40
yang dilakukan dengan cara membaca, mendalami dan menelaah berbagai macam literatur, buku-buku dan jurnal-jurnal yang menunjang penelitian yang dilakukan.
Studi kepustakaan ini dilakukan untuk memperoleh informasi yang sifatnya teoritis dan digunakan sebagai perbandingan dalam pembahasan. Pada tahap
kedua, peneliti melakukan dokumentasi pengumpulan data sekunder yang diperoleh dari media internet dengan mengunduh melalui situs www.idx.co.id
untuk memperoleh data mengenai laporan keuangan yang telah dipublikasikan dan dari situs www.pefindo.com untuk memperoleh data mengenai peringkat
obligasi. 3.6
Metode Analisis Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah analisis deskriptif dan pengujian hipotesis dilakukan dengan analisis regresi berganda.
3.6.1 Statistik Deskriptif
Statistik deskriptif adalah statistik yang menggambarkan fenomena atau karakteristik data yang dapat dilihat dari rata-rata mean, standar deviasi
standard deviation, dan maksimum-minimum. Mean digunakan untuk memperkirakan besar rata-rata populasi yang diperkirakan dari sampel. Standar
deviasi digunakan untuk mengukur rata-rata penyimpangan masing-masing item data terhadap nilai yang diharapkan. Maksimum-minimum digunakan untuk
melihat nilai minimum dan maksimum dari populasi. Dalam suatu penelitian, analisis deskriptif perlu dilakukan untuk melihat karakteristik keseluruhan dari
sampel yang berhasil dikumpulkan dan memenuhi syarat untuk dijadikan sampel penelitian.
41
3.6.2 Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik yang merupakan syarat untuk analisis regresi. Pengujian
asumsi klasik yang akan dilakukan antara lain uji normalitas, uji multikolonieritas, uji autokorelasi dan uji heterokedastisitas.
3.6.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual berdistibusi normal. Penelitian ini dilakukan
karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar atau tidak dipenuhi maka
uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis
grafik histogram normal P-Plot dan uji statistik Kolmogrov-Smirnov. Adapun kriteria dari analisis grafik histogramnormal P-Plot dan uji statistik
Kolmogrov-Smirnov yaitu: 1. Histogram, pengujian dilakukan dengan membandingkan antara data
observasi dengan distribusi yang mendekati distribusi normal. 2. Normal P-Plot, membandingkan distribusi kumulatif dan distribusi normal.
Distribusi normal akan membentuk garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data
residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
3. Uji Kolmogrov-Smirnov K-S dilakukan dengan membuat hipotesis:
42
H : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal Jika sig
0 ,05 dengan α = 5 , berarti distribusi data normal Ho diterima, sebaliknya bila sig 0,05 dengan α = 5, berarti distribusi data
tidak normal Ha diterima.
3.6.2.2 Uji Multikolonieritas
Menurut Ghozali 2013: 105 uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Multikolonieritas dapat diukur melalui tolerance value dan variance inflation factor VIF. Tolerance value mengukur variabilitas variabel
independen terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai batas yang dipakai untuk menunjukkan adanya multikolonieritas adalah tolerance
value ≤ 0,10 atau sama dengan nilai VIF ≥ 10. Jika VIF ≥ 10 dan tolerance value
≤ 0,10, maka tejadi multikolonieritas tinggi antar variabel bebas dengan variabel bebas lainnya.
3.6.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi biasa sering ditemukan pada data runtut
waktu time series akibat gangguan pada individu kelompok cenderung mempengaruhi gangguan pada individu kelompok yang sama pada periode
berikutnya Ghozali, 2013: 110 . Model regresi yang baik adalah regresi yang
43
bebas dari autokorelasi. Pendeteksian ada atau tidaknya autokorelasi menggunakan uji Durbin-Watson DW test. Uji durbin-watson hanya digