58
Tabel 3.2 Kriteria Pemilihan Target Populasi
Keterangan Jumlah perusahaan
Perusahaan yang melakukan IPO periode 2007-2012
107 Perusahaan yang harga sahamnya tidak
mengalami underpricing 19
Perusahaan yang harga sahamnya mengalami underpricing
88 Perusahaan
yang berada
di sektor
keuangan 10
Perusahaan yang memiliki ROA dan EPS yang negatif
5
Perusahaan yang datanya tidak lengkap 6
Perusahaan yang terpilih sebagai sampel 67
3.6 Jenis Data
Data yang dibutuhkan dalam penelitian ini sebagai input untuk dianalisis adalah data sekunder. Data sekunder adalah data yang diperoleh dalam bentuk
yang sudah jadi, sudah dikumpulkan dan telah diolah pihak lain, biasanya sudah dalam bentuk publikasi. Data tersebut diperoleh dari lembaga atau instansi melalui
pengutipan data atau melalui studi pustaka yang berkaitan dengan penelitian ini.
Data yang diperlukan dalam penelitian ini adalah:
1. Daftar nama perusahaan yang listing di BEI Periode Januari 2007 sampai
dengan Juni 2012, tanggal didirikannya perusahaan yang listing, harga perdana perusahaan IPO dan harga penutupan saham di hari pertama pasar sekunder
diperoleh dari Fact Book, IDX dan www.e-bursa.com.
2.
Data laporan keuangan perusahaan satu tahun sebelum IPO.
Universitas Sumatera Utara
59 3.
Data perkembangan inflasi dan suku bunga dari Bank Indonesia.
3.7 Metode Pengumpulan Data
Penelitian ini
menggunakan data
sekunder, sehingga
metode pengumpulan data dilakukan dengan cara:
1. Studi observasi, yaitu dengan mencatat harga saham pada saat IPO dan harga
saham penutupan di pasar sekunder dan mengumpulkan laporan keuangan setahun sebelum IPO pada masing-masing perusahaan periode Januari 2007
hingga Juni 2012.
2. Studi pustaka, yaitu dengan menelaah maupun mengutip langsung dari sumber
tertulis lainnya yang berhubungan dengan masalah penelitian yang dapat
digunakan sebagai landasan teoritisnya.
3.8 Teknik Analisis Data 3.8.1 Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran umum tentang objek penelitian yang dijadikan sampel yang digunakan dalam penelitian. Data
yang dikumpulkan dalam penelitian dan diolah, kemudian dianalisis dengan alat statistik yaitu statistik deskriptif. Pengujian statistik desktiptif memberikan
gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness
kemencengan distribusi Ghozali, 2009:19. Data yang diteliti akan dikelompokkan berdasarkan underpricing perusahaan yang melakukan penawaran
umum perdana.
Universitas Sumatera Utara
60
3.8.2 Pengujian Asumsi Klasik
Sebelum model regresi digunakan untuk menguji hipotesis, diperlukan uji asumsi klasik untuk memastikan bahwa model telah memenuhi kriteria Best Linear
Unbiased Estimator BLUE. Adapun uji asumsi klasik yang digunakan dalam penelitian ini adalah sebagai berikut:
3.8.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak. Model
regresi yang baik adalah memiliki distribusi normal atau mendekati distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke
kanan. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan dengan garis diagonal. Jika distribusi data adalah
normal, maka garis yang menghubungkan data sesungguhnya akan mengikuti garis diagonalnya Ghozali 2006.
Dasar pengambilan keputusan dari uji normalitas adalah: a.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi
normal, maka model regresi memenuhi asumsi normalitas. b.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. Penelitian ini menggunakan uji non-parametrik Kolmogorov - Smirnov
K-S untuk mengetahui signifikansi data yang terdistribusi normal disertai
Universitas Sumatera Utara
61 dengan normal-probability plot P.P plot dan grafik histogram sebagai
pendukung kesimpulan pengujian. Dalam uji Kolmogorov - Smirnov, suatu data dikatakan normal jika asymptotic significance lebih dari 0,05 Ghozali 2006.
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut: a.
Apabila probabilitas nilai Z uji K-S tidak signifikan 0,05, secara statistik maka Ho ditolak, yang berarti data terdistribusi tidak normal.
b. Apabila probabilitas nilai Z uji K-S signifikan 0,05, secara statistik
maka Ho diterima, yang berarti data terdistribusi normal.
