhadap

Profitabilitas (Y). Pada tabel 4.12 nilai probability Perputaran Persediaan

sebesar 0,0338 berada lebih rendah dari α 0,05 dengan nilai t-Statistic

sebesar 2,181411. Artinya Perputaran Persediaan (X4) berpengaruh

terhadap Profitabilitas (Y). Maka dapat disimpulkan hasil pada hipotesis

keempat (H4) adalah Perputaran Persediaan (X4) berpengaruh terhadap

Profitabilitas (Y) diterima.

Hasil ini sejalan dengan penelitian Eticha Desliana (2015) dan

Purnawati (2014) yang menyatakan Perputaran Persediaan berpengaruh

terhadap Profitabilitas. Hasil ini juga menolak dari penelitian Sarjito Surya

(2017) yang menyatakan Perputaran Persediaan tidak berpengaruh

terhadap Profitabilitas.

Warren et al (2005) dalam Soetama, dkk (2017) mengatakan

bahwa Perputaran persediaan (inventory turnover) adalah suatu alat untuk

mengukur hubungan antara volume barang dagang yang dijual dengan

jumlah persediaan yang dimiliki selama periode berjalan. Perputaran

persediaan menunjukan berapa kali persediaan diganti dalam waktu satu

tahun. Dengan demikian, Perputaran persediaan yang tinggi akan

 65

meningkatkan penjualan yang akan menghasilkan laba sehingga dapat

menghasilkan profitabilitas perusahaan.

4.4.6. Uji Simultan

Uji secara simultan (F-Test) pada dasarnya menunjukkan apakah semua

variabel independen yang dimaksud dalam penelitian ini mempunyai pengaruh

secara simultan (bersama-sama) terhadap variabel dependen. Berikut hasil uji

simultan.

Tabel 4.13
Hasil Uji Simultan Model Random Effect
Dependent Variable: Y?
Method: Pooled EGLS (Cross-section random effects)
Date: 04/15/18 Time: 21:14
Sample: 1 4
Included observations: 4
Cross-sections included: 14
Total pool (balanced) observations: 56
Swamy and Arora estimator of component variances

Weighted Statistics

R-squared 0.224954 Mean dependent var 0.019018

Adjusted R-squared 0.164166 S.D. dependent var 0.033744
S.E. of regression 0.030850 Sum squared resid 0.048539
F-statistic 3.700626 Durbin-Watson stat 1.759039
Prob(F-statistic) 0.010146
Sumber: Data Olahan Eviews 2018

Pengujian ini adalah untuk menguji H5 apakah terdapat pengaruh secara

simultan pada Perputaran Modal Kerja, Perputaran Kas, Perputaran Piutang, dan

Perputaran Persediaan terhadap Profitabilitas.

 66

Pada hasil tabel 4.14 nilai F hitung sebesar 3,700626 dengan nilai

probability 0,010146 lebih rendah dari α 0,05. Artinya Perputaran Modal Kerja,

Perputaran Kas, Perputaran Piutang, dan Perputaran Persediaan berpengaruh

signifikan secara simultan terhadap Profitabilitas.

Hipotesis kelima (H5) yang menyatakan Perputaran Modal Kerja,

Perputaran Kas, Perputaran Piutang, dan Perputaran Persediaan berpengaruh

secara simultan terhadap Profitabilitas diterima.

4.4.7. Koefisien Determinasi (R2)

Koefisien determinasi (R2) digunakan untuk mengetahui presentase

variabel independen secara bersama-sama dapat menjelaskan variabel

dependen. Nilai koefisien determinasi adalah diantara nol dan satu. Jika

koefisien determinasi (R2) = 1, artinya variabel independen memberikan

informasi yang dibutuhkan untuk mempredisikan variabel-variabel

dependen. Jika koefisien determinasi (R2) = 0, artinya variabel independen

tidak mampu menjelaskan pengaruhnya terhadap variabel dependen.

Tabel IV.14
Hasil Koefisien Determinasi Model Random Effect
Dependent Variable: Y?
Method: Pooled EGLS (Cross-section random effects)
Date: 04/15/18 Time: 21:14
Sample: 1 4
Included observations: 4
Cross-sections included: 14
Total pool (balanced) observations: 56
Swamy and Arora estimator of component variances

Weighted Statistics
R-squared 0.224954 Mean dependent var 0.019018
Adjusted R-squared 0.164166 S.D. dependent var 0.033744
S.E. of regression 0.030850 Sum squared resid 0.048539
 67

F-statistic 3.700626 Durbin-Watson stat 1.759039

Prob(F-statistic) 0.010146
Sumber: Data Olahan Eviews 2018
Pada tabel 4.13 Menunjukkan nilai R-squared 0,224954. Angka ini

akan diubah ke bentuk persen, yang artinya presentase sumbangan

pengaruh variabel independen terhadap variabel dependen. Artinya bahwa

pengaruh variabel Perputaran Modal Kerja, Perputaran Kas, Perputaran

Piutang, Dan Perputaran Persediaan pada penelitian ini menjelaskan

sebesar 22,49% terhadap variasi variabel Profitabilitas. Sedangkan sisanya

77,51% dipengaruhi oleh variabel-variabel lain yang tidak diukur dalam

model regresi ini.