METODE PENGUMPULAN DATA KESIMPULAN

3.6 JENIS DATA

Jenis data yang digunakan dalam penelitian ini adalah dengan menggunakan data sekunder. Data penelitian ini diambil berdasarkan laporan keuangan yang telah diaudit dan laporan tahunan perusahaan yang telah dipublikasikan dan terdaftar di BEI. Data perusahaan ini diperoleh dari website BEI , ICMD, website perusahaan yang bersangkutan.

3.7 METODE PENGUMPULAN DATA

Metode pengumpulan data menggunakan studi pustaka dan studi dokumentasi. Studi pustaka dilakukan dengan mengumpulkan beberapa jurnal ekonomi dan buku-buku yang berkaitan dengan masalah yang diteliti. Kemudian setelah itu dilanjutkan dengan studi dokumentasi, yaitu peneliti mengumpulkan data sekunder berupa laporan keuangan dan laporan tahunan perusahaan manufaktur melalui media internet dengan cara mengunduh dari situs BEI yaitu www.idx.co.id maupun website perusahaan yang bersangkutan. .

3.8 TEKNIK ANALISIS

3.8.1 Uji Asumsi Klasik

Uji asumsi klasik yang digunakan dalam penelitian ini yaitu uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas. 3.8.1.1 Uji Normalitas Tujuan uji normalitas menurut Ghozali 2005 adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu memiliki distribusi normal atau tidak. Metode yang digunakan dalam uji normalitas ini adalah : Universitas Sumatera Utara A. Analisis Grafik Untuk melihat normalitas data dapat dilakukan dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dimanaplottingdata residual akan dibandingkan dengan garis diagonal. Normalitas dapat dideteksi dengan melihat penyebaran plottingdata residual pada sumbu diagonal. Jika data menyebar disekitar garis diagonal dan mengikuti arah diagonal menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. B. Analisis Statistik Peneliti menggunakan uji Kolmogorov Smirnov1 sample KSuntuk menguji normalitas data. Bila signifikan ρ 0,05, maka distribusi data dikatakan normal. Dan jika sebaliknya maka distribusi data tidak normal.

3.8.1.2 Uji Multikolinearitas

Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Multikolinearitas dapat dideteksi dengan melihat nilai Variance Inflation Factor VIF dan tolerance. Jika nilai VIF tidak lebih dari 5 dan nilai tolerance tidak kurang dari 0,1, maka model regresi dapat dikatakan terbebas dari multikolinearitas. Semakin tinggi VIF maka semakin rendah tolerance. Universitas Sumatera Utara

3.8.1.3 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau periode sebelumnya. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-Watson DW-test. Kriteria untuk penilaian terjadinya autokorelasi adalah: • angka D-W dibawah -2 berarti ada autokorelasi positif, • angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, • angka D-W di atas +2 berarti ada autokorelasi negatif. 3.8.1.4 Uji Heteroskedastisitas Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari satu pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Uji heteroskedastisitas dapat dilakukan dengan dua metode, yaitu uji grafik dan uji glejser. Uji grafik dilakukan dengan melihat grafik scatterplot dan uji glejser dilakukan dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel dependennya. Model regresi tidak terjadi heterokesdatisitas jika nilai signifikan 0,05 akan tetapi jika nilai signifikan 0,05 maka dalam model regresi terjadi heteroskedastisitas. Universitas Sumatera Utara

3.8.2 Uji Hipotesis

Dalam penelitian ini, uji hipotesis menggunakan analisis regresi linier berganda. Analisis persamaan regresi berganda digunakan untuk mengetahui pengaruh dari beberapa variabel independen terhadap satu variabel dependen. Analisis regresi berganda dihasilkan dengan cara memasukkan input data variabel ke fungsi regresi. Persamaan regresi berganda yang digunakan dapat dinyatakan sebagai berikut: Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + е Keterangan: Y = Nilai Perusahaan α = Konstanta β 1 - β 5 = Koefisien regresi variabel independen X 1 = ROA X 2 = ROE X 3 = Komisaris Independen X 4 = Pengungkapan CSR е = Variabel pengganggu error Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak, digunakan uji F F-test dan uji t T-test. Universitas Sumatera Utara

3.8.2.1 Uji Koefisien Determinasi R

2 Pengujian koefisien determinasi R 2 digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap variasi naik turunnya variabel dependen. Koefisien determinasi berkisar antara nol sampai dengan 1 0 ≤ R 2 ≤ 1. Semakin kecil nilai R 2 , maka semakin kecil pengaruh variabel independen variabel terhadap variabel dependen. Dan jika nilai R 2 semakin mendekati 1, menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen.

3.9.2.2 Uji F F-Test

Uji F bertujuan untuk mengetahui pengaruh variabel independen secara bersama – sama terhadap variabel dependen. Uji F dapat dicari dengan melihat F hitung dari tabel Anova output SPSS 18. Variabel independen berpengaruh simultan terhadap variabel dependen jika probabilitas value 0,05 α = 0,05.

3.8.2.3 Uji T T-Test

Uji T bertujuan untuk mengetahui seberapa besarnya pengaruh variabel independen terhadap variabel dependen. Variabel independen berpengaruh positif terhadap variabel dependen jika probabilitas value 0,05 α = 0,05. Universitas Sumatera Utara

BAB VI HASIL PENELITIAN DAN PEMBAHASAN

4.1 ANALISIS HASIL PENELITIAN

4.1.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif memberikan informasi mengenai nilai minimum, nilai maksimum, nilai rata-ratamean, dan standart deviasistandard deviation data yang digunakan dalam penelitian. TABEL 4.1 STATISTIK DESKRIPTIF Descriptive Statistics N Minimum Maximum Mean Std. Deviation ROA 75 .004 .407 .11915 .100157 ROE 75 .008 .837 .22299 .189747 KOMISARIS_INDEPENDEN 75 .250 1.000 .43444 .156697 PENGUNGKAPAN_CSR 75 .013 .615 .30977 .136260 PBV 75 .001 .447 .03720 .068370 Valid N listwise 75 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa:

1. variabel ROA memiliki nilai minimum sebesar 0,004, nilai maksimum

sebesar 0,407, meansebesar 0,119 dan standard deviationsebesar0,100,

2. variabel ROE memiliki nilai minimum sebesar 0,008, nilai maksimum

sebesar0,837, meansebesar0,222dan standard deviationsebesar 0,189,

3. variabel Komisaris Independen memiliki nilai minimum sebesar 0,250,

nilai maksimum sebesar1,000, meansebesar0,434dan standard deviationsebesar 0,156, Universitas Sumatera Utara

4. variabel Pengungkapan CSR memiliki nilai minimum sebesar 0,013, nilai

maksimum sebesar0,615, meansebesar0,309dan standard deviationsebesar 0,136,

5. variabel PBV memiliki nilai minimum sebesar 0,001, nilai maksimum

sebesar0,447, meansebesar0,372dan standard deviationsebesar 0,068.

4.1.2 Uji Asumsi klasik

Uji asumsi klasik yang digunakan dalam penelitian ini terdiri atas uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas. 4.1.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel residual memiliki distribusi data yang normal atau tidak, dengan membuat hipotesis sebagai berikut : Ho : variabel residual berdistribusi tidak normal, Ha : variabel residual berdistribusi normal. Ada dua cara untuk mendeteksi apakah distribusi data normal atau tidak, yaitu dengan analisis grafik dan uji statistik.

