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