Efek Indonesia mengenai data perusahaan, laporan kinerja perusahaan, laporan keuangan dan tahunan, serta buku-buku referensi, internet, dan
literatur ilmiah yang berhubungan dengan penelitian. Berdasarkan waktu pengumpulannya, data yang digunakan dalam
penelitian ini adalah data pooling data yaitu gabungan dari data cross section dan time series. Data cross section yaitu data yang dikumpulkan pada suatu
waktu tertentu at a point of time untuk menggambarkan subjek pada waktu tersebut. Subjek yang diteliti adalah laporan keuangan perusahaan manufaktur
yang terdaftar di BEI. Sedangkan data berkala data time series yaitu data yang dikumpulkan dari waktu ke waktu untuk melihat perkembangan suatu
kejadian atau kegiatan selama periode tersebut. Interval waktu dalam penelitian ini mulai tahun 2011 sampai tahun 2013. Sumber data diperoleh
dari Indonesian Capital Market Directory ICMD dan situs www.idx.co.id
.
3.6 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data eksternal. Data eksternal merupakan data yang dicari dan diperoleh peneliti dari suatu entitas
di luar perusahaan yang bersangkutan. Pengumpulan data dilakukan melalui dua tahap. Pertama, peneliti melakukan studi kepustakaan untuk mencari
buku-buku yang berkaitan dengan masalah yang diteliti. Kedua, pengumpulan data dilakukan dengan cara mendownload dari situs Bursa Efek Indonesia,
yaitu www.idx.co.id
serta melalui Indonesian Capital Market Directory untuk
memperoleh data mengenai laporan keuangan dari perusahaan sampel yang terpilih untuk tahun 2011-2013.
3.7 Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah metode analisis kuantitatif dengan menggunakan software SPSS. Penelitian ini akan
mengunakan teknik regresi linier. Hal ini disebabkan karena penelitian ini akan menguji pengaruh Net Profit Margin NPM terhadap nilai perusahaan,
serta menggunakan Good Corporate Governance GCG apakah memperkuat atau memperlemah hubungan antara NPM dengan nilai perusahaan. Pada
penelitian ini akan menggunakan teknik regresi linier sederhana untuk menguji hipotesis pertama yaitu pengaruh NPM terhadap nilai perusahaan.
Penelitian ini menggunakan teknik regresi linier sederhana karena hanya terdapat satu variabel independen dan satu variabel dependen dalam
mengujinya. Sebelum analisis ini dilaksanakan, terlebih dahulu perlu dilakukan uji asumsi klasik untuk menghasilkan nilai parameter model
penduga yang sah. Untuk dapat melakukan regresi ini, model regresi harus diuji terlebih dahulu apakah sudah memenuhi asumsi klasik. Apabila ada satu
syarat saja yang tidak terpenuhi, maka hasil analisis regresi tidak dapat dikatakan bersifat BLUE Best Linear Unbiased Estimator. Asumsi regresi
linier klasik tersebut antara lain adalah: 1. Model regresi dispesifikasikan dengan benar.
2. Error menyebar normal dengan rataan nol dan memiliki suatu ragam variance tertentu.
3. Tidak terjadi heteroskedastisitas pada ragam error. 4. Tidak terjadi multikolinieritas antara variable bebas.
5. Error tidak mengalami autokorelasi error tidak berkorelasi dengan dirinya sendiri.
3.7.1 Analisis Statistik Deskriptif Statistik deskriptif memberikan gambaran dari fenomena atau
karakteristik dari data. Karakteristik dari data yang digambarkan adalah karakteristik distribusinya Jogiyanto, 2004.
3.7.2 Uji Asumsi Klasik Pengujian asumsi klasik ini bertujuan untuk mengetahui dan menguji
kelayakan atas model regresi yang digunakan dalam penelitian ini. Pengujian ini juga dimaksudkan untuk memastikan bahwa di dalam model regresi yang
digunakan tidak terdapat multikolonieritas dan heteroskedastisitas serta untuk memastikan bahwa data yang dihasilkan berdistribusi normal Ghozali, 2013.