3.8.2.2 Uji Multikolinearitas
Pengujian ini dilakukan dengan menggunakan korelasi antar variabel –
variabel independen yang akan digunakan dalam persamaan regresi atau dengan menghitung nilai tolerance dan VIF Variance Inflation Factors. Uji
multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya
tidak terjadi korelasi diantara variabel-variabel independen. Jika variabel-variabel saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal
adalah variabel bebas yang nilai korelasi antar sesama variabel bebas adalah nol.
Menurut Ghozali 2006, untuk mendeteksi ada atau tidaknya multikolinearitas didalam model regresi adalah sebagai berikut :
1. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak
signifikan mempengaruhi variabel terikat.
Universitas Sumatera Utara
62 2.
Menganalisis matrik korelasi variabel-variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi diatas 0,90, maka hal ini
merupakan indikasi adanya multikolinearitas. 3.
Multikolinearitas
dapat juga dilihat dari nilai tolerance dan Variance Inflation Factor VIF . Batas toleransi value adalah 0,10 dan VIF adalah 10. Apabila
nilai tolerance value kurang dari 0,10 atau VIF lebih besar dari 10 maka terjadi multikolinearitas. Tujuan uji multikolinearitas adalah untuk mengetahui apakah
tiap – tiap variabel independen saling berhubungan secara linear atau tidak.
3.8.2.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual suatu pengamatan ke pengamatan yang lain tetap
maka disebut
homoskedastisitas dan
jika berbeda
disebut heteroskedastisitas.
Model regresi
yang baik
adalah yang
terjadi homoskedastisitas atau tidak terjadi heteroskedastisias. Untuk mendeteksi ada
atau tidaknya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID, yaitu dengan
deteksi ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Dasar analisisnya adalah sebagai berikut:
1. Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu yang
teratur bergelombang,
melebar kemudian
menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas. 2.
Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan
Universitas Sumatera Utara
63 dibawah angka 0 dan sumbu Y, maka tidak terjadi heteroskedastisitas.
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual suatu pengamatan ke pengamatan yang lain tetap,
maka disebut
homoskedastisitas dan
jika berbeda
disebut heteroskedastisitas.
Model regresi
yang baik
adalah yang
terjadi homoskedastisitas atau tidak terjadi heteroskedastisitas.
3.8.2.4 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 atau sebelumnya Ghozali, 2006. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama
lain. Uji yang digunakan untuk mendeteksi adanya autokorelasi adalah Durbin Watson DW. Kriteria pengambilan kesimpulan dalam uji Durbin Watson DW
adalah sebagai berikut Ghozali, 2006: 1.
Bila nilai DW terletak antara batas atas atau upper bound du dan 4du, maka koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi. 2.
Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl, maka koefisien autokorelasi lebih besar daripada nol, berarti ada
aotukorelasi positif. 3.
Bila nilai DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negatif.
Universitas Sumatera Utara
64 4.
Bila nilai DW terletak diantara batas atas du dan batas bawah dl atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat
disimpulkan. Selain menggunakan uji Durbin Watson, untuk mengetahui apakah terjadi
autokorelasi atau tidak, dapat digunakan uji Runs Test. Penelitian ini menggunakan uji Runs Test, dimana apabila nilai Asymp. Sig. 2-tailed 0,05
maka hipotesis nol diterima. Artinya residual tidak terkena autokorelasi.
3.8.3 Analisis Regresi Linear Berganda
Hipotesis dalam penelitian ini diuji dengan menggunakan analisis regresi linear berganda Multiple Linear Regression untuk menganalisis pengaruh antar
variabel dependen yaitu underpricing terhadap variabel independennya yang terbagi atas dua variabel lagi yaitu variabel keuangan return on asset, debt to
equity ratio, besaran perusahaan, earning per share, ukuran penawaran dan variabel non keuangan umur perusahaan, reputasi underwriter, reputasi auditor,
inflasi, dan suku bunga. Analisis ini secara matematis ditulis dengan persamaan regresi linear berganda sebagai berikut :
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ β
5
X
5
+ β
6
X
6
+ β
7
X
7
+ β
8
X
8
+ β
9
X
9
+ β
10
X
10
+ ɛ
Keterangan: Y
= Underpricing α
= Konstanta X
1
= Return on asset ROA X
2
= Debt to equity ratio DER X
3
= Besaran perusahaan size X
4
= Earning Per Share EPS
Universitas Sumatera Utara
65 X
5
= Ukuran Penawaran Saham proceeds X
6
= Umur Perusahaan age X
7
= Reputasi Underwriter X
8
= Reputasi Auditor X
9
= Inflasi X
10
= Suku Bunga Β
1
- β
10
= Koefisien regresi
ɛ
= Standar error dimana β
1
sampai β
10
adalah koefisien prediktor yang diketahui dari nilai unstandardized coefficients
β. Apabila koefisien β bernilai positif + maka terjadi pengaruh searah antara variabel independen dengan variabel dependen,
demikian pula sebaliknya, bila koefisien bernilai negatif - hal ini menunjukkan adanya pengaruh negatif dimana kenaikan nilai variabel independen akan
mengakibatkan penurunan nilai variabel dependen.
3.8.4 Pengujian Hipotesis
3.8.4.1 Pengujian Hipotesis Secara Serempak Uji F
Uji hipotesis secara serempak uji F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh
secara serempak terhadap variabel dependen. Pengujian hipotesis secara serempak adalah sebagai berikut:
1. H
: β
1
= β
2
= β
3
= β
4
= β
5
= β
6
= β
7
= β
8
= β
9
= β
10
= 0, artinya variabel keuangan yang terdiri dari return on asset ROA, debt to equity ratio DER,
besaran perusahaan size, earning per share EPS, ukuran penawaran saham proceeds dan variabel non keuangan yang terdiri dari umur perusahaan,
Universitas Sumatera Utara
66 reputasi underwriter, reputasi auditor, inflasi, dan suku bunga secara serempak
berpengaruh tidak signifikan terhadap underpricing. 2.
H
1
: Tidak semua β
i
adalah 0, artinya variabel keuangan yang terdiri dari return on asset ROA, debt to equity ratio DER, besaran perusahaan size, earning
per share EPS, ukuran penawaran saham proceeds dan variabel non keuangan yang terdiri dari umur perusahaan, reputasi underwriter, reputasi
auditor, inflasi, dan suku bunga secara serempak berpengaruh signifikan terhadap underpricing.
Adapun kriteria pengambilan keputusan pada pengujian hipotesis secara serempak adalah sebagai berikut:
1. Jika F-hitung ≥ F-tabel atau tingkat signifikansi α = 0,05, maka H
ditolak, H
1
diterima. 2.
Jika F-hitung F-tabel atau tingkat signifikansi α = 0,05, maka H diterima,
H
1
ditolak.
3.8.4.2 Pengujian Hipotesis Secara Parsial Uji t
Uji hipotesis secara parsial uji t pada dasarnya untuk mengetahui pengaruh variabel independen secara individual parsial terhadap variabel
dependen. Pengujian hipotesis secara parsial adalah sebagai berikut: 1.
H
0 :
β
i
= 0, artinya variabel keuangan yang terdiri dari return on asset ROA, debt to equity ratio DER, besaran perusahaan size, earning per share EPS,
ukuran penawaran saham proceeds dan variabel non keuangan yang terdiri dari umur perusahaan, reputasi underwriter, reputasi auditor, inflasi, dan suku
bunga secara parsial berpengaruh tidak signifikan terhadap underpricing.
Universitas Sumatera Utara
67 2.
H
1 :
β
i
≠ 0, artinya variabel keuangan yang terdiri dari return on asset ROA, debt to equity ratio DER, besaran perusahaan size, earning per share EPS,
ukuran penawaran saham proceeds dan variabel non keuangan yang terdiri dari umur perusahaan, reputasi underwriter, reputasi auditor, inflasi, dan suku
bunga secara parsial berpengaruh signifikan terhadap underpricing. Adapun kriteria pengambilan keputusan dalam pengujian hipotesis secara
parsial adalah sebagai berikut: 1.
Jika t-hitung ≥ t-tabel atau tingkat signifikansi α = 0,052, maka H ditolak,
H
1
diterima. 2.
Jika t-hitung t-tabel atau tingkat signifikansi α = 0,052, maka H diterima,
H
1
ditolak.
Universitas Sumatera Utara
68
BAB IV HASIL DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
