Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda multiple regression.
Berdasarkan hasil pengolahan data dengan program SPSS 15.0, maka diperoleh hasil sebagai berikut :
a. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen, yaitu pengaruh LN_LEV X
1
, LN_DPR X2 dan LN_EPS X3 terhadap LN_Q Y. Hasil regresi dapat dilihat pada tabel 4.8 berikut ini :
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig B
Std. Error Beta
1 Constant
.694 .385
1.803 .079
LN_LEV 1.573
.249 .744
6.325 .000
LN_DPR .087
.098 .099
.887 .381
LN_EPS -.003
.040 -.008
-.070 .945
Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai berikut :
LN_Q = 0,694 + 1,573 LN_LEV + 0,087 LN_DPR - 0,003 LN_EPS + ε
Setelah dilakukan kuadrat, diperoleh persamaan: Q = 0,481636 + 2,474329 LEV + 0,007569 DPR – 0,000009 EPS +
ε
Keterangan : 1
Konstanta sebesar 0,481636 menunjukkan bahwa apabila tidak ada variabel independen X1 = 0, X2 = 0 dan X3=0 maka Tobins’Q akan
sebesar 0,481636.
Universitas Sumatera Utara
2 β
1
sebesar 2,474329 menunjukkan bahwa setiap kenaikan leverage ratio sebesar 1 akan diikuti oleh kenaikan Tobins’Q sebesar 2,474329 dengan
asumsi variabel lain tetap. 3
β
2
sebesar 0,007569 menunjukkan bahwa setiap kenaikan 1 pada dividend payout ratio akan diikuti oleh kenaikan Tobins’Q sebesar
0,007569 dengan asumsi variabel lain tetap. 4
β
3
sebesar – 0,000009 menunjukkan bahwa setiap kenaikan 1 pada earnings per share akan diikuti oleh penurunan Tobins’Q sebesar
0,000009 dengan asumsi variabel lain tetap.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai
dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel- variabel independen memberikan semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen semakin terbatas.
Universitas Sumatera Utara
Tabel 4.9 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-Watson
1 .732a
.536 .501
.46231 1.767
a Predictors: Constant, LN_EPS, LN_DPR, LN_LEV b Dependent Variabel: LN_Q
Pada model summary, nilai koefisien korelasi R sebesar 0,732 yang berarti bahwa korelasi atau hubungan antara Tobins’Q LN_Q dengan variabel
independennya LN_LEV, LN_DPR, dan LN_EPS begitu kuat karena berada diatas 0,5. Angka adjusted R square atau koefisien determinasi adalah 0,536. Hal
ini berarti 53,6 variasi atau perubahan dalam Tobins’Q dapat dijelaskan oleh variasi leverage ratio, dividend payout ratio dan earnings per share, sedangkan
sisanya 46,4 dijelaskan oleh variabel lainnya yang tidak dimasukkan dalam model regresi. Standard Error of Estimate SEE adalah 0,46231, yang mana
semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
c. Pengujian Hipotesis