A. Analisis Grafik

Analisis grafik dapat dilihat dengan menggunakan grafik histogram dan grafik normal probability plot. Dalam grafik histogram, distribusi data normal ditunjukkan oleh gambar kurva atau histogram yang tidak menceng ke kiri atau menceng ke kanan. Sedangkan dalam grafik normal probabilityplot, distribusi Universitas Sumatera Utara data normal akan membentuk satu garis lurus diagonal, dan plottingdata residual akan dibandingkan dengan garis diagonal. Normalitas dapat dideteksi dengan melihat penyebaran plottingdata residual pada sumbu diagonal. Pola distribusi data dikatakan normal jika plottingdata residual menyebar disekitar garis diagonal dan mengikuti arah diagonal. GAMBAR 4.1 GRAFIK HISTOGRAM GAMBAR 4.2 NORMAL PROBABILITY PLOT Universitas Sumatera Utara Pada gambar 4.1, dapat dilihat bahwa grafik histogram menceng ke arah kiri yang menunjukkan distribusi data tidak normal. Hal ini didukung oleh gambar 4.2, dimana plottingdata residual tidak menyebar di sekitar garis diagonal dan plotting data residual menceng ke kiri dan ke kanan, tidak mengikuti arah diagonal. Kedua gambar tersebut menunjukkan bahwa model regresi tidak memenuhi asumsi normalitas. Namun, uji normalitas dengan menggunakan analisis grafik dapat menyesatkan karena terkadang data kelihatan normal, padahal belum tentu data tersebut berdistribusi normal. Dan terkadang terlihat tidak normal, padahal data tersebut berdistribusi normal. Oleh karena itu, untuk memastikan apakah data berdistribusi normal atau tidak maka dilakukan uji analisis statistik.

B. Analisis Statistik

Uji normalitas dengan metode analisis statistik menggunakan uji kolmogorov – smirnov1 sample KS. Uji ini dilakukan untuk memastikan apakah plottingdata residual yang menyebar di sekitar garis diagonal berdistribusi normal atau tidak. Distribusi data dikatakan normal apabila nilai asymptonic significance lebih besar dari 0,05 ρ 0,05. Dan jika sebaliknya nilai asymptonic significance lebih kecil dari 0,05 ρ 0,05, maka distribusi data tidak normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada tabel 4.2. Universitas Sumatera Utara TABEL 4.2 HASIL UJI NORMALITAS One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Residual N 75 Normal Parameters a,b Mean .0000000 Std. Deviation .05095736 Most Extreme Differences Absolute .191 Positive .191 Negative -.141 Kolmogorov-Smirnov Z 1.651 Asymp. Sig. 2-tailed .009 a. Test distribution is Normal. b. Calculated from data. Pada hasil uji analisis statistik yang ditunjukkan pada tabel 4.2, dapat dilihat bahwa nilai asymptonic significance sebesar 0,009 lebih kecil dari 0,05, maka dinyatakan bahwa data pada penelitian ini tidak berdistribusi secara normal Ho diterima. Pada uji normalitas dengan analisis grafik dan statistik diketahui bahwa data yang digunakan tidak berdistribusi normal sehingga data ini tidak dapat digunakan untuk melakukan uji hipotesis. Menurut Ghozali 2005:32, “data yang tidak terdistribusi secara normal dapat ditransformasikan agar menjadi normal”. Oleh karena itu, digunakan metode transformasi data untuk menormalkan data penelitian. Data penelitian ditransformasi kelogaritma natural Ln. Hasil transformasi data dapat dilihat pada lampiran 6. Setelah data ditransformasi, maka dilakukan uji normalitas kembali untuk melihat apakah data penelitian ini telah berdistribusi normal atau tidak. Berikut hasil uji normalitas data setelah transformasi: Universitas Sumatera Utara

A. Analisis Grafik

GAMBAR 4.3 GRAFIK HISTOGRAM SETELAH TRANSFORMASI KE Ln GAMBAR 4.4 NORMAL PROBABILITY PLOTSETELAH TRANSFORMASI KE Ln Dari gambar 4.3 dan gambar 4.4 terlihat bahwa setelah dilakukan transformasi data ke Ln, grafik histogram dan normal probability plot memperlihatkan pola data yang berdistribusi normal. Universitas Sumatera Utara

B. Analisis Statistik

TABEL 4.3 HASIL UJI NORMALITAS SETELAH TRANSFORMASI KE Ln One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 75 Normal Parameters a,b Mean .0000000 Std. Deviation .71958997 Most Extreme Differences Absolute .055 Positive .051 Negative -.055 Kolmogorov-Smirnov Z .480 Asymp. Sig. 2-tailed .975 a. Test distribution is Normal. b. Calculated from data. Pada hasil uji analisis statistik dengan uji kolmogorov – smirnov1 sample KSpada tabel 4.3, dapat dilihat bahwa nilai asymptonic significance sebesar 0,975, yang artinya bahwa nilai asymptonic significance lebih besar dari 0,05. Dengan demikian, data pada penelitian ini telah berdistribusi secara normal dan dapat digunakan untuk melakukan Uji-T dan Uji-F Ha diterima. Universitas Sumatera Utara

4.1.2.2 Uji Multikolinearitas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas. Multikolinearitas dapat dilihat dari nilai variance inflation factor VIF dan tolerance. Untuk mendeteksi ada atau tidaknya multikolineritas dapat dilakukan dengan melihat nilai VIF dan tolerance variabel dengan hipotesis sebagai berikut: Ho : terdapat multikolineritas ;VIF 5, Tolerance 0,1, Ha : tidak terdapat multikolineritas ; VIF 5, Tolerance 0,1. TABEL 4.4 HASIL UJI MULTIKOLINIARITAS Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toler ance VIF 1 Constant - 2.082 .344 -6.055 .000 Ln_ROA -.251 .153 -.263 -1.638 .106 .208 4.811 Ln_ROE .953 .164 .869 5.820 .000 .240 4.172 Ln_KOMISARIS_ INDEPENDEN .190 .297 .047 .641 .523 .997 1.003 Ln_PENGUNGK APAN_CSR .453 .154 .262 2.952 .004 .679 1.472 a. Dependent Variable: Ln_PBV Berdasarkan tabel 4.4, terlihat bahwa tidak ada variabel yang nilai VIF lebih besar dari 5, dan nilai tolerance yang lebih kecil dari 0,1. Dengan demikian, dapat dinyatakan bahwa model regresi pada penelitian ini terbebas dari multikolinearitas Ha diterima. Universitas Sumatera Utara

4.1.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau periode sebelumnya. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-Watson D-W.Kriteria untuk penilaian terjadinya autokorelasi adalah: • angka D-W dibawah -2, berarti ada autokorelasi positif, • angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, • angka D-W di atas +2, berarti ada autokorelasi negatif. TABEL 4.5 HASIL UJI DURBIN – WATSON Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson dimension0 1 .791 a .626 .605 .73986 1.772 a. Predictors: Constant, Ln_PENGUNGKAPAN_CSR, Ln_KOMISARIS_INDEPENDEN, Ln_ROE, Ln_ROA b. Dependent Variable: Ln_PBV Berdasarkan tabel 4.5diketahui nilai statistik D-W sebesar 1,772. Angka ini terletak diantara -2 dan +2, maka dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini. Universitas Sumatera Utara

