BAB 1-4 Ekonom
BAB 1-4 Ekonom
PENDAHULUAN
Persaingan bisnis di Indonesia saat ini telah mengalami kemajuan yang pesat.
Semakin bertambahnya jumlah perusahaan baru dari hari ke hari membuat
persaingan dunia bisnis di Indonesia menjadi ketat. Perusahaan-perusahaan yang
bergerak baik di bidang jasa, manufaktur, maupun dagang saling bersaing untuk
dapat bertahan dan menjadi yang terbaik. Hal ini mendorong masing-masing
perusahaan untuk melakukan berbagai inovasi dan strategi bisnis agar terhindar dari
kebangkrutan.
Sebuah perusahaan didirikan dengan tujuan untuk mencapai keuntungan
maksimal atau laba yang sebesar-besarnya dan mengoptimalkan nilai perusahaan.
Nilai perusahaan merupakan persepsi investor terhadap perusahaan. Nilai
perusahaan mencerminkan aset yang dimiliki oleh perusahaan. Nilai perusahaan
dapat dinilai dari harga sahamnya yang stabil dan mengalami kenaikan dalam jangka
panjang. Harga saham yang tinggi membuat nilai perusahaan juga tinggi. Semakin
tinggi nilai perusahaan mengindikasikan kemakmuran pemegang saham. Harga
saham di pasar modal terbentuk berdasarkan kesepakatan antara permintaan dan
penawaran investor, sehingga harga saham merupakan fair price yang dapat
dijadikan sebagai proksi nilai perusahaan (Hasnawati, 2005a dan 2005b).
3. Bagaimana cara mengatasi masalah penyimpangan uji asumsi klasik pada tingkat
profitabilitas, keputusan investasi, keputusan pendanaan, dan kebijakan deviden?
Sesuai dengan perumusan masalah yang telah diutarakan, maka dapat diketahui
bahwa tujuan dari penelitian ini adalah untuk memperoleh bukti apakah tingkat
profitabilitas, keputusan investasi, keputusan pendanaan, dan kebijakan deviden
secara signifikan mempengaruhi nilai perusahaan.
Flowchart
Mulai
Input Data
Ya
Menentukan koefisien
determinasi
Selesai
BAB II
LANDASAN TEORI
Houston (2001) menyatakan bahwa sinyal adalah suatu tindakan yang diambil
hutang.
perusahaan dan pihak luar karena perusahaan mengetahui lebih banyak mengenai
perusahaan dan prospek yang akan datang daripada pihak luar (investor dan
informasi asimetri adalah dengan memberikan sinyal pada pihak luar, salah
satunya berupa informasi keuangan yang dapat dipercaya dan akan mengurangi
2000).
Nilai Perusahaan
perusahaan (Euis dan Taswan, 2002). Semakin tinggi harga saham semakin tinggi
pula nilai perusahaan. Nilai perusahaan yang tinggi akan membuat pasar percaya
tidak hanya pada kinerja perusahaan saat ini namun juga pada prospek perusahaan
di masa depan.
perusahaan akan tercermin dari harga sahamnya. Harga pasar dari saham
perusahaan yang terbentuk antara pembeli dan penjual disaat terjadi transaksi
disebut nilai pasar perusahaan, karena harga pasar saham dianggap cerminan dari
2010). Samuel (2000), Nurlela dan Ishaluddin (2008) dalam Kusumadilaga (2010)
menjelaskan bahwa enterprise value (EV) atau dikenal juga sebagai firm value
(2000) nilai perusahaan merupakan harga yang bersedia dibayar oleh calon
nilai perusahaan merupakan nilai pasar atas surat berharga hutang dan ekuitas
dan Nanda, 2000). Price to book value dapat diartikaan sebagai hasil
perbandingan antara harga saham dengan nilai buku per lembar saham. Menurut
Ang (1997) secara sederhana menyatakan bahwa PBV merupakan rasio pasar
yang digunakan untuk mengukur kinerja harga pasar saham terhadap nilai
bukunya.
investasi di pasar modal karena melalui price to book value, investor dapat
menghargai nilai buku saham suatu perusahaan. Perusahaan yang berjalan dengan
baik, umumnya memiliki rasio price to book value di atas satu, yang
mencerminkan bahwa nilai pasar saham lebih besar dari nilai bukunya. Price to
saham, dimana kemakmuran bagi pemegang saham merupakan tujuan utama dari
perusahaan.
Tingkat Profitabilitas
Persaingan bisnis di Indonesia sekarang telah kompetitif dan ketat. Hal ini
menunjukkan kinerja perusahaan yang sehat. Paradigma yang dianut oleh banyak
perusahaan tersebut adalah profit oriented. Perusahaan yang dapat meperoleh laba
yang besar, maka dapat dikatakan berhasil, atau memiliki kinerja finansial yang
bagus. Sebaliknya apabila laba yang diperoleh perusahaan relatif kecil, dapat
Laba yang menjadi ukuran kinerja perusahaan harus dievaluasi dari suatu
laba yang telah direncanakan. Seorang manajer yang telah bekerja keras dan
menghasilkan laba bersih dari aktivitas yang dilakukan pada periode akuntansi.
sehingga investor akan merespon positif sinyal tersebut dan nilai perusahaan akan
sebuah perusahaan dengan tujuan untuk mendapatkan return, yang terdiri dari
yield dan capital gain. Semakin tinggi kemampuan memperoleh laba, maka
(ROA) dan return on equity (ROE). ROA dan ROE digunakan sebagai
dan dipahami. Ang (1997) menyatakan bahwa return on asset diukur dari laba
bersih setelah pajak (earning after tax) terhadap total aset. Hal ini mencerminkan
investasi yang dilakukan dan semakin rendah ROE suatu perusahaan maka tingkat
pengembaliannya akan semakin rendah pula. Seorang calon investor perlu melihat
panjang untuk menghasilkan laba dimasa yang akan datang. Menurut Harjito dan
Martono, (2005) investasi merupakan penanaman dana yang dilakukan oleh suatu
dimasa yang akan datang. Fama (1978) dalam Susanti (2010) menyatakan bahwa
tersebut dapat diartikan bahwa keputusan investasi itu penting karena untuk
perusahaan.
