32 BAB IV ANALISIS DATA DAN PEMBAHASAN A. Profil

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 :
Tabel IV.1
Sampel Perusahaan Ritel di Indonesia
No
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
8.195900
Median
4.840500
Maximum
8.595300
Minimum
0.053
Std. Dev.
1.195243
Observations
IT
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
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.
Sumber : Data Sekunder yang diolah, 2016
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
Sumber : Data Sekunder yang diolah, 2016
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
Coefficientsa
Model
Unstandardiz
ed
Coefficients
Std.
38
Standar
dized
Coeffici
ents
Beta
t
Sig.
1
(Constant)
gm
ci
ss
-4.74368E-16
0.000
0.000
0.000
Error
0.099
0.111
0.805
0.040
0.000
0.000
0.000
0.000
0.000
0.000
0.000
1.000
1.000
1.000
1.000
a. Dependent
Variable:AbUt
Sumber : Data Sekunder yang diolah, 2016
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 :
Tabel IV.6
Uji Autokorelasi
Model Summaryb
Model
R
R
Square
1
0.6816
0.4645
Adjusted
R
Square
0.4494
Std. Error
of the
Estimate
0.3403
Durbin-Watson
1.195
a.Predictors:(Constant),ss,ci,gm
b. Dependent Variable: it
Sumber : Data Sekunder yang diolah, 2016
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
GM
CI
SS
R-squared
Adjusted RSquared
Coefficient
Std. Error
-0.7742
6.0779
0.8063
0.4935
0.1086
0.7924
0.3073
t-Statistic
-7.1246
7.6701
2.6237
Prob.
0.0000
0.0000
0.0100
0.4792
Sumber : Data Sekunder yang diolah, 2016
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
C
GM
CI
SS
R-squared
Adjusted RSquared
0.63906
-.64037100
3.770844
0.018333
0.83512
Std. Error
0.122181
0.129261
0.890079
0.02757
t-Statistic
5.230444
-4.954091
4.236527
0.664954
Prob.
0.0000
0.0000
0.0001
0.5079
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
C
GM
CI
SS
R-squared
Adjusted RSquared
Std. Error
0.655249
-.6867870
4.240681
0.021028
0.363607
t-Statistic
0.122136
0.114305
0.800764
0.026941
5.364.898
-6.008.362
5.295.794
0.780536
Prob.
0.0000
0.0000
0.0000
0.4368
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 :
Tabel IV.10
Uji Chow
Effect Test
Cross-section F
Cross-section Chi-square
Statistic
9.157955
d.f.
(21,85)
Prob.
0
130.076119
21
0
Sumber : Data Sekunder yang diolah, 2016
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.
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
Cross-section random
Chi-Sq. Statistic
Chi-Sq. d.f.
Prob.
2.869551
3
0.4122
Sumber : Data Sekunder yang diolah, 2016
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
Sumber : Data Sekunder yang diolah, 2016
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
3.77084
0.89007
4.236527
0.0001
0.664954
0.5079
CI
D
SS
0.01833
0.02757
a
Sumber : Data Sekunder yang diolah, 2016
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 (R2 )
Koefisien determinasi bertujuan untuk mengukur seberapa jauh
model dapat menerangkan variasi dari variabel dependen. Nilai dari
R2 bertujuan untuk mengukur seberapa besar pengaruh dari variabel
independennya terhadap variabel dependennya. Berikut adalah tabel
hasil koefisiensi determinasinya R2 :
Tabel IV.14
Uji Koefisien Determinasi (R2 )
R-squared
Adjusted R-Squared
0.83512
0.78856
Sumber : Data Sekunder yang diolah, 2016
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