BAB III

METODE PENELITIAN
3.1 Metode Penelitian
3.1.1 Pengertian Metologi Penelitian

Penelitian menurut (Sekaran & Bougie, 2016) adalah Setelah penelitian

mendalam dan analisis faktor-faktor situasi, proses menemukan solusi untuk masalah
tersebut. Sedangkan metode penelitian menurut (Suryana, 2010) adalah pendekatan
sistematis untuk menyusun ilmu pengetahuan.

Metode penelitian yang digunakan dalam penelitian ini adalah metode

penelitian deskriptif verifikatif dengan menggunakan metode kuantitatif, yaitu metode
mendeskripsikan dan mendeskripsikan setiap variabel penelitian secara rinci, kemudian
mengolah dan menganalisis hasil penelitian, dan menarik kesimpulan melalui
pengujian hipotesis.

Menurut (Sugiyono, 2008) metode analisis deskriptif digunakan untuk

menganalisis informasi statistik dari data dengan mendeskripsikan atau
mendeskripsikan data yang dikumpulkan sebagaimana adanya, tanpa bermaksud untuk
membuat kesimpulan atau generalisasi yang luas.

Menurut (Sugiyono, 2008) Metode verifikasi pada dasarnya menguji teori

dengan menguji hipotesis. Pengujian hipotesis dilakukan dengan menggunakan
perhitungan statistik yang digunakan untuk menguji variabel X1 dan X2 terhadap
variabel Y yang diteliti. Verifikasi mengacu pada pengujian teori dengan menguji
apakah hipotesis diterima.

3.1.2 Jenis Penelitian

Jenis penelitian yang digunakan peneliti adalah jenis penelitian kuantitatif.
Penelitian kuantitatif adalah metode penelitian yang didasarkan pada filosofi positivis,
digunakan untuk menguji populasi atau sampel tertentu, menggunakan alat penelitian
untuk pengumpulan data, dan analisis data kuantitatif / statistik, dengan tujuan menguji
hipotesis yang telah ditentukan sebelumnya.

3.2 Jenis dan Sumber Data

Jenis penelitian ini adalah penelitian eksplanatori karena menghubungkan dua

faktor atau lebih dari dua variabel secara bersamaan. Gunakan notasi X untuk

40
 41

menggunakan leverage dan ROE sebagai variabel independen, dan notasi Y untuk
menggunakan Price Book to Value sebagai variabel dependen.
Menurut (Indriartoro & Supomo, 2014), Sumber data dibedakan menjadi dua,
yaitu data primer dan data sekunder. Data mentah adalah sumber data penelitian yang
diperoleh langsung dari sumber aslinya (bukan melalui media perantara). Data
sekunder merupakan sumber data penelitian yang diperoleh secara tidak langsung oleh
peneliti melalui perantara (diperoleh dan dicatat oleh pihak lain). Sumber data
penggunaan data pembantu penulis adalah data yang diperoleh dari catatan perusahaan
yang ada terkait dengan masalah yang diteliti. Data yang diperoleh di sini diberikan
dalam bentuk neraca dan laporan laba rugi perusahaan konstruksi yang memenuhi
standar penelitian untuk perusahaan yang terdaftar di Bursa Efek Indonesia tahun 2019
yang bersumber dari katalog pasar modal Indonesia tahun 2021.
3.2.1 Variabel Penelitian
Variabel dapat diartikan sebagai salah satu objek penelitian.Penelitian ini
menggunakan dua jenis variabel yaitu variabel independent atau variabel bebas (X) dan
variabel terikat (Y). Variabel terikat yang digunakan dalam penelitian ini adalah Price
Book to Value.
Nilai suatu perusahaan dapat diukur dengan price book value (PBV), yaitu rasio pasar
yang digunakan untuk mengukur kinerja harga pasar saham relatif terhadap nilai
bukunya. (Husnan & Pudjiastuti, 2015) menandaskan bahwa dengan memahami nilai
buku dan nilai pasar, Anda dapat memahami pertumbuhan perusahaan. Variabel
independen yang digunakan (X1) FINANCIAL LEVERAGE adalah ukuran jumlah aset
yang dibiayai oleh hutang yang digunakan untuk membiayai aset yang berasal dari
kreditor daripada pemegang saham atau investor. Dan (X2) ROE, profitabilitas
merupakan indikator kinerja yang dijalankan oleh manajemen dalam mengelola
kekayaan perusahaan, yang ditunjukkan dengan laba yang dihasilkan. Secara garis
besar, keuntungan perusahaan berasal dari penjualan dan investasi perusahaan.
Profitabilitas dapat diukur menggunakan ROE (Return On Equity), yaitu tingkat
pengembalian ekuitas pemilik perusahaan. Operasi variabel-variabel ini adalah sebagai
berikut:
 Tabel 3. 1 42
Operasional variabel

SUB KONSEP
VARIABEL INDIKATOR
VARIABEL VARIABEL SKALA

Nilai
Perusahaan • Harga Pasar Per
(Y) Lembar Saham
Nilai buku dari PBV • Nilai Buku Per
ekuitas, nilai ini (Price Book Harga Pasar Per Lembar Saham
diperoleh dengan RASIO
Value) Lembar Saham − Total Equity
mengambil total Nilai Buku Per
ekuitas sebagai − Jumlah Lembar
(Prihadi, 2013) Lembar Saham
book value. Saham

Leverage TIE
(X1) (Time
Interest
Menentukan Earned)
• Laba Sebelum RASIO
sejauh mana
EBIT • Hutang lancar
dana pinjaman (Weston &
telah digunakan Beban buga
Copeland,
untuk 1995)
membiayai
perusahaan

ROE
(X2)
• Laba Bersih
Mengukur − laba operasi
seberapa banyak (Husnan & laba sebelum pajak
Laba setelah pajak
keuntungan Pudjiastuti, • Modal Sendiri RASIO
Modal sendiri
yang menjadi hak 2015) − saham biasa
pemilik modal − modal disetor
sendiri. laba ditahan
 43

3.4 Populasi dan Sampel

3.3.1 Populasi
Populasi adalah wilayah generalisasi yang terdiri dari atas:
obyek/subyek yang mempunyai kualitas dan karateristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya
(Sugiyono, 2017). Populasi penelitian ini adalah seluruh perusahaan sektor
pertambangan yang tercatat di Bursa Efek Indonesia (BEI) pada periode 2015-
2020.
Berikut adalah daftar 6 populasi Perusahaan konstruksi yang tercatat di
Bursa Efek Indonesia pada periode 20015-2020:
No Kode Nama Emiten
1. ADHI Adhi Karya Tbk
2. INTP Indocement Tunggal Prakarsa Tbk
3. JSMR Jasa Marga Tbk
4. PTPP Pembangunan Perumahan Tbk
5. SMGR Semen Indonesia Tbk
6. UNTR United Tractor Tbk

3.3.1 Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi (Sugiyono, 2017). Teknik dari pengambilan sampel dalam penelitian
ini menggunakan teknik purposive sampling, yaitu teknik teknik penentuan
sampel dengan pertimbangan tertentu. Sampel dalam penelitian ini adalah
sebagian dari populasi yang memenuhi kriteria sampel sebagai berikut:
a. Perusahaan sektor konstruksi yang tercatat di Bursa Efek Indonesia pada
periode 2015 sampai 2020.

b. Perusahaan sektor konstruksi yang mempublikasikan laporan keuangan

tahunan (annual report) secara lengkap periode 2015-2020 dalam BEI dan
memiliki informasi lengkap menganai data yang berkaitan dengan pengukuran
variabel yang digunakan.

3.5 Teknik Pengumpulan Data

Untuk memperoleh data digunakan teknik pengumpulan data dengan
kemampuan penelitian dokumen. Peneliti hanya mengumpulkan data tahun 2019 yang
diperoleh dari Indonesian Capital Market Directory (ICMD). Data tersebut antara lain
meliputi laporan keuangan perusahaan konstruksi yang terdaftar di BEI, dalam data
laporan keuangan dilengkapi dengan rasio keuangan.