yang melekat dan bersifat tidak dapat diobservasi (inherently observable). Myers
pada studi yang dilakukan dalam hubungannya dengan keputusan investasi. IOS
memberi petunjuk yang lebih luas dimana nilai perusahaan tergantung pada
kombinasi antara aktiva yang dimiliki (assets in place) dan pilihan investasi
pengeluaran yang ditetapkan manajemen di masa yang akan datang. Dalam hal ini
besar. Secara umum dapat dikatakan bahwa IOS menggambarkan tentang luasnya
akan datang. Dengan demikian IOS bersifat tidak dapat diobservasi, sehingga
perlu dipilih suatu proksi yang dapat dihubungkan dengan variabel lain dalam
dalam harga saham. Proksi yang didasari pada suatu ide yang menyatakan
pasar. Proksi yang didasari pada suatu ide yang menyataan bahwa prospek
saham dan perusahaan yang tumbuh akan memiliki nilai pasar yang lebih
tinggi secara relatif untuk aktiva-aktiva yang dimiliki. IOS yang didasari
pada harga akan berbentuk suatu rasio sebagai suatu ukuran aktiva yang
merupakan proksi yang percaya pada gagasan bahwa suatu level kegiatan
investasi yang tinggi berkaitan secara positif dengan nilai IOS suatu
perusahaan.
proksi yang mengungkapkan bahwa suatu opsi akan menjadi lebih bernilai
melalui market to book value of assets. Rasio market to book value of assets
adalah rasio nilai buku terhadap total aset. Rasio nilai pasar terhadap nilai buku
perusahaan yang berjalan baik dengan staf manajemen yang kuat dan sebuah
organisasi yang berfungsi secara efisien akan mempunyai nilai pasar yang lebih
besar atau sekurang-kurangnya sama dengan nilai buku aktiva fisiknya (Weston
dan Brigham, 1999). Rasio market to book value of assets ini berbanding lurus
dengan nilai IOS, semakin besar market value to book value of assets suatu
Keputusan Pendanaan
modal sendiri (ekuitas). Keputusan pendanaan bisa bersumber dari utang jangka
pendek (current liabilities) maupun utang jangka panjang (long term debt) dan
modal saham perusahaan yang terdiri dari saham preferen (preferred stock) dan
Dalam memilih sumber pendanaan, apakah bersumber dari dalam atau dari
pendanaan dimana para manajer pertama kali akan memilih untuk menggunakan
laba ditahan, hutang dan penerbitan saham sebagai pilihan terakhir (Mamduh,
2004). Teori ini didasarkan pada argumentasi bahwa penggunaan laba ditahan
eksternal melalui hutang hanya akan digunakan jika kebutuhan investasi lebih
menyatakan bahwa :
perusahaan).
secara drastis.
yang lain mungkin kurang. Apabila dana hasil operasi kurang dari
Sumber dana internal lebih disukai daripada sumber dana eksternal karena
dana internal memungkinkan perusahaan untuk tidak perlu membuka diri lagi dari
sorotan investor luar. Dana eksternal lebih disukai dalam bentuk hutang (obligasi)
daripada ekuitas (penerbitan saham) karena biaya emisi obligasi lebih murah
Kebijakan deviden
Salah satu return yang akan diperoleh para pemegang saham adalah
dividen. Deviden merupakan bagian dari laba bersih yang dibagikan kepada para
pemegang saham (pemilik modal sendiri). Menurut Sunariyah (2004: 48) dividen
laba yang diperoleh perusahaan yang dibagikan kepada para pemegang saham
perusahaan.
merupakan keputusan apakah laba yang diperoleh perusahaan pada akhir tahun
laba yang akan dibagi dalam bentuk deviden kas dan laba yang ditahan sebagai
kas, apabila laba perusahaan yang ditahan dalam jumlah besar, berarti laba yang
yang sesuai antara pembayaran laba sebagai deviden dengan laba yang ditahan
Dividen Tunai adalah dividen yang dibayar oleh emiten kepada para
uang. Para pemegang saham akan menerima dividen sebesar tarif per
saham yang menerima dividen seperti ini mencatat dalam bukunya dengan
saham yang sama dengan yang dimiliki atau saham jenis yang lain.
Statistik Deskriptif
Statistika deskriptif merupakan “bagian dari statistika yang menitikberatkan pada
pengumpulan, penyajian, pengolahan serta peringkasan data yang mana aktivitas ini
tidak berlanjut pada penarikan kesimpulan”. Melalui statistika deskriptif, penyusunan
data dalam daftar atau tabel dan visualisasi dalam bentuk diagram atau grafik.
