46
BAB IV HASIL DAN PEMBAHASAN
A. Deskriptif Data
Pada skripsi ini, data permasalahan terdiri dari variabel laten tidak terukur dan variabel eksogen terukur. Adapun variabel latennya adalah
proksi berbasis harga saham, proksi berbasis investasi, dan realisasi pertumbuhan sedangkan variabel eksogennya adalah MVEBVA,
MVEBVE, EPR, PER, IONS, CAPBVA, CAMPVA, GROWSAL, GROWEAR, GROWEQ, dan GROWAS. Variabel-variabel ini didapat
dari data perusahaan yang terdaftar di Bursa Efek Indonesia 2006-2009. Grafik 4.1
Data Keseluruhan
Data Seluruh
-5000000 5000000
10000000 15000000
20000000 25000000
30000000 35000000
40000000
1 11 21 31 41 51 61 71 81 91
Perusahaan N
il a
i
MVABVA MVEBVE
EP PER
IONS CAPBVA
CAPMVA GROWSAL
GROWEAR GROWEQ
GROWAS
Sumber : data diolah
47
B. Analisis Data dengan Menggunakan Structural Equation Modeling
Gambar 4.2 Model SEM Proksi Harga Saham Terhadap Realisasi Pertumbuhan
C. Menilai Identifikasi Model Structural Proksi Berbasis Harga Saham
Pengujian pertama untuk model persamaan structural adalah mengindentifikasi model. Ada tiga kemungkinan yang dapat terjadi
terhadap model SEM, yaitu : 1. model unidentified, jika nilai
2 s
t
2. model just identified, jika nilai 2
s t
3. model overidentified, jika nilai 2
s t
dimana :
t = jumlah parameter yang diestimasi
48 s = jumlah varian dan kovarian antara variable manifest
yang merupakan q
p
1
q p
p = jumlah variable y indicator variable laten endogen q = jumlah variable x indicator variable laten exogen
Pengujian tersebut dapat dilakukan dengan menghitung jumlah data kovarian dan varian dibanding dengan jumlah parameter yang akan
diestimasi. Output model summary table variable counts dan table parameter summary dapat digunakan untuk menghitung hal tersebut.
Tabel 4.1 Parameter Summary Proksi Harga Saham
Weights Covariances
Variances Means
Intercepts Total
Fixed 10
10 Labeled
Unlabeled 6
1 10
17 Total
16 1
10 27
Sumber : data diolah Pada tabel 4.1 menampilkan ringkasan parameter dalam model.
Dapat dilihat terdapat 16 regression weight dimana 10 dengan nilai tetap fixed dan 6 yang diestimasi. 10 fixed regression weight meliputi loading
pertama dari 2 faktor dan 8 error term. Ada 1 kovarian dan 10 variansi yang diestimasi. Secara total ada 27 parameter dan 17 yang diestimasi.
Untuk menilai apakah model just-identified, overidentified, atau unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan
varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu p + qp + q +12 = 0 + 80 + 8 + 12 = 36 sampel moment sedangkan
jumlah parameter yang akan diestimasi 17, sehingga nilai degree of
49 freedomnya adalah 19 36 – 17 = 19. Jadi dapat disimpulkan bahwa
model yang diteliti adalah overidentified 2
s t
berdasarkan perhitungan yang dilakukan. Namun berdasarkan hasil output bahwa model tersebut
unidentified. Hal ini bisa dilihat dari hasil output di bawah ini. Berdasarkan hasil output ini, maka kita akan mengkonstrain
memberi nilai kecil pada eror, yaitu 0.005 1 nilai eror pada model persamaan structural ini. Di bawah ini adalah gambar setelah model
dikonstrain.
Gambar 4.3 Model SEM Saham terhadap Realisasi Pertumbuhan Konstrain
Setelah mengkonstrain model tersebut, maka kita akan melihat hasil perhitungan untuk mengindentifikasi model persamaan structural
50 tersebut dengan menggunakan nilai-nilai yang ada di table variable counts
dan parameter summary di bawah ini. Tabel 4.2
Parameter Summary Proksi Harga Saham Konstrain Weights
Covariances Variances
Means Intercepts
Total Fixed
10 1
11 Labeled
Unlabeled 6
1 9
16 Total
16 1
10 27
Sumber : data diolah Pada tabel 4.2 menampilkan ringkasan parameter dalam model.
Dapat dilihat terdapat 16 regression weight dimana 10 dengan nilai tetap fixed dan 6 yang diestimasi. 10 fixed regression weight meliputi loading
pertama dari 2 faktor dan 8 error term. Ada 1 kovarian dan 9 variansi yang diestimasi. Secara total ada 27 parameter dan 16 yang diestimasi.
Untuk menilai apakah model just-identified, overidentified, atau unidentified dapat dilakukan dengan menghitung jumlah data kovarian dan
varian dibandingkan dengan jumlah parameter yang akan diestimasi, yaitu p + qp + q +12 = 0 + 80 + 8+12 =36 sampel moment sedangkan
jumlah parameter yang akan diestimasi 16, sehingga nilai degree of freedomnya adalah 20 36 – 16 = 20. Jadi dapat disimpulkan bahwa
setelah dikonstrain model yang diteliti tetap overidentified 2
s t
berdasarkan perhitungan yang dilakukan. Dan berdasarkan hasil output
bahwa model juga overidentified. Hal ini terlihat dari tidak adanya notes pada model.
51
D. Menilai Kriteria Goodness of Fit Proksi Berbasis Harga Saham
Kategori