3.7.2.1 Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah didalam suatu model
regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Pendeteksian ada atau
tidaknya autokorelasi menggunakan uji Durbin-Watson DW test. Uji durbin-watson hanya digunakan untuk autokorelasi tingkat satu first order
autocorrelation dan mensyaratkan adanya intercept konstanta dalam
regresi dan tidak ada variabel lagi diantara variabel independen. Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya Ghozali, 2013. Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Pengujian autokorelasi menggunakan uji Durbin Watson DW-test.
Pengambilan keputusan mengenai ada tidaknya autokorelasi yaitu : 1 DW -2 berarti ada autokorelasi positif
2 -2 DW 2 berarti tidak ada autokorelasi
3 DW +2 berarti ada autokorelasi negatif
3.7.2.2 Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dan residual satu pengamatan ke pengamatan lain
tetap, maka disebut Homoskedasitisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskesdatisitas
atau tidak terjadi Heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai
prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya pola tertentu pada grafik scatterplot antara
SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di –
studentized. Dasar analisis : a. Jika ada pola tertentu, seperti titik-titik yang
ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. b. Jika
tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.7.2.3 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan f mengasumsikan bahwa nilai residual mengikuti
distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram
dari residualnya. Dasar pengambilan keputusan jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram
tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati- hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya.
Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual
adalah uji statistik non-parametrik Kolmogorov-Smirnov K-S. Uji K-S dilakukan dengan membuat hipotesi :
H ₀ : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal 3.7.3 Uji Model
Model persamaan regresi yang akan diuji adalah sebagai berikut: Q = α + β1NPM + ε
Q = α + β1NPM + β2KM + β3NPMKM + ε Q = α + β1NPM + β2KI + β3NPMKI + ε
Q = α + β1NPM + β2KomInd + β3NPMKomInd + ε Keterangan :
Q = Nilai perusahaan diproksi dengan Tobin’s Q
α = Konstanta
β1-β3 = Koefisien
NPM = Net Profit Margin
KM = Kepemilikan manajerial
KI = Kepemilikan institusional
KomInd = Komisaris independen Pada peneltian ini menggunakan elemen Good Corporate Governance
GCG sebagai variabel pemoderasi sehingga dalam analisis regresi ditambahkan uji interaksi perkalian antara variabel independen dengan
variabel pemoderasi. 3.7.4 Uji Hipotesis
3.7.4.1 Uji R² atau Koefisien Determinasi Koefisien determinasi R² pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang crossection relatif rendah karena ada variasi yang besar
antara masing-masing pengamatan, sedangkan untuk data runtun waktu time series biasanya mempunyai nilai koefisien determinasi yang tinggi
Ghozali,2013. 3.7.4.2 Uji Signifikansi Parameter Individual Uji Statistik t
Ghozali 2013, Uji statistik t menunjukkan seberapa jauh pengaru satu variabel penjelas atau independen secara individual dalam menerangkan
variasi variabel dependen. Uji statistik t digunakan untuk menemukan pengaruh paling dominan antara masing-masing variabel independen untuk
menjelaskan variabel dependen dengan tingkat significant level 0,05 α=5.
Penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut :
1. Jika nilai signifikan 0,05 maka hipotesis ditolak koefisien regresi tidak signifikan. Hal ini berarti bahwa secara parsial variabel independen
tersebut tidak mempunyai pengaruh yang signifikan terhadap variabel dependen.
2. Jika nilai signifikan ≤ 0,05 maka hipotesis diterima koefisien regresi
signifikan. Hal ini berarti secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan terhadap variabel dependen.
3.7.4.3 Analisis Regresi Pemoderasi Moderated Regression Analysis Ghozali 2013, Tujuan analisis regresi pemoderasi ini untuk
mengetahui apakah variabel moderating akan memperkuat atau
memperlemah hubungan antara variabel independen dan variabel dependen. Terdapat tiga model pengujian regresi dengan variabel moderating, yaitu uji
interaksi MRA, uji nilai selisih mutlak, dan uji residual. Dalam penelitian ini akan digunakan uji MRA, hipotesis moderating diterima jika variabel
pemoderasi GCG mempunyai pengaruh signifikan terhadap Tobin’s Q.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data Penelitian