𝒀 = 𝑿𝜷 + 𝒆
Keterangan:
𝒀 : merupakan vektor observasi variabel dependen yang berukuran 𝑛 × 1
𝑿:merupakan variabel independen yang berukuran 𝑛 × (𝑘 + 1)
𝜷 : merupakan vektor koefisien variabel independen yang berukuran 𝑘 × 1 dari
parameter 𝛽0 , 𝛽1 , 𝛽2 , … , 𝛽𝑘 yang tidak diketahui
𝒆 : merupakan vektor galat yang berukuran 𝑛 × 1
Uji Koefisien Regresi Linier Berganda
Pada notasi matriks jumlah kuadrat galat 𝑒𝑖2 dapat ditulis sebagai berikut
𝑒1
𝑒2
𝑒𝑖𝑇 𝑒𝑖 = [𝑒1 𝑒2 ⋯ 𝑒𝑖 ] [ ] = 𝑒12 + 𝑒22 + ⋯ + 𝑒𝑖2 = 𝑒𝑡2 (2.6)
⋮
𝑒𝑖
𝒆 = 𝒀 − 𝑿𝜷 (2.7)
𝑒𝑖𝑇 𝑒𝑖 = 𝒀𝑻 𝒀 − 𝒀𝑻 𝑿𝜷 − 𝑿𝑻 𝜷𝑻 𝒀 + 𝑿𝑻 𝜷𝑻 𝑿𝜷
(𝑘𝑎𝑟𝑒𝑛𝑎 𝑿𝑻 𝜷𝑻 𝒀 = 𝒀𝑻 𝑿𝜷)
𝑛
𝜕𝑄
= −2 ∑(𝑦𝑖 − 𝛽0 − 𝛽1 𝑋𝑖1 − 𝛽2 𝑋𝑖2 − ⋯ − 𝛽𝑘 𝑋𝑖𝑘 𝑋𝑖1 ) = 0,
𝜕𝛽1
𝑖=1
𝜕𝑄
= −2 ∑𝑛𝑖=1(𝑦𝑖 − 𝛽0 − 𝛽1 𝑋𝑖1 − 𝛽2 𝑋𝑖2 − ⋯ − 𝛽𝑘 𝑋𝑖𝑘 𝑋𝑖2 ) = 0, (2.9)
𝜕𝛽2
⋮⋮⋮⋮
𝑛
𝜕𝑄
= −2 ∑(𝑦𝑖 − 𝛽0 − 𝛽1 𝑋𝑖1 − 𝛽2 𝛽𝑋𝑖2 − ⋯ − 𝛽𝑘 𝑋𝑖𝑘 𝑋𝑖𝑘 ) = 0,
𝜕𝛽𝑘
𝑖=1
Setelah disusun kembali dan mengganti semua parameter dengan estimatornya, maka
sistem persamaan (2.9) dapat ditulis sebagai
𝑛 𝑛 𝑛 𝑛
𝑛 𝑛 𝑛 𝑛 𝑛
2
𝛽̂0 ∑ 𝑋𝑖1 + 𝛽̂1 ∑ 𝑋𝑖1 + 𝛽̂2 ∑ 𝑋𝑖1 𝑋𝑖2 + ⋯ + 𝛽̂𝑘 ∑ 𝑋𝑖𝑘 𝑋𝑖1 = ∑ 𝑋𝑖1 𝑌𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1 1
𝛽̂0 ∑𝑛𝑖=1 𝑋𝑖2 + 𝛽̂1 ∑𝑛𝑖=1 𝑋𝑖1 𝑋𝑖2 + 𝛽̂2 ∑𝑛𝑖=1 𝑋𝑖2 2 + ⋯ + 𝛽̂𝑘 ∑𝑛𝑖=1 𝑋𝑖𝑘 𝑋𝑖2 = ∑𝑛𝐼=1 𝑋𝑖2 𝑌𝑖
(2.10
)
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑛 𝑛 𝑛 𝑛 𝑛
𝛽̂0 ∑ 𝑋𝑖𝑘 + 𝛽̂1 ∑ 𝑋𝑖1 𝑋𝑖𝑘 + 𝛽̂2 ∑ 𝑋𝑖2 𝑋𝑖𝑘 + ⋯ + 𝛽̂𝑘 ∑ 𝑋𝑖𝑘
2
= ∑ 𝑋𝑖𝑘 𝑌𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
Persamaan (2.10) disebut dengan persamaan Normal. Jika ditulis dalam bentuk
matriks maka bentuknya menjadi
𝑛 𝑛 𝑛
(𝑿𝑻 𝑿) 𝜷 𝑿𝑻 𝒀
𝑿𝑻 𝑿𝜷 = 𝑿𝑻 𝒀
(2.11
)
𝑿𝑻 𝑿−𝟏 𝑿𝑻 𝜷 = 𝑿𝑻 𝑿−𝟏 𝑿𝑻 𝒀
𝑰𝜷 = 𝑿𝑻 𝑿−𝟏 𝑿𝑻 𝒀
𝜷 = 𝑿𝑻 𝑿−𝟏 𝑿𝑻 𝒀
𝜷 = 𝑿𝑻 𝑿−𝟏 𝑿𝑻 𝒀
(2.12
)
𝐷 = 𝑚𝑎𝑥𝐹0 𝑋𝑖 − 𝑆𝑛 𝑋𝑖 , 𝑖 = 1,2, … , 𝑛
𝑉𝑎𝑟 𝑒𝑖 = 𝜎 2 , 𝑖 = 1,2, … , 𝑛
Salah satu cara untuk menguji kesamaan variansi yaitu dengan melihat
pola sebaran residu (𝑒𝑖 ) terhadap nilai estimasi y. Jika sebaran residu bersifat
acak (tidak membentuk pola tertentu), maka dikatakan bahwa variansi sisaan
homogen (Draper & Smith, 1981). Penjelasan tersebut dapat terlihat pada
gambar 2.1 berikut:
(a). Homoskedastisitas
(b). Heterokedastisitas
Gambar 2.1 scatter-plot Uji Homoskedastisitas dan Heterokedastisitas.
Sumber: (Gujarati, 2004)
Dari gambar 2.1(a.) terlihat bahwa pola sebaran data menyebar secara
merata dan tidak membentuk suatu pola tertentu sehingga data bersifat
homoskedastisitas. Sedangkan pada gambar 2.1 (b.) terlihat bahwa pola sebaran
data membentuk pola tertentu sehingga data bersifat heterokedastisitas.
Salah satu cara untuk mendeteksi heteroskedasitas adalah dengan
pengujian korelasi rank spearman yang didefinisikan sebagai berikut (Gujarati,
2004):
6 ∑𝑛𝑖=1 𝑑𝑖 2
𝑟𝑠 = 1 −
𝑁3 − 𝑁
Dengan 𝑑𝑖 merupakan selisih antara masing-masing rank variabel
independen dengan variabel dependen dan n merupakan banyaknya data yang di
rank.
𝐻1 : 𝑟𝑠 ≠ 0
v. Kriteria keputusan
Jika 𝐻0 maka asumsi heteroskedastisitas dipenuhi.
Uji Asumsi Non Autokorelasi
Salah satu asumsi dari regresi linear adalah bahwa tidak adanya
autokorelasi antara serangkaian pengamatan yang diurutkan menurut waktu.
Pendeteksian autokorelasi dapat dideteksi secara grafis yaitu dengan melihat
scatter-plot residu terhadap urutan waktu. Jika sebaran residu terhadap urutan
waktu tidak membentuk pola tertentu atau bersifat acak maka dapat disimpulkan
tidak ada autokorelasi antar residual.
Untuk mendeteksi autokorelasi dapat menggunakan metode grafik, karena
metode ini paling sederhana sekaligus merupakan langkah awal untuk
mendeteksi adanya autokorelasi. Sesuai dengan definisinya, metode ini
membandingkan antara residu dengan variabel 𝑋 . Selain itu, dengan
membandingkan antara residu ke- 𝑡 dengan residu ke- (𝑡 − 1). Suatu grafik
mengindikasikan adanya autokorelasi dapat dilihat dari polanya. Suatu grafik
dikatakan mengandung autokorelasi ketika terdapat pola antara residu dengan
waktu atau antara residu ke-𝑡 sampai ke-(𝑡 − 1).
b. Bila nilai DW lebih rendah daripada batas bawah atau lower bound (𝑑𝐿 ),
maka koefisien aoutokorelasi lebih besar daripada nol, berarti ada autokorelasi
positif.
d. Bila nilai DW terletak antara batas atas (𝑑𝑈 )dan batas bawah (𝑑𝐿 ) dan jika
nilai DW terletak antara (4 − 𝑑𝑈 ) dan (4 − 𝑑𝐿 ), maka hasilnya tidak dapat
disimpulkan.
1
𝑉𝐼𝐹 =
1 − 𝑅𝑗2
dengan 𝑅𝑗2 merupakan koefisien determinasi yang dihasilkan dari regresi variabel
independen. Nilai VIF menjadi semakin besar jika terdapat korelasi yang
semakin besar diantara variabel independen. Jika nilai VIF lebih dari 10, maka
multikolinearitas memberikan pengaruh yang serius pada estimasi metode
kuadrat terkecil (Hair, Black, Babin, & Anderson, 2010).
Koefisien Determinasi (𝑹𝟐 )
Koefisien determinasi atau biasa disebut dengan 𝑅 2 merupakan salah satu
ukuran yang sederhana dan sering digunakan untuk menguji kualitas suatu
persamaan garis regresi (Gujarati, 2004). Nilai koefisien determinasi memberikan
gambaran tentang kesesuaian variabel independen dalam memprediksi variabel
dependen. Semakin besar nilai 𝑅 2 , maka semakin besar variasi variabel dependen
(Y) yang dijelaskan oleh variasi variabel-variabel independen (X). Sebaliknya,
semakin kecil nilai 𝑅 2 , maka semakin kecil variasi variabel dependen yang dapat
dijelaskan oleh variasi variabel independen.
Sifat dari koefisien determinasi adalah (Gujarati, 2004):
a. 𝑅 2 merupakan besaran yang non-negatif
b. Batasnya adalah 0 ≤ 𝑅 2 ≤ 1
Apabila nilai koefisien determinasi semakin besar atau mendekati 1,
menunjukkan adanya hubungan yang sempurna. Sedangkan apabila nilai koefisien
determinasinya sebesar 0 menunjukkan bahwa tidak terdapat hubungan antara
variabel independen dengan variabel dependen.
BAB III
ANALISIS DAN PEMBAHASAN
Variabel Penelitian dan Definisi Operasional Variabel
Variabel Dependen
Nilai Perusahaan
200b). Nilai perusahaan diproksikan Price to Book Value (PBV). Price to book
Harga saham
PBV =
Nilai buku per lembar saham
antara harga pasar per lembar saham dengan nilai buku per lembar saham.
Variabel Independen
Variabel independen adalah variabel bebas atau tidak terikat oleh variabel
32
Tingkat Profitabilitas
dihasilkan perusahaan, laba berasal dari penjualan dan keputusan investasi yang
dan ROE (Return on Equity). ROA dan ROE dirumuskan sebagai berikut :
yang diukur dengan membandingkan laba bersih setelah pajak terhadap total
ekuitas.
Keputusan Investasi
dimiliki (assets in place) dan pilihan investasi di masa yang akan datang dengan
net present value positif (Myers, 1977). Keputusan investasi dalam penelitian ini
diproksikan market to book value of assets. Rasio market to book value of assets
adalah rasio nilai buku terhadap total aset. Rasio market to book value of assets
MBVA =
Total Asset
Keputusan Pendanaan
Total Hutang
DER =
Total Ekuitas
melalui hutang dengan pendanaan melalui ekuitas (Brigham dan Houston, 2001).
Kebijakan Deviden
Kebijakan dividen diproksikan melalui Dividend Payout Ratio (DPR). DPR dapat
manufaktur dalam kondisi aktif pada saat penelitian dan membagikan dividen kas
manufaktur karena menurut Jensen dan Meckling (1976) dalam Wijaya (2010)
industri-industri dengan regulasi yang tinggi seperti public utilities atau bank akan
mempunyai debt equity ratio yang tinggi yang se-ekuivalen dengan tingginya
risiko yang melekat pada industri yang bersangkutan daripada non regulated
menunjukkan adanya saldo total ekuitas yang negatif dan atau mengalami
kerugian selama tahun 2009-2010, karena saldo ekuitas dan laba yang negatif
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif berupa
nilai Return on Asset dan besarnya nilai Loan to Deposit Ratio (LDR) dari bank.
didapat langsung dari bank tetapi diperoleh dalam bentuk data yang telah
memecahkan masalah.
2. Pengumpulan data laporan nilai Return on Asset dan besarnya nilai Loan to
Statistik Deskriptif
gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata, standar
dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data
yang ada.