4.1.2.4 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari satu pengamatan dengan pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Uji heteroskedastisitas dapat dilakukan dengan dua metode, yaitu uji grafik dan uji glejser. Uji grafik dilakukan dengan melihat grafik scatterplot, apabila titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas dan tersebar diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak menunjukkan tidak terjadinya heterokesdatisitas pada model regresi. Sedangkan uji glejser dilakukan dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel dependennya. Model regresi tidak terjadi heterokesdatisitas jika nilai signifikan 0,05 akan tetapi jika nilai signifikan 0,05 maka dalam model regresi terjadi heteroskedastisitas. GAMBAR 4.5 HASIL UJI GRAFIK SCATTERPLOT Universitas Sumatera Utara TABEL 4.6 HASIL UJI GLEJSER Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 6.987E-16 .344 .000 1.000 Ln_ROA .000 .153 .000 .000 1.000 Ln_ROE .000 .164 .000 .000 1.000 Ln_KOMISARIS _INDEPENDEN .000 .297 .000 .000 1.000 Ln_PENGUNGK APAN_CSR .000 .154 .000 .000 1.000 a. Dependent Variable: Unstandardized Residual Pada gambar 4.5, grafik scatterplot menunjukkan titik-titik yang menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Dan pada tabel 4.6 diatas menunjukkan bahwa nilai signifikan semua variabel independen lebih besar dari 0,05. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen. Universitas Sumatera Utara 4.1.3 Uji Hipotesis 4.1.3.1 Uji Determinasi R 2 Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi adalah 0 – 1. Semakin besar nilai koefisien determinasi maka semakin baik. Dalam hal ini peneliti menggunakan nilaiAdjusted R 2 , karena peneliti meneliti lebih dari dua variabel. Adjusted R 2 dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model. Sama halnya dengan R 2 , Adjusted R 2 digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Hasil pengukuran koefisien determinasi dapat dilihat pada tabel 4.7 sebagai berikut: TABEL 4.7 HASIL UJI DETERMINASI Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate dimension0 1 .791 a .626 .605 .73986 a. Predictors: Constant, Ln_PENGUNGKAPAN_CSR, Ln_KOMISARIS_INDEPENDEN, Ln_ROE, Ln_ROA b. Dependent Variable: Ln_PBV Dari hasil uji hipotesis dengan menggunakan SPSS 18 diperoleh nilai AdjustedR 2 sebesar 0,605. Dengan demikian besarnya pengaruh yang diberikan oleh variabel ROA, ROE, Komisaris Independen, dan pengungkapan CSR terhadap PBV adalah sebesar 60,5, sedangkan sisanya sebesar 39,5 dijelaskan oleh faktor lain yang tidak diteliti dalam penelitian ini. Universitas Sumatera Utara

4.1.3.2 Uji F F-Test

Uji F bertujuan untuk mengetahui pengaruh variabel independen secara bersama – sama terhadap variabel dependen. Uji F dapat dicari dengan melihat F hitung dari tabel Anova. Hipotesis : Ho : variabel independen tidak berpengaruh simultan terhadap variabel dependen Ha : variabel independen berpengaruh simultan terhadap variabel dependen. Kriteria : • jika probabilitas value 0,05 ; maka Ha diterima • jika probabilitas value 0,05 ; maka Ha ditolak. TABEL 4.8 HASIL UJI F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 64.126 4 16.032 29.287 .000 a Residual 38.318 70 .547 Total 102.444 74 a. Predictors: Constant, Ln_PENGUNGKAPAN_CSR, Ln_KOMISARIS_INDEPENDEN, Ln_ROE, Ln_ROA b. Dependent Variable: Ln_PBV Pada tabel 4.8 dapat diketahui nilai F hitung sebesar 29,287 dan probabilitas value dalam penelitian ini adalah 0,000 probabilitas value lebih kecil dari 0,05. Dengan demikian Ha diterima yaitu ROA, ROE, Komisaris Independen, dan pengungkapan CSR berpengaruh simultan terhadap PBV. Universitas Sumatera Utara

