Hasil Uji Statistik Deskriptif Hasil Uji Regresi Linear Berganda

44

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Data Penelitian

Populasi yang diteliti dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia BEI selama tahun 2011-2014. Perusahaan yang dijadikan sampel berjumlah 33 perusahaan, sehingga data penelitian secara keseluruhan berjumlah 132 33 x 4 pengamatan.

4.2. Analisis Hasil Penelitian

4.2.1. Hasil Uji Statistik Deskriptif

Pengujian statistik deskriptif adalah pengujian yang pertama sekali dilakukan dalam penelitian ini. Pengujian statistik deskriptif memberikan informasi mengenai profil dari sampel yang menjadi objek penelitian. Hasil uji statistik deskriptif dapat dilihat pada tabel 4.1 di bawah ini : Tabel 4.1. Uji Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation ROA 132 .00 .67 .1273 .11312 CR 132 .51 18.41 2.6313 2.18949 Tobins 132 .10 17.26 2.9691 3.68039 DPR 132 .02 5.28 .4746 .55154 Valid N listwise 132 Sumber: Output SPSS, diolah peneliti, 2015 Dari tabel di atas menunjukkan uji statistik deskriptif masing-masing variabel. Jumlah observasi dalam penelitian sebanyak 132 observasi. Hasil uji Universitas Sumatera Utara 45 statistik deskriptif variabel Return On Asset ROA yang diukur dengan membandingkan laba bersih dengan total aktiva perusahaan menunjukkan nilai minimun sebesar 0,00 dan nilai maksimum sebesar 0,67, nilai rata-rata mean sebesar 0,1273, dan nilai standar deviasi sebesar 0,11312 . Hasil uji statitstik deskriptif variabel current ratio yang diukur dengan membandingkan aktiva lancar terhadap utang lancar perusahaan menunjukkan nilai minimum sebesar 0,51, sedangkan nilai maksimum sebesar 18,41 serta nilai standar deviasi sebesar 2.18949 dan nilai rata-rata sebesar 2.6313. Variabel Tobins Q menunjukkan nilai minimum sebesar 0,10, nilai maksimum sebesar 17,6 dan nilai standar deviasi sebesar 3,68039 serta nilai rata-rata sebesar 2,9691.

4.2.2. Uji Asumsi Klasik 1. Uji Normalitas

Uji normalitas pada dasarnya bertujuan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen atau keduanya telah terdistribusi secara normal atau tidak. Suatu model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Hasil pengujian ini dapat dilihat pada gambar 4.1. berikut ini : Universitas Sumatera Utara 46 Sumber: Output SPSS 16 Gambar 4.1 Histogram Sumber: Output SPSS 16 Gambar 4.2 Normal P-P Plot Dengan melihat tampilan grafik histogram gambar 4.1 dapat kita lihat bahwa diagram berbentuk lonceng serta sebaran data pada grafik Universitas Sumatera Utara 47 Normal P-P plot Gambar 4.2 menyebar di sekitar garis diagonal,dapat disimpulkan bahwa kedua grafik ini menunjukkan bahwa data yang digunakan memenuhi asumsi normalitas.

2. Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel independen. Untuk mendeteksi adanya problem multikolinearitas, maka dapat dilakukan dengan melihat nilai tolerance dan Variance Inflation Factor VIF serta besaran korelasi antar variabel independen. Berikut ini adalah tabel yang menunjukkan hasil uji multikolonieritas. Tabel 4.2. Uji Multikolineritas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant ROA .981 1.019 CR .984 1.017 DPR .994 1.006 a. Dependent Variable: Tobins Sumber : Output SPSS Berdasarkan tabel 4.2 diatas dapat diketahui bahwa hasil uji multikolonieritas menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai Variance Inflation Factor VIF juga menunjukkan hasil yang sama, tidak ada satu Universitas Sumatera Utara 48 variabel independen yang memiliki nilai VIF lebih dari 5. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.

3. Uji Autokorelasi

Penyimpangan model regresi klasik yang lain adalah adanya autokorelasi dalam model regresi yaitu adanya korelasi antar anggota sampel. Hasil perhitungan diperoleh nilai Durbin Watson. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual terjadi secara random atau tidak. Berikut ini adalah tabel 4.3 yang menunjuklkan hasil uji autokorelasi. Tabel 4.3. Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .789 a .622 .617 2.27900 1.920 a. Predictors: Constant, DPR, ROA, CR b. Dependent Variable: Tobins Sumber : Output SPSS 16 Dari hasil pengujian diatas menunjukkan nilai Durbin Watson adalah 1,920 dimana angka tersebut diantara -2 sampai dengan +2 yang berarti tidak terjadi masalah autokorelasi.

4. Uji Heteroskedastisitas

Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas. Dari grafik scatterplot terlihat bahwa titik- Universitas Sumatera Utara 49 titik menyebar secara acak di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adapun hasil uji heteroskedastisitas dalam penelitian ini dapat dilihat pada gambar 4.2. Gambar 4.3. Scatterplot Sumber: Output SPSS 16 Gambar scatter plot diatas menjelaskan bahwa data sampel tersebar secara acak dan tidak membentuk suatu pola tertentu. Data tersebar baik berada di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan tidak terdapat heterokodestisitas dalam model regresi yang digunakan.

4.2.3. Hasil Uji Regresi Linear Berganda

Analisis regresi yang digunakan dalam penelitian ini adalah regresi linier berganda dimana analisis ini digunakan untuk mengetahui gambaran mengenai pengaruh profitabilitas dan likuidaitas terhadap nilai perusahaan. Universitas Sumatera Utara 50

4.2.3.1. Uji Determinasi R

2 Uji Determinasi digunakan untuk menjelaskan seberapa besar variabel independen yang dipakai pada model dapat menjelaskan variabel dependen. Hasil uji determinasi dapat dilihat pada table berikut : Tabel 4.4 Koefisen Determinasi- Regresi Berganda Model Summary b Model R R Square Adjusted R Square Durbin-Watson 1 .789 a .622 .617 1.920 a. Predictors: Constant, CR, ROA b. Dependent Variable: Tobins Tabel 4.6. memperlihatkan bahwa nilai R Square R 2 sebesar 0,622 atau 62,2 yang berarti bahwa persentase pengaruh variabel independen return on asset, current ratio terhadap Tobins Q adalah sebesar 62,2. Sedangkan sisanya 37,8 dipengaruhi atau dijelaskan oleh variabel lain tidak dimasukkan dalam model penelitian ini. 4.2.4. Pengujian Hipotesis 4.2.4.1. Hasil Uji Parsial Uji t