Uji Normalitas
Uji normalitas ini bertujuan untuk menguji apakah dalam model regresi,
variabel bebas dan variabel terikat keduanya memiliki distribusi normal atau tidak
(Ghozali, 2005). Model regresi yang baik adalah memiliki data berdistribusi
normal. Untuk menguji apakah terdapat distribusi yang normal atau tidak dalam
model regresi maka digunakanlah uji Kolmogorof Smirnov dan analisis grafik.
1. Apabila nilai Asymp. Sig. (2-tailed) kurang dari 0,05, maka Ho ditolak.
2. Apabila nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05, maka Ho
2005):
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
2. Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah
normalitas.
Uji Multikolinearitas
ditemukan adanya korelasi antar variabel independen. Model regresi yang baik
multikolonieritas dapat dilihat dari nilai Tolerance dan Variance Inflation Factor
1. Jika nilai tolerance di atas 0,1 dan nilai VIF di bawah 10, maka tidak
2. Jika nilai tolerance lebih kecil dari 0,1 dan nilai VIF di atas 10, maka
tidak baik.
Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada
pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan
ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari
autokorelasi. Salah satu cara yang digunakan untuk mendeteksi ada atau tidaknya
autokorelasi adalah dengan Uji Durbin Watson (DW Test). Uji ini hanya
Uji Heterokedastisitas
yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap,
penglihatan grafik plot antar nilai prediksi variabel terikat (dependen) yaitu
tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Dasar
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
Oleh sebab itu diperlukan uji statistik yang dapat menjamin keakuratan hasil.
Salah satu uji statistik yang dapat digunakan untuk mendeteksi ada tidaknya
LnU2i = α + þLnXi + vi
signifikansinya diatas tingkat kepercayaan 5%, maka tidak ada satupun variabel
dari beberapa variabel bebas terhadap satu variabel terikat. Analisis regresi dapat
Keterangan :
Y = Nilai perusahaan
α = Konstanta
β =Koefisien regresi dari masing-masing variabel
independen
ROE
Pengujian Hipotesis
dilakukan dengan cara sebagai berikut: Uji signifikansi (pengaruh nyata) variabel
independen (X) terhadap variabel dependen (Y) secara parsial dilakukan dengan
Uji statistik F
variabel terikat.
variabel
terikat. Uji F dapat dilakukan hanya dengan melihat nilai signifikansi
versi 17.0. jika angka signifikansi F lebih kecil dari α (0,05) maka
Uji statistik t
1. Jika t hitung < t tabel maka Ho ditolak dan menerima Ha, artinya tidak
terikat.
2. Jika t hitung > t tabel maka Ho ditolak dan menerima Ha, artinya ada
kecil dari α (0,05) maka dapat dikatakan bahwa ada pengaruh yang
variabel independen dalam menjelaskan variasi variabel independen amat terbatas. Nilai
jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu
variabel independen, maka R2 akan meningkat, tidak peduli apakah variabel tersebut
berpengaruh signifikan terhadap variabel dependen. Oleh karena itu, penelitian ini
Dengan menggunakan nilai Adjusted R2, dapat dievaluasi model regresi mana
yang terbaik. Tidak seperti nilai R2, nilai Adjusted R2 dapat naik atau turun apabila satu
dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut
Gujarati (dikutip oleh Ghozali, 2005), jika dalam uji empiris didapatkan nilai Adjusted R2
negatif, maka nilai Adjusted R2 dianggap bernilai nol. Secara matematis jika nilai R2 = 1,
Analisis Data
Uji Koefisien Regresi
a. Uji Overall
Uji overall atau uji F ini digunakan untuk mengetahui variabel independen berpengaruh
signifikan terhadap variabel dependen. Uji F dalam penelitian ini dilakukan dengan bantuan
program spss versi 24.
1. Uji Hipotesis
𝐻0 = variabel Independen tidak berpengaruh secara signifikan terhadap variabel
dependen.
𝐻1 = variabel Independen berpengaruh secara signifikan terhadap variabel dependen.
2. Tingkat Signifikansi
3. Tingkat keyakinan 95% (𝛼 = 0,05 )
4. Kriteria pengujian
𝐻0 ditolak, jika 𝑛𝑖𝑙𝑎𝑖 𝑆𝑖𝑔. < 𝛼 = 0,05
5. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24
Sum of Mean
Model Df F Sig.
Squares Square
Regression 7911.654 4 1977.914 31.235 .000b
1 Residual 6015.649 95 63.323
Total 13927.303 99
a. Dependent Variable: Y
b. Predictors: (Constant), X4, X1, X3, X2
Tabel 3.2 Hasil Uji Anova
Keputusan
Pada tabel 3.2 terlihat bahwa nilai 𝑆𝑖𝑔. sebesar 0,000. Dengan tingkat keyakinan 95%
( 𝛼 = 0,05 ). Karena nilai 𝑆𝑖𝑔. (0,000) < 𝛼(0,05) maka hipotesis nol penelitian ditolak
karena nilai 𝑆𝑖𝑔. lebih kecil dari 𝛼 yang artinya variabel independenberpengaruh secara
signifikan terhadap variabel dependen.
b. Uji Parsial
Uji parsial atau uji t digunakan untuk mengetahui pengaruh variabel independen terhadap
dependen secara parsial. Uji t dalam penelitian ini dilakukan dengan bantuan program SPSS
versi 24.
1. Uji Hipotesis
𝐻0 = variabel Independen tidak berpengaruh signifikan terhadap variabel dependen
secara parsial.
𝐻1 = variabel Independen berpengaruh signifikan terhadap variabel dependen secara
parsial.