3.6 Teknik Analisis Data

Analisis deskriptif merupakan gambaran semua variabel dalam penelitian yang
dapat dilihat dari hasil pengukuran nilai rata-rata, nilai minimum dan maksimum, dan
standar deviasi dari semua variabel. (Priyatno, 2013).
 44

3.4.1 Uji Asumsi Klasik

3.4.1.1 Uji Normalitas
Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji
statistik nonparametrik Kolmogorov-Smirnov (K-S). Uji Kolmogorov-Smirnov (K-S)
dilakukan untuk mengetahui tingkat kesesuaian antara distribusi (skor observasi)
rangkaian sampel dengan distribusi teoritis tertentu. (Yamin & Kurniawan, 2009).
Hipotesisnya adalah :

Ho: Data sisa berdistribusi normal

Ha: Data sisa tidak berdistribusi normal

Jika nilai efektif asimtom lebih kecil dari nilai efektif yang ditentukan (α =
0,05), maka Ho ditolak atau data tidak berdistribusi normal; dan jika nilai efektif
asimtotik lebih besar dari nilai signifikansi yang ditentukan (α = 0,05), maka Ho
diterima Atau data berdistribusi normal.

3.4.1.2 Uji Multikolonieritas

Uji multikolonialitas dirancang untuk menguji apakah model regresi

menemukan adanya korelasi antar variabel bebas. Model regresi yang baik seharusnya
tidak memiliki korelasi antar variabel independen. Jika variabel independen terkait,
variabel ini tidak ortogonal. Variabel ortogonal merupakan variabel bebas, dimana nilai
korelasi antar variabel bebas sama dengan nol (Ghozali, 2016). Multikolinieritas dapat
dilihat dari (1) nilai toleransi dan pasangannya (2) faktor ekspansi varian (VIF). Kedua
ukuran tersebut menunjukkan variabel independen mana yang dijelaskan oleh variabel
independen lainnya. Toleransi mengukur variabilitas variabel yang dipilih, sedangkan
variabel independen lainnya tidak menjelaskan hal ini. Oleh karena itu nilai toleransi
yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1 / toleransi). Biasanya
yang digunakan untuk menunjukkan nilai kritis beberapa koloni adalah nilai toleransi
≤ 0,10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2016).

1
VIF = 1−𝑅2

Tolerance = 1 – R2

3.4.1.3 Uji Autokorelasi

 45

Persamaan regresi yang baik tidak memiliki masalah autokorelasi. Jika terjadi
autokorelasi, maka persamaan tersebut kurang baik atau sesuai untuk prediksi. Masalah
autokorelasi hanya terjadi jika ada korelasi linier antara kesalahan perancu periode-t
(tempat tinggal) dan kesalahan perancu periode t-1 sebelumnya. (Sunyoto, 2016). Salah
satu cara untuk mengetahui ada tidaknya masalah autokorelasi adalah dengan uji
Durbin-Watson (DW) yang memiliki ketentuan sebagai berikut:

1. Jika nilai DW lebih rendah dari -2 (DW <-2), akan terjadi autokorelasi positif.

2. Jika nilai DW antara -2 dan +2 atau -2 <DW <+2, tidak ada autokorelasi.

3. Jika nilai DW lebih besar dari +2 atau DW> +2, akan terjadi autokorelasi negatif.

3.4.1.4 Uji Heterogenitas

Uji heteroskedastisitas digunakan untuk mengetahui ada tidaknya variasi

residual dari satu observasi ke observasi lainnya dalam model regresi. Jika varians dari
residual satu pengamatan ke pengamatan lain masih ada disebut homoskedastisitas, dan
jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah mean square
error atau heteroskedastisitas (Santoso, 2010).

Uji Glejser dapat digunakan untuk mendeteksi ada tidaknya heteroskedastisitas.

Uji Glejser dilakukan dengan melakukan regresi antara variabel independen dengan
nilai absolut dari residunya. Jika nilai signifikansi antara variabel independen dengan
residual absolut lebih besar dari 0,05 maka tidak terjadi masalah heteroskedastisitas

3.4.2 Analisis Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi tentang suatu

data yang dilihat melalui nilai rata-rata (mean), standar deviasi, varian,

maksimum, minimum, sum, range, kurtosis dan skewnes (Ghozali, 2016).

Standar deviasi kecil menunjukkan nilai sampel atau populasi yang

mengelompok di sekitar nilai rata-rata hitungnya. Hal ini disebabkan nilainya

hampir sama dengan nilai rata-rata. Sehingga dapat disimpulkan bahwa setiap

anggota sampel atau populasi mempunyai kesamaan.Sebaliknya, apabila nilai

deviasi besar, maka penyebaran dari rata-rata juga besar.

 46

3.4.3 Analisis Regresi Data Panel

Penelitian ini dilakukan dengan menggunakan metode statistik

yang dibantu program SPSS. Analisis ini menggunakan data panel yang

merupakan gabungan antara data deret waktu (time-series) dan data

deret lintang (cross-section). Ada dua macam data panel yaitu data

panel balance dan data panel unbalance. Yang dimaksud dengan data

panel balance yaitu keadaan dimana jumlah time series sama dengan

jumlah unit cross section. Kalau data panel unbalance yaitu keadaan

dimana jumlah unit time series dan cross section tidak sama

Penggunaan data panel pada penelitian memliki beberapa

keunggulan. Keunggulan data panel menurut Baltagi dalam Gujarati

(2012) antara lain:

a. Dapat mengontrol heterogensi individu dengan memberkan variable

spesifik-spesifik.

b. Dengan menggabungkan antara observasi runtu waktu dan seksi

silang, data panel memberikan lebih banyak informasi, lebih banyak

variasi, sedikit kolenearitas antar variabel lebih banyak degree of

freedom dan lebih efisien

c. Dengan mempelajari observasi seksi silang berulang-ulang, data

panel paling tepat untuk mempelajari dinamika perubahan

d. Data panel paling baik untuk mendeteksi dan mengukur dampak

yang secara sederhana tidak bisa dilihat pada data seksi silang murni

dan runtut waktu murni.

e. Data panel memudahkan untuk mempelajari model perilaku yang

rumit

f. Dengan membuat data menjadi lebih banyak, data panel dapat

 47

menimbulkan bias yang bisa terjadi jika kita mengagregasi individu-

individu atau perusahaan-perusahaan ke dalam agregasi besar.

Data panel merupakan gabungan dari data cross section dan data time
series, maka persamaan regresinya menggunakan alat SPSS
sebagai berikut : (Mahulete, 2016).

Yit = α + β1Xit +β2Xit + εit

Keterangan:
Yit : Price Book to Value
α : kostanta
β1Xit : FINANCIAL LEVERAGE ke-i tahun ke-t
β2Xit : Return To Equity ke-i tahun ke-t
εit :Tingkat kesalahan (standar error)

Dalam penelitian ini jumlah data time series adalah 6 tahun. Adapun
data cross section yang diambil dari data jumlah konstrusi yaitu 6
perusahaan kontruksi yang terdaftar di Bursa Efek Indonesia, sehingga
jumlah observasinya sejumlah 36.

3.4.4 Estimasi Model Regresi Data Panel

Teknik analisis data panel dalam penelitian ini dapat dilakukan
dengan metode common effect, fixed effect dan random effect,
sedangkan untuk menentukan metode mana yang lebih sesuai dengan
penelitian ini maka digunakan Uji Chow dan Uji Hausman : (Mahulete,2016).

3.4.4.1 Model Pooled (Common Effect)

Model Common Effect adalah model yang paling sederhana,

karena metode yang digunakan dalam metode Common Effect hanya

dengan mengkombinasikan data time series dan cross section. Dengan

hanya menggabungkan kedua jenis data tersebut, maka dapatdigunakan

metode Ordinal Least Square (OLS) atau teknik kuadrat terkecil

untuk mengestimasi model data panel. Dalam pendekatan ini tidak

 48

memperhatikan dimensi individu maupun waktu, dan dapat

diasumsikan bahwa perilaku data antar perusahaan sama dalam rentan

waktu. Asumsi ini jelas sangat jauh dari realita sebenarnya, karena

karakteristik antar perusahaan baik dari segi kewilayahan jelas sangat

berbeda.

3.4.4.2 Model Efek Tetap (Fixed Effect)

Model ini digunakan untuk mengatasi kelemahan dari analisis
data panel yang menggunakan metode common effect, penggunaan
data panel common effect tidak realistis karena akan menghasilkan
intercept ataupun slope pada data panel yang tidak berubah baik
antar individu (cross section) maupun antar waktu (time series).
(Mahulete, 2016).

Model ini juga untuk mengestimasi data panel dengan

menambahkan variabel dummy. Model ini mengasumsikan bahwa
terdapat efek yang berbeda antar individu. Perbedaan ini dapat
diakomodasi melalui perbedaan diintersepnya. Oleh karena itu dalam
metode fixed effect, setiap individu merupakan parameter yang tidak
diketahui variabel dan akan diestimasi dengan menggunakan teknik
variabel dummy. Teknik ini dinamakan Least Square Dummy
Variabel (LSDV). Selain ini diterapkan untuk efek tiap individu,
LSDV ini juga dapat mengkombinasikan efek waktu yang bersifat
simetik. Hal ini dapat dilakukan melalui penamabahan variabel dummy
waktu di dalam model (Silalahi, 2014).

3.4.4.3 Model Efek Acak (Random Effect)

Dalam metode ini perbedaan karakteristik individu dan waktu
diakomodasikan dengan error dari model. Mengingat terdapat dua
komponen yang mempunyai kontribusi pada pembentukan error yaitu
(individu dan waktu), maka pada metode ini perlu diuraikan menjadi
error dari komponen individu, error untuk komponen waktu dan error
gabungan
 49

3.4.5 Pemilihan model regresi data panel

3.4.5.1 Uji Lagrange Multiplier
Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model
Random Effect atau model Common Effect (OLS) yang paling tepat
digunakan. Uji signifikasi Random Effect ini dikembangkan oleh Breusch
Pagan. Metode Breusch Pagan untuk uji signifikasi Random Effect
didasarkan pada nilai residual dari metode OLS.
hipotesis yang digunakan adalah:
H0 : Common Effect Model
Ha : Random Effect Model
Pedoman yang digunakan dalam pengambilan keputusan dalam uji LM
adalah sebagai berikut:
1) Jika nilai LM hitung ≥ 0,05 maka H0 diterima artinya model common
effect yang dipakai
2) Jika nilai LM hitung < 0,05 maka H0 ditolak artinya model fixed
effect yang dipakai.
Uji LM ini didasarkan pada distribusi chi-squares dengan degree of
freedom sebesar jumlah variabel independen. Jika nilai LM statistik lebih
besar dari nilai kritis statistik chi-squares maka kita menolak hipotesis nul,
yang artinya estimasi yang tepat untuk model regresi data panel adalah
metode Random Effect dari pada metode Common Effect. Sebaliknya jika
nilai LM statistik lebih kecil dari nilai statistik chi-squares sebagai nilai
kritis, maka kita menerima hipotesis nul, yang artinya estimasi yang
digunakan dalam regresi data panel adalah metode Common Effect bukan
metode Random Effect. (Silalahi, 2014).
Uji LM tidak digunakan apabila pada uji Chow dan uji Hausman
menunjukan model yang paling tepat adalah Fixed Effct Model. Uji LM
dipakai manakala pada uji Chow menunjukan model yang dipakai adalah
Common Effect Model, sedangkan pada uji Hausman menunjukan model
yang paling tepat adalah Random Effect Model. Maka diperlukan uji LM
sebagai tahap akhir untuk menentukan model Common Effect atau Random
Effect yang paling tepat. (Silalahi, 2014).
3.4.5.2 Uji Chow
 50

Uji Chow adalah untuk menentukan uji mana di antara kedua metode
yakni metode common effect dan metode fixed effect yan sebaiknya
digunakan dalam pemodelan data panel. Hipotesis dalam uji chow ini sebagai
berikut : (Mahulete, 2016).
Ho : Model Common Effect
H1 : Model Fixed Effect
Pedoman yang digunakan untuk dalam pengambilan kesimpulan uji chow
adalah sebagai berikut:
1) Jika nilai probability F ≥ 0,05 artinya H0 diterima; maka model
common effect yang dipakai.
2) Jika nilai probability F < 0,05 artinya H0 ditolak; maka model random
effect yang dipakai.
3.4.5.3 Uji Hausman
Uji Hausman yaitu untuk menentukan uji mana diantara kedua metode
efek acak (random effect) dan metode (fixed effect) yang sebaiknya
dilakukan dalam pemodelan data panel. Hipotesis dalam uji hausman sebagai
berikut : (Mahulete, 2016).
Ho : Metode Random Effect
H1 : Metode Fixed Effect Pedoman yang digunakan untuk mengambil
kesimpulan uji Hausman adalah sebagai berikut:
1) Jika nilai probability Chi-Square ≥ 0,05; maka H0 diterima artinya
model random effect yang dipakai
2) Jika nilai probability Chi-Square < 0,05; maka H0 ditolak artinya
model fixed effect yang dipakai.