4.1.3.3 Uji T T – Test

Uji T bertujuan untuk mengetahui seberapa besarnya pengaruh variabel independen terhadap variabel dependen. Uji ini dilakukan dengan menggunakan hipotesis dan ketentuan sebagai berikut: Hipotesis : Ho: variabel independen tidak berpengaruh positif terhadap variabel dependen Ha: variabel independen berpengaruh positif terhadap variabel dependen. Kriteria : • jika probabilitas value 0,05 α = 0,05 ; maka Ha diterima • jika probabilitas value 0,05 α = 0,05 ; maka Ha ditolak. Jika Ha diterima artinya variabel independen secara parsial berpengaruh terhadap vartiabel dependen. Hasil uji T dapat dilihat pada table 4.9 sebagai berikut. TABEL 4.9 HASIL UJI T T – TEST Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -2.082 .344 -6.055 .000 Ln_ROA -.251 .153 -.263 -1.638 .106 Ln_ROE .953 .164 .869 5.820 .000 Ln_KOMISARIS_ INDEPENDEN .190 .297 .047 .641 .523 Ln_PENGUNGK APAN_CSR .453 .154 .262 2.952 .004 a. Dependent Variable: Ln_PBV Universitas Sumatera Utara Berdasarkan tabel 4.9 diatas, maka dapat dihasilkan persamaan regresi sebagai berikut : Y = - 2,082 – 0,251X 1 + 0,953X 2 + 0,190X 3 + 0,453X 4 + e Dari persamaan diatas dapat diartikan bahwa : a. Nilai konstanta sebesar – 2,082 Hal ini berarti bahwa tanpa adanya pengaruh ROA, ROE, Komisaris Independen, dan pengungkapan CSR atau jika variabel independen bernilai konstan maka akan menurunkan nilai PBV sebesar 2,082. b. Nilai koefisien ROA sebesar – 0,251 Hal ini berarti bahwa apabila setiap terjadi kenaikan nilai ROA maka akan menurunkan nilai PBV sebesar 0,251. c. Nilai koefisien ROE sebesar 0,953 Hal ini berarti bahwa apabila setiap terjadi kenaikan nilai ROE maka akan meningkatkan nilai PBV sebesar 0,953. d. Nilai koefisien Komisaris Independen sebesar 0,190 Hal ini berarti bahwa apabila setiap terjadi kenaikan proporsi Komisaris Independen maka akan meningkatkan nilai PBV sebesar 0,190. e. Nilai koefisien pengungkapan CSR sebesar 0,453 Hal ini berarti bahwa apabila setiap terjadi kenaikan perluasan pengungkapan CSR dalam laporan tahunan maka akan meningkatkan nilai PBV sebesar 0,453. Universitas Sumatera Utara

4.2 PEMBAHASAN HASIL PENELITIAN

Penelitian ini bertujuan untuk mengetahui bagaimana pengaruh kinerja keuangan, GCG, dan pengungkapan CSR terhadap nilai perusahaan pada perusahaan manufaktur yang terdaftar di BEI. Variabel independen yang digunakan dalam penelitian ini adalah ROA, ROE, Komisaris Independen, dan pengungkapan CSR, dengan PBV sebagai variabel dependennya. Populasi yang digunakan dalam penelitian ini adalah perusahaan – perusahaan manufaktur yang terdaftar di BEI selama tahun 2008 – 2010. Teknik pengambilan sampel yang digunakan adalah teknik purposive sampling,dimana jumlah pengamatan yang diperoleh dalam penelitian ini adalah 75 25 sampel x 3 tahun. Teknik analisis yang digunakan dalam penelitian ini adalah uji asumsi klasik uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas dan uji hipotesis uji determinasi, uji F, dan uji T dengan menggunakan SPSS 18.

4.2.1 Pengaruh Kinerja Keuangan Terhadap Nilai Perusahaan

Berdasarkan output SPSS, hasil penelitian menunjukkan bahwa variabel kinerja keuangan yang diukur dengan menggunakan rasio ROA memiliki pengaruh negatif dan tidak signifikan terhadap nilai perusahaan. sedangkan apabila kinerja keuangan diukur dengan menggunakan rasio ROE memiliki pengaruh positif dan signifikan terhadap nilai perusahaan. Hal ini tidak sejalan dengan penelitian yang dilakukan oleh Handoko 2010, dimana dalam penelitian yang dilakukan Handoko, ROA dan ROE memiliki pengaruh positif dan signifikan terhadap nilai perusahaan. Universitas Sumatera Utara

4.2.2 Pengaruh GCG Terhadap Nilai Perusahaan

Berdasarkan output SPSS, hasil penelitian menunjukkan bahwa GCG yang diproksikan melalui Komisaris Independen tidak memiliki pengaruh signifikan terhadap nilai perusahaan. Hal ini sejalan dengan penelitian yang dilakukan oleh Susanti,et al 2010. Komisaris Independen tidak memiliki pengaruh yang signifikan dalam meningkatkan nilai perusahaan baik untuk masa sekarang maupun masa yang akan datang. Akan tetapi hasil penelitian ini berbeda dengan yang dilakukan oleh Nasser 2008 yang menyatakan bahwa komposisi Komisaris Independen berpengaruh positif dan signifikan terhadap nilai perusahaan.