2. Tingkat Signifikansi
3. Tingkat keyakinan 95% (𝛼 = 0,05 )
4. Kriteria pengujian
𝐻0 ditolak, jika 𝑛𝑖𝑙𝑎𝑖 𝑆𝑖𝑔. < 𝛼 = 0,05
5. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
B Std. Error Beta
(Constant) 24.995 11.180 2.236 .028
X1 -.287 .226 -.087 -1.268 .208
1 X2 .276 .107 .260 2.585 .011
X3 .780 .120 .503 6.479 .000
X4 .143 .096 .164 1.500 .137
a. Dependent Variable: Y
Tabel 3.3 Coefficientsa
Keputusan
Pada tabel 3.3 terlihat bahwa nilai 𝑆𝑖𝑔pada variabel X2 dan X3 sebesar 0,011 dan 0,000.
Dengan tingkat keyakinan 95% ( 𝛼 = 0,05 ). Karena nilai 𝑆𝑖𝑔 variabel X2 dan X3 <
𝛼(0,05)maka hipotesis nol penelitian ditolak. karena nilai 𝑆𝑖𝑔. lebih kecil dari 𝛼 maka
variabel independenberpengaruh secara signifikan terhadap variabel dependen secara
parsial.
Berdasarkan gambar 3.1 terlihat bahwa titik-titik yang ada mendekati garis diagonal. Jika
distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya. Dengan demikian dapat disimpulkan bahwa model fit atau baik dan
dapat dinyatakan pula bahwa distribusi data residual normal.
Pengujian normalitas residul berikutnya dengan menggunakan uji statistic dengan
menggunakan kolmogorov-smirnov test, dengan melihat nilai kolmogorov-smirnovdan
Asymp.Sig nya yang dapat dilihat padat tabel 3.4.
Unstandardized
Residual
N 100
Mean 0E-7
Normal Parametersa,b
Std. Deviation 7.79513507
Absolute .069
Most Extreme Differences Positive .069
Negative -.044
Kolmogorov-Smirnov Z .695
Asymp. Sig. (2-tailed) .720
Dilihat dari tabel 3.4, terlihat bahwa Kolmogorov-Smirnov Z sebesar 0,695 dan nilai
Asymp.sig. sebesar 0.720. Dari hasil tersebut dapat disimpulkan bahwa niai Asymp.Sig (0,720)
> 0,05 sehingga dapat dikatakan bahwa distribusi data residual normal. Selain itu juga, dengan
demikan uji normalitas residual yang dilakukan dengan analisis grafik maupun uji dengan
kolmogorov-Smirnov Z, dapat disimpulkan bahwa kedua metode ini menunjukkan kearah hasil
yang baik dan data yan telah di perhitungakan dapat dikatakan distribusi data residual normal.
Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam suatu model regresi
ditemukan adanya korelasi antar variabel independen.
1. Uji hipotesisi Variabel X1
a. Uji Hipotesis
𝐻0 = Tidak terjadi Multikolinieritas
𝐻1 = Terjadi Multikolinieritas
b. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
c. Kriteria pengujian
𝐻0 ditolak, jika 𝑉𝐼𝐹 > 10
d. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24
Coefficientsa
a. Dependent Variable: Y
Tabel 3.4 Uji Multikolinieritas antara variabel dependen dengan variabel independen
Keputusan
Pada tabel 3.4 terlihat bahwa nilai 𝑉𝐼𝐹pada variabel X1 sebesar 1,027. Dengan
tingkat keyakinan 95% (𝛼 = 0,05 ). Karena nilai 𝑉𝐼𝐹variabel X1 < 10maka hipotesis nol
penelitian gagal ditolak. Sehingga variabel X1 tidak terjadi Multikolinieritas.
Keputusan
Pada tabel 3.4 terlihat bahwa nilai 𝑉𝐼𝐹pada variabel X2 sebesar 2.216. Dengan
tingkat keyakinan 95% (𝛼 = 0,05 ). Karena nilai 𝑉𝐼𝐹 variabel X2 < 10maka hipotesis
nol penelitian gagal ditolak. Sehingga variabel X2 tidak terjadi Multikolinieritas.
Uji Autokorelasi
Pengujian ini dilakukan untuk menguji suatu model apakah antara variabel pengganggu
masing-masing variabel bebas saling mempengaruhi. Adapun hasil pengujian autokorelasi adalah
sebagai berikut:
1. Uji Hipotesis Autokorelasi
a. Pengambilan Keputusan
Tidak terjadi autokorelasi jika dU < DW < (4-dU)
Terjadi autokorelasi positif jika DW < dL
Terjadi autokorelasi negatif jika DW > (4 – dU)
Tanpa Keputusan jika (4 – dU) < DW < (4 – dL)
b. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
c. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24
Tabel 3.5 Uji Autokorelasi antara variabel independen dengan variabel dependen.
Keputusan
Pada tabel 3.5 terlihat bahwa nilai Durbin-Watson adalah 2,094 akan
dibandingkan dengan tabel Durbin-Watson dimana nilai dL sebesar 1,5922 dan nilai
dU sebesar 1,7582 maka keputusan yang dapat diambil adalah data tidak terjadi
autokorelasi karena nilai Durbin-Watson antara nilai dU dan (4-dU) yaitu nilai Durbin-
Watson lebih besar dari dU dan lebih kecil dari (4 – dU).
.
Uji Heteroskedastisitas
Uji Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidak
samaan varians. Adapun hasil uji statistik Heterokedasitas yang diperoleh dalam penelitian ini
adalah sebagai berikut:
1. Uji hipotesis Variabel X1
a. Uji Hipotesis
𝐻0 = Tidak terjadi heteroskedastisitas
𝐻1 = Terjadi heteroskedastisitas
b. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
c. Kriteria pengujian
𝐻0 ditolak, jika 𝑛𝑖𝑙𝑎𝑖 𝑆𝑖𝑔. < 𝛼 = 0,05
d. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24
Coefficientsa
Keputusan
Pada tabel 3.6 terlihat bahwa nilai 𝑆𝑖𝑔pada variabel X1 sebesar 0,041. Dengan
tingkat keyakinan 95% ( 𝛼 = 0,05 ). Karena nilai 𝑆𝑖𝑔 variabel X1 < 𝛼(0,05) maka
hipotesis nol penelitian ditolak. Sehingga variabel X1 terjadi Heteroskedastisitas
Dari uji asumsi klasik diatas terdapat salah satu uji asumsi yang tidak terpenuhi yaitu Uji
Heteroskedastisitas. Maka dari itu untuk menindaklanjuti penyimpangan asumsi tersebut
dilakukan proses transformasi data pada variabel yang mengandung heteroskedastisitas.
