3. Analisis Regresi Dari hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi
yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator BLUE dan layak dilakukan analisis regresi. Untuk
menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 16, 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, melalui pengaruh LN_AKB X
1
, LN_ROEX
2
dan LN_DPR terhadap LN_NP Y. Hasil regresi dapat dilihat pada tabel 4.9
berikut ini:
Tabel 4.12 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant 3.078
7.425 .415
.684 LN_AKB
.801 .308
.513 2.597
.019 .520
1.922 ROE
.169 .098
.336 1.718
.104 .531
1.882 DPR
.039 .036
.158 1.079
.296 .950
1.052 a. Dependent Variable: LN_NP
Sumber : Output SPSS, diolah oleh Peneliti, 2010 Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai beikut:
Y= α + β1X1 + β2X2 + β3X3 + ε
Universitas Sumatera Utara
LN_NP = 3,078 + 0,801 LN_AKB + 0,169 ROE + 0,039 DPR + ε
Keterangan : 1
konstanta sebesar 3,078 menunjukkan bahwa apabila tidak ada variabel independen X
1
= 0, X
2
= 0 dan X
3
= 0 maka nilai perusahaan sebesar 3,078,
2 β1 sebesar 0,801 menunjukkan bahwa setiap kenaikan arus kas bersih
sebesar 1 akan diikuti oleh kenaikan nilai perusahaan sebesar 0,801 dengan asumsi variabel lain tetap,
3 β2 sebesar 0,169 menunjukkan bahwa setiap kenaikan 1 pada ROE akan
diikuti oleh kenaikan nilai perusahaan sebesar 0,169 dengan asumsi variabel lain tetap,
4 β3 sebesar 0,039 menunjukkan bahwa setiap kenaikan 1 pada DPR akan
diikuti oleh kenaikan nilai perusahaan sebesar 0,039 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
Universitas Sumatera Utara
dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel
independen dalam menjelaskan variasi variabel dependen semakin terbatas.
Tabel 4.13 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .809
a
.654 .593
2.42189 1.901
a. Predictors: Constant, DPR, ROE, LN_AKB b. Dependent Variable: LN_NP
Sumber : Output SPSS, diolah oleh Peneliti, 2010 Dari hasil pengolahan regresi berganda pada tabel 4.9, dapat
diketahui bahwa nilai R adalah 0,809 atau 80,9 yang berarti bahwa korelasi atau hubungan antara Nilai Perusahaan LN_NP dengan variabel
independennya LN_AKB, ROE dan DPR cukup kuat. Nilai R Square atau koefisien determinasi adalah sebesar 0,654. Ini berarti bahwa variasi
dari variabel independen yang terdiri dari Arus Kas Bersih, Return on Equity, dan Dividend Payout Ratio mampu menjelaskan variasi variabel
dependen Investasi Aktiva Tetap sebesar 65,4. Selebihnya dijelaskan oleh variabel lain yang tidak dimasukkan dalam model regresi.
c. Pengujian Hipotesis