commit to user
46
Pengambilan keputusan ada tidaknya autokorelasi, jika nilai d
u
d4-d
u
berarti tidak ada autokorelasi baik positif maupun negatif Ghozali, 2006. Setelah diolah program SPSS, nilai Durbin-Watson
dibandingkan dengan table Durbin-Watson pada tingkat signifikan 5 α =5.
2. Analisis Regresi Linier Berganda
Menurut Ghozali, regresi linier berganda merupakan persamaan matematik yang menyatakan hubungan antara sebuah variabel tak bebas
variabel dependen dengan variabel bebas variabel independen. Prosedur pengolahan data dalam penelitian ini dimulai dengan
memilahkan data ke dalam variabel-variabel yang digunakan dalam penelitian ini. Dari hasil operasionalisasi variabel yang akan diuji, nilai
variabel tersebut dimasukkan dalam program Software SPSS Statistics 17.0. Dalam analisis regresi, selain mengukur kekuatan hubungan antara
dua variabel atau lebih, juga menunjukkan arah hubungan antara variabel dependen dengan variabel independen. Tetapi disini juga ditambah satu
variabel kontrol didalam analisis data. Variabel kontrol tersebut akan dimasukkan ke dalam persamaan regresi apakah terdapat pengaruh yang
kuat atau tidak terhadap variabel dependennya. Akan ada dua hasil analisis yang akan disajikan dalam penelitian ini sebelum dan sesudah dimasukkan
variabel kontrol itu sendiri. Adapun persamaan regresi yang utama dalam penelitian ini sebelum dimasukkan variabel kontrol, yaitu:
commit to user
47 e
FCF PROF
INST a
LR +
+ +
+ =
3 2
1
b b
b Lalu untuk persamaan regresi setelah dimasukkan variabel kontrol menjadi
sebagai berikut:
e MBVA
FCF PROF
INST a
LR +
+ +
+ +
= 4
3 2
1
b b
b b
Keterangan: LR
= rasio leverage INST = persentase kepemilikan saham oleh institusional
PROF = profitabilitas FCF
= free cash flow MBVA= rasio market to book value of asset
a = intercept persamaan regresi konstanta
e = error term
Dalam persamaan regresi yang kedua terdapat variabel MBVA, dimana variabel tersebut adalah variabel pengontrol. Dalam penelitian ini, akan
terlihat hasilnya sebelum dan setelah dimasukkan variabel kontrol apakah memiliki hasil yang sama atau berbeda.
Dari analisis regresi diatas akan dapat disimpulkan bagaimana pengaruhnya antara variabel independen terhadap variabel dependen
dengan melihat koefisien regresi. Apabila koefisien regresi variabel independen positif maka akan berpengaruh positif terhadap variabel
dependen, begitu juga sebaliknya. Alat analisis yang digunakan dalam regresi yaitu:
commit to user
48
a. Uji F Uji F digunakan untuk mengetahui pengaruh secara simultan
atau serentak dari variabel-variabel bebas terhadap variabel terikat atau digunakan untuk melihat apakah variabel independen secara bersama-
sama mempengaruhi variabel dependen. Uji F menunjukkan pengaruh semua variabel independen secara simultan atau bersama-sama
terhadap variabel dependen. Uji F dilakukan dengan cara menggunakan tingkat signifikansi dan analisa hipotesa, yaitu tingkat
signifikan si atau α yang digunakan dalam penelitian ini adalah 5
0,05. Dan untuk membuktikan apakah H
1
diterima atau ditolak dalam penelitian ini digunakan dengan melihat nilai Sig. F. Bila nilai
Sig. Fα=5 maka H
1
= diterima, artinya secara simultan variabel independen berpengaruh secara signifikan terhadap variabel dependen.
Sebaliknya jika nilai Sig. F ≥ α = 5 maka H
1
= ditolak, artinya secara simultan variabel independen tidak berpengaruh secara signifikan
terhadap variabel dependen Ghozali, 2006. b. Uji T
Uji T digunakan untuk mengetahui koefisien regresi secara parsial dari variabel bebas terhadap variabel terikat. Uji T dilakukan
dengan cara melihat tingkat signifikansi atau α, dimana dalam penelitian ini α yang digunakan adalah 5 0,05. Dan untuk
membuktikan apakah H
2
sampai H
4
diterima atau ditolak dalam penelitian ini digunakan dengan melihat nilai Sig.t. Bila nilai
commit to user
49
Sig.t α=5 maka H
2
= diterima, artinya secara parsial variabel independen berpengaruh secara signifikan terhadap variabel dependen.
Sebaliknya jika nilai Sig. t ≥ α = 5 maka H
2
= ditolak, artinya secara parsial variabel independen tidak berpengaruh secara signifikan
terhadap variabel dependen Ghozali, 2006. c. Koefisien Determinasi R
2
Koefisien determinasi menunujukkan berapa besar persentase variasi dalam variable dependen yang dapat dijelaskan oleh variasi
variabel independen. Uji ini bertujuan untuk mengetahui tingkat ketepatan yang paling baik dalam analisis regresi, yang ditunjukan
oleh besarnya koefisien determinasi R
2
. Tingkat ketepatan yang digunakan antara 0R²1. Apabila koefisien determinasi mendekati 1
berarti perubahan dari variabel independen semakin menjelaskan perubahaan variabel dependen dan apabila koefisien determinasi
mendekati 0 berarti perubahan variabel independen semakin tidak dapat menjelaskan perubahan variabel dependen. Atau dengan kata
lain semakin besar adjusted R² akan semakin baik bagi model regresi, karena variabel independen dapat menjelaskan variabel dependen
secara lebih baik, sehingga akan semakin besar tingkat hubungan linier statistik dalam observasi Ghozali, 2006.
commit to user
50
BAB IV ANALISIS DATA
A. DESKRIPSI DATA
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari buku ICMD Indonesian Capital Market Directory dan laporan
keuangan masing-masing perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia tahun 2006-2009. Data ini berupa data leverage, persentase
kepemilikan saham institusional, profitabilitas, free cash flow, dan market to book value of assets.
Berdasarkan kriteria yang telah dicantumkan sebelumnya, diperoleh sampel penelitian dengan rincian sebagai berikut:
Tabel IV. A Hasil Pengambilan Sampel
Kriteria Sampel Jumlah
Jumlah Perusahaan Manufaktur 2006 142
Jumlah Perusahaan Manufaktur 2007 151
Jumlah Perusahaan Manufaktur 2008 149
Jumlah Perusahaan Manufaktur 2009 146
Perusahaan yang tidak memiliki data lengkap 444
Perusahaan yang memiliki data ekstrim 13
Jumlah observasi tahun 2006-2009 131
Sumber: Hasil Pengolahan Data
commit to user
51
B. STATISTIK DESKRIPTIF
Statistik deskriptif digunakan untuk mengetahui karakteristik sampel yang digunakan dalam penelitian. Berikut ini adalah tabel statistik deskriptif
sebelum dilakukan eliminasi data ekstrim.
Tabel IV. B. 1 Statistik Deskriptif Sebelum dilakukan eliminasi data ekstrim
Sumber: Hasil Output SPSS 17.0 Melalui statistik deskriptif ini bisa dilihat tingkat normalitas data
apakah sudah terdistribusi secara normal atau tidak, yaitu pada skewness dan kurtosis. Skewness mengukur kemencengan dari data dan kurtosis mengukur
puncak dari distribusi data. Data yang terdistribusi secara normal mempunyai nilai skewness dan kurtosis mendekati nol. Hasil tampilan output SPSS
terdapat nilai skewness yang cukup besar yaitu pada variabel MBVA sebesar 3,78 dan nilai kurtosis yang cukup besar yaitu pada variabel ROA sebesar
3,457, FCF sebesar 5,169, dan MBVA sebesar 17,195 berarti variabel-variabel tersebut memiliki data yang ekstrim. Nilai skewness berada pada -1,067
sampai 3,78 sedangkan nilai kurtosis berada pada -0,879 sampai 17,195.
N Minimum Maximum Std. Deviation
Skewness Kurtosis
Statistic Statistic Statistic Statistic
Statistic Std. Error Statistic Std. Error INST
144 ,1232
,9900 ,1901669 -1,067
,202 1,083
,401 LEV
144 ,0500
,8940 ,1907000
,030 ,202
-,879 ,401
ROA 144
,0060 ,4116
,0859761 1,804
,202 3,457
,401 FCF
144 -,2039
,3572 ,0662573
-,498 ,202
5,169 ,401
MBVA 144
,3288 11,7694 1,7360249
3,780 ,202 17,195
,401 Valid N listwise
144
commit to user
52
Untuk memperoleh tingkat normalitas data yang lebih baik maka data esktrim perlu dihilangkan atau dengan melognaturalkan data. Jumlah data
yang digunakan dalam penelitian ini semula berjumlah 144 data, setelah dilakukan eliminasi data ekstrim jumlah data menjadi 131 data.
Pengeliminasian data ekstrim dilakukan berdasarkan pada besarnya nilai skewness variabel tersebut, semakin kecil nilai skewness maka data akan
semakin baik.
Tabel IV. B. 2 Statistik Deskriptif Setelah dilakukan eliminasi data ekstrim
N Minimum Maximum Std. Deviation
Skewness Kurtosis
Statistic Statistic Statistic Statistic
Statistic Std. Error Statistic Std. Error INST
131 ,3218
,9800 ,1663796
-,621 ,212
-,181 ,420
LEV 131
,0500 ,8800
,1892055 ,034
,212 -,965
,420 ROA
131 ,0060
,3199 ,0629372
1,304 ,212
2,184 ,420
FCF 131
-,0468 ,2155
,0476580 ,101
,212 -,310
,420 MBVA
131 ,3288
5,2612 ,8986199
1,436 ,212
1,951 ,420
Valid N listwise 131
Sumber: Hasil Output SPSS 17.0 Berdasarkan
tabel diatas
terlihat bahwa
setelah dilakukan
pengeliminasian data ekstrim, tingkat normalitas data menjadi lebih baik sehingga terdistribusi secara normal. Hal ini ditunjukkan nilai skewness pada
-0,621 sampai 1,436 dan kurtosis pada -0,965 sampai 2,184. Masing-masing variabel memiliki skewness dan kurtosis yang mendekati nol.
Variabel kepemilikan institusional INST memiliki nilai minimum 0,3218, nilai maksimum 0,98, nilai standar deviasi 0,166, nilai skewness
commit to user
53
-0,621, dan nilai kurtosis -0,181. Variabel leverage LEV memiliki nilai minimum 0,05, nilai maksimum 0,88, nilai standar deviasi 0,189, nilai
skewness 0,034, dan nilai kurtosis -0,965. Variabel profitabilitas ROA memiliki nilai minimum 0,006, nilai maksimum 0,3199, nilai standar deviasi
0,063, nilai skewness 1,304, dan nilai kurtosis 2,184. Variabel free cash flow FCF memiliki nilai minimum -0,0468, nilai maksimum 0,2155, nilai standar
deviasi 0,0477, nilai skewness 0,101, dan nilai kurtosis -0,31. Lalu variabel market to book value of assets MBVA memiliki nilai minimum 0,3288, nilai
maksimum 5,2612, nilai standar deviasi 0,899, nilai skewness 1,436, nilai kurtosis 1,951.
C. UJI ASUMSI KLASIK
1. Uji Normalitas