Transformasi data
Pada variabel X1 dan X3 yang mengandung heteroskedastisitas dilakukan proses
transformasi yang mana, data yang ditransformasi menggunakan transformasi LAG. Untuk
melihat hasil transformasi dilakukan uji asumsi klasik sebagai berikut:
1. Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam suatu model regresi
ditemukan adanya korelasi antar variabel independen.
a. Uji hipotesisi Variabel LAG X1
1. Uji Hipotesis
𝐻0 = Tidak terjadi Multikolinieritas
𝐻1 = Terjadi Multikolinieritas
2. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
3. Kriteria pengujian
𝐻0 ditolak, jika 𝑉𝐼𝐹 > 10
4. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24
Coefficientsa
a. Dependent Variable: Y
Keputusan
Pada tabel 3.7 terlihat bahwa nilai 𝑉𝐼𝐹 pada variabel LAG X1 sebesar 1,009.
Dengan tingkat keyakinan 95% (𝛼 = 0,05 ). Karena nilai 𝑉𝐼𝐹 variabel X1 < 10maka
hipotesis nol penelitian gagal ditolak. Sehingga variabel LAG X1 tidak terjadi
Multikolinieritas.
b. Uji hipotesisi Variabel X2
1. Uji Hipotesis
𝐻0 = Tidak terjadi Multikolinieritas
𝐻1 = Terjadi Multikolinieritas
2. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
3. Kriteria pengujian
𝐻0 ditolak, jika 𝑉𝐼𝐹 > 10
4. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24 pada tabel 3.7
Keputusan
Pada tabel 3.7 terlihat bahwa nilai 𝑉𝐼𝐹pada variabel X2 sebesar 2.379. Dengan
tingkat keyakinan 95% ( 𝛼 = 0,05 ). Karena nilai 𝑉𝐼𝐹 variabel X2 < 10 maka
hipotesis nol penelitian gagal ditolak. Sehingga variabel X2 tidak terjadi
Multikolinieritas.
c. Uji hipotesisi Variabel LAG X3
1. Uji Hipotesis
𝐻0 = Tidak terjadi Multikolinieritas
𝐻1 = Terjadi Multikolinieritas
2. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
3. Kriteria pengujian
𝐻0 ditolak, jika 𝑉𝐼𝐹 > 10
4. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24 pada tabel 3.7
Keputusan
Pada tabel 3.7 terlihat bahwa nilai 𝑉𝐼𝐹 pada variabel LAG X3 sebesar 1,007.
Dengan tingkat keyakinan 95% (𝛼 = 0,05 ). Karena nilai 𝑉𝐼𝐹 variabel X3 < 10maka
hipotesis nol penelitian gagal ditolak. Sehingga variabel LAG X3 tidak terjadi
Multikolinieritas.
d. Uji hipotesisi Variabel X4
1. Uji Hipotesis
𝐻0 = Tidak terjadi Multikolinieritas
𝐻1 = Terjadi Multikolinieritas
2. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
3. Kriteria pengujian
𝐻0 ditolak, jika 𝑉𝐼𝐹 > 10
4. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24 pada tabel 3.7
Keputusan
Pada tabel 3.7 terlihat bahwa nilai 𝑉𝐼𝐹pada variabel X4 sebesar 2,382. Dengan
tingkat keyakinan 95% ( 𝛼 = 0,05 ). Karena nilai 𝑉𝐼𝐹 variabel X4 < 10 maka
hipotesis nol penelitian gagal ditolak. Sehingga variabel X4 tidak terjadi
Multikolinieritas.
2. Autokorelasi
Pengujian ini dilakukan untuk menguji suatu model apakah antara variabel pengganggu
masing-masing variabel bebas saling mempengaruhi. Adapun hasil pengujian autokorelasi
adalah sebagai berikut:
a. Uji Hipotesis Autokorelasi
1. Pengambilan Keputusan
Tidak terjadi autokorelasi jika dU < DW < (4-dU)
Terjadi autokorelasi positif jika DW < dL
Terjadi autokorelasi negatif jika DW > (4 – dU)
Tanpa Keputusan jika (4 – dU) < DW < (4 – dL)
2. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
3. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24
Model Summaryb
Keputusan
Pada tabel 3.8 terlihat bahwa nilai Durbin-Watson adalah 1,830 akan
dibandingkan dengan tabel Durbin-Watson dimana nilai dL sebesar 1,5922 dan nilai
du sebesar 1,7582, maka keputusan yang dapat diambil adalah data tidak terjadi
autokorelasi karena nilai Durbin-Watson antara nilai dU dan (4-dU) yaitu nilai
Durbin-Watson lebih besar dari dU dan lebih kecil dari (4 – dU).
3. Heteroskedastisitas
Uji Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan varians. Adapun hasil uji statistik Heterokedasitas yang diperoleh dalam
penelitian ini adalah sebagai berikut:
a. Uji hipotesisi Variabel X1
1. Uji Hipotesis
𝐻0 = Tidak terjadi heteroskedastisitas
𝐻1 = Terjadi heteroskedastisitas
2. Tingkat Signifikansi
Tingkat keyakinan 95% (𝛼 = 0,05 )
3. Kriteria pengujian
𝐻0 ditolak, jika 𝑛𝑖𝑙𝑎𝑖 𝑆𝑖𝑔. < 𝛼 = 0,05
4. Statistik Uji
Statistik uji yang digunakan adalah hasil output dari SPSS versi 24
Coefficientsa
Keputusan
Pada tabel 3.9 terlihat bahwa nilai 𝑆𝑖𝑔 pada variabel LAG X1 sebesar 0,069.