3.4.6 Uji hipotesis

3.4.6.1 Uji t (Uji Pengaruh Persial)
Uji t yaitu untuk menguji hubungan regresi secara parsial, dalam uji t
statistik pada dasarnya menunjukan seberapa jauh pengaruh suatu variabel
penjelas secara individual dalam menerangkan variasi variabel-variabel
terikat dengan menggunakan eviews. Uji t menguji apakah suatu hipotesis
diterima atau ditolak, dimana untuk kekuatan pada uji t adalah sebagai
berikut : (Mahulete, 2016).
Ho : Berarti tidak ada pengaruh positif dari variabel bebas terhadap
variabel terkait.
 51

H1 : Berarti ada pengaruh positifi dari variabel bebas terhadap variabel

terkait.
Untuk memutuskan hipotesis mana yang diterima dan mana yang
ditolak, maka pengkajia dilakukan dengan sebagai berikut:
1) Berdasarkan nilai t hitung dan t tabel
a) Jika nilai t hitung > t tabel maka variabel independen berpengaruh
positif terhadap variabel bebas
b) Jika nilai t hitung < t tabel maka variabel independen tidak
berpengaruh positif terhadap variabel bebas

2) Berdasarkan nilai signifikansi pada output Eviews:

a) Jika nilai signifikan ≤ 0,05 maka variabel independen berpengaruh
signifikan terhadap variabel dependen.
b) Jika nilai signifikan > 0,05 maka variabel independen berpengaruh
signifikan terhadap variabel dependen.

3.4.6.2 Uji F (Uji Pengaruh Simultan)

Uji F statistik yaitu menunjukkan apakah semua variabel bebas yang
dimaksudkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel terikat dilihat dengan menggunakan Eviews. Dengan
hipotesis sebagai berikut : (Mahulete, 2016).
H0 : Berarti variabel bebas tidak memiliki pengaruh dengan variabel
terikat
Ha : Berarti ada pengaruh secara serentak antara semua variabel bebas
terhadap variabel terikat.

Pedoman dalam pengambilan kesimpulan uji F adalah sebagai berikut:

a) Jika nilai F hitung > F tabel maka variabel independen berpengaruh
positif secara silmultan terhadap variabel bebas
b) Jika nilai F hitung < F tabel maka variabel independen tidak
berpengaruh positif secara simultan terhadap variabel bebas

3.4.6.3 Uji Koefisien Determinasi (R2)

Koefisien determinasi (R2) mengukur tingkat ketepatan atau kecocokan

 52

dari regresi data pane. Yaitu merupakan proporsi presentase sumbagan X1,
X2 dan Di terhadap variasi (naik turunya) Y yang dilihat dengan
menggunakan Eviews 8.
Tabel 3. 2
Pedoman Interpretasi Koefisien Korelasi

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat

Untuk menghitung derajat asosiasi pada saat yang sama, Anda dapat

menggunakan analisis korelasi ganda untuk menghitung. Korelasi ganda adalah angka

yang menunjukkan arah dan kekuatan hubungan antara dua variabel independen, atau

hubungan antara variabel dependen dan beberapa variabel independen semakin besar.

3.4.5 Uji Koefisien Determinasi (R2)

Analisis koefisien determinasi digunakan untuk mengetahui seberapa besar

pengaruh semua variabel X (FINANCIAL LEVERAGE dan ROE) terhadap nilai Y

(Price Book to Value). Koefisien determinasi dapat ditemukan dengan rumus, (Gujarati,

2003):
𝑅𝑆𝑆
R2 = 1 − 𝑇𝑆𝑆

Keterangan :

R2 = koefisien eterminasi

RSS = jumlah kuadrat residual

TSS = jumlah kuadrat total

Nilai koefisien determinasi antara 0 dan 1. Nilai R2 yang kecil berarti

kemampuan variabel independen dalam menjelaskan perubahan variabel dependen

sangat terbatas. (Ghozali, 2016). Nilai yang mendekati 1 (satu) menunjukkan bahwa
 53

variabel independen menyediakan hampir semua informasi yang dibutuhkan untuk

memprediksi perubahan variabel dependen.