4.2.3 Pengaruh Pengungkapan CSR terhadap Nilai Perusahaan

Berdasarkan output SPSS, hasil penelitian menunjukkan bahwa pengungkapan CSR memiliki pengaruh positif dan signifikan terhadap nilai perusahaan. Hasil penelitian ini menunjukkan bahwa besar kecilnya praktik CSR dan pengungkapannya dalam laporan tahunan akan meningkatkan nilai perusahaan. Pengungkapan CSRdilakukan dengan pemikiran bahwa pasar akan memberikan apresiasi positif yang ditunjukkan dengan peningkatan harga saham perusahaan. Yang kemudian peningkatan ini akan menyebabkan nilai perusahaan juga meningkat. Akan tetapi hasil penelitian ini berbeda dengan penelitian yang dilakukan oleh Kartadjumena 2010, dimana pengungkapan CSR tidak berpengaruh positif terhadap earning response coefficient, yang berarti juga tidak memiliki pengaruh terhadap nilai perusahaan. Universitas Sumatera Utara

BAB V KESIMPULAN DAN SARAN

5.1 KESIMPULAN

Berdasarkan hasil penelitian yang telah dilakukan, dapat diambil kesimpulan bahwa : 1. Secara simultan variabel independen yang terdiri dari ROA, ROE, Komisaris Independen dan pengungkapan CSR berpengaruh signifikan terhadap nilai perusahaan. 2. Akan tetapi, hasil yang berbeda diperoleh apabila dilakukan uji secara parsial. Berikut adalah hasil uji yang dilakukan secara parsial : a. ROA terbukti berpengaruh negatif dan tidak signifikan terhadap nilai perusahaan. hal ini berarti bahwa ketika perusahaan memiliki nilai ROA yang tinggi maka perusahaan manajemen menganggap bahwa perputaran aset perusahaan tidak efisien sehingga dapat mengurangi profit margin perusahaan. Maka hal ini akan berdampak pada penurunan nilai perusahaan. b. ROE terbukti berpengaruh positif signifikan terhadap nilai perusahaan. Hal ini berarti bahwa nilai perusahaan ditentukan oleh ROEyang dihasilkan perusahaan. Hasil positif menunjukkan bahwa semakin tinggi nilai ROE berarti semakin efisien tingkat perputaran modal kerja perusahaan dan semakin tinggi pula profit margin yang diperoleh perusahaan. Maka hal ini akan berdampak pula pada peningkatan nilai perusahaan. Universitas Sumatera Utara c. Proporsi Komisaris Independen terbukti tidak berpengaruh terhadap nilai perusahaan. Hasil ini menunjukkan bahwa proporsiKomisaris Independen tidak mampu meningkatkan peran Dewan Komisaris dalam menciptakan GCGdi dalam perusahaan. d. Pengungkapan CSR terbukti berpengaruh positif signifikan terhadap nilai perusahaan. Hal ini berarti bahwa pengungkapan CSR dalam laporan tahunan perusahaan akan meningkatkan nilai perusahaan. karena pengungkapan CSR dalam laporan tahunan merupakan nilai tambah perusahaan dimata investor. Laporan tahunan adalah salah satu media yang digunakan oleh perusahaan untuk berkomunikasi langsung dengan para investor. Pengungkapan informasi dalam laporan tahunan yang dilakukan oleh perusahaan diharapkan dapat mengurangi asimetri informasi dan juga mengurangi agency problems Healy dan Palepu, 2001. Universitas Sumatera Utara

5.2 SARAN