Dengan tingkat keyakinan 95% (𝛼 = 0,05 ). Karena nilai 𝑆𝑖𝑔 variabel LAG X1 >
𝛼(0,05)maka hipotesis nol penelitian gagal ditolak. Sehingga variabel X1 tidak
terjadi Heteroskedastisitas
Keputusan
Pada tabel 3.9 terlihat bahwa nilai 𝑆𝑖𝑔pada variabel X2 sebesar 0,733. Dengan
tingkat keyakinan 95% (𝛼 = 0,05 ). Karena nilai 𝑆𝑖𝑔 variabel X2 > 𝛼(0,05)maka
hipotesis nol penelitian gagal ditolak. Sehingga variabel X2 tidak terjadi
Heteroskedastisitas
Uji F dalam penelitian ini bertujuan untuk mengetahui secara bersama-sama pengaruh
variabel indenpenden tingkat profitabilitas, keputusan investasi, keputusan pendanaan, dan
kebijakan deviden terhadap nilai perusahaan. Dalam uji F ini, nilai yang digunakan nilai Sig yang
terdapat dalam tabel anova yang disajikan dalam tabel 3.11. Dalam pengujian ini peneliti
menentukan kesimpulan dengan cara melihat nilai sig dibandingkan dengan nilai signifikansi
yaitu sebesar 0.05.
ANOVAa
Total 13862.948 98
a. Dependent Variable: Y
b. Predictors: (Constant), LAG_X3, X4, X1, LAG_X2
Tabel 3.11 Hasil Pengujian Simultan (Uji F)
Hipotesis nol (Ho) yang digunakan dalam pengujian ini adalah tidak adanya pengaruh
antara variabel independen secara bersama-sama terhadap variabel dependen. Sedangkan
hipotesis alternatif (H1) yang digunakan adalah terdapat adanya pengaruh antara variabel
independen secara bersama-sama terhadap variabel dependen. Berdasarkan atas hasil tabel 3.11,
menunjukkan nilai sig pada table anova dengan nilai signifikansi yaitu 0.05 , dapat dilihat
bahwa nilai sig. pada table anova 0,0000 memiliki nilai yang lebih kecil dibanding nilai
signifikan yang telah ditetapkan yakni 0.05. dari hasil sig tersebut dapat diartikan bahwa
hipotesis alternatif diterima. Sehingga dapat disimpulkan bahwa terdapat pengaruh antara
variabel independen secara bersama-sama terhadap variabel dependen.
Coefficientsa
a. Dependent Variable: Y
Dari hasil pengujian pada tabel 3.12 nilai unstandardized coefficient (B) , maka persamaan
regresi yang telah dibentuk dapat dinyatakan sebagai berikut :
Berdasarkan hasil pengujian pada tabel 3.12 ditemukan hasil nilai signifikansi untuk
varibael kebijakan deviden (X4) memiliki nilai sig sebesar 0.00. Taraf sigifikansi yang
digunakan sebesar 5% atau 0,05 maka variabel bebas yaitu kebijakan deviden (X4) secara
individu memiliki pengaruh signifikan terhadap variabel terikat yaitu nilai perusahaan.
𝑌 = 62,956 + 0,525𝑋4
Dari persamaan yang didapat , dapat disimpulkan apabila fungsi-fungsi manajemen
meningkat maka meningkat pula kinerja perusahaan. Dan apabila kebijakan deviden menurun
maka menurun pula nilai perusahaan.
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .590a .348 .341 9.62955
a. Predictors: (Constant), X4
b. Dependent Variable: Y
Tabel 3.10 Uji Korelasi Dan Determinasi Antara Variabel Independen X4 Dengan
Dependen.
Uji koefisien korelasi (R) antara variabel independen X4 dengan variabel dependen Y
didapat sebesar 0,590 sedangkan variabel independen mampu menjelaskan variabel
dependen sebesar 34,1%, sedangkan yang 65,9% sisanya dijelaskan variabel lain yang tidak
dimasukkan dalam model ini (tidak diteliti). Hasil uji koefisien determinasi tersebut
memberikan makna, bahwa masih terdapat variabel independen lain yang mempengaruhi
variabel dependen nya. Untuk itu perlu pengembangan penelitian lebih lanjut, terkait dengan
topik ini.
BAB IV
PENUTUP
4.1 Kesimpulan
Budi Purbayu Santosa, & Hamdani Muliawan. (2007). Statistika Deskriptif dalam Bidang
Ekonomi dan Niaga. Jakarta; Erlangga.
Chatterjee, S., & Hadi, A.S. (1986). Influential Observations, High Leverage Points, and Outliers
in Linear Regression. Statistical Science, Vol. 1, Nomor 3, Hlm. 379-393.
Draper, N. R., & Smith, H. (1981). Applied Regression Analysis. 2th Ed. New York: Jhon Wiley
& Sons.
Eye, A. V., & Schuster, C. (1998). Regression Analysis for Social Sciences. California:
Academic Press.
Hocking, R. R. (2003). Methods and Aplications of Linear Model: Regression and The Analysis
of Variance. 2th Ed. Canada: John Wiley & Sons.
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2006). Introduction to Linear Regression
Analysis. 4th Ed. Canada: John Wiley & Sons.
http://andrasupriatna.blogspot.co.id/2012/03/pengertian-perusahaan-secara umum.html(diunduh
pada tanggal 20 Desember 2017 jam 20.00 WIB).
http://lppm.uns.ac.id/kinerja/files/pemakalah/lppm-pemakalah-2010-
20072013142515.pdf(diunduh pada tanggal 20 Desember 2017 jam 15.00 WIB).
http://eprints.undip.ac.id/35784/1/PRAPASKA.pdf(diunduh pada tanggal 18 Desember 2017 jam
15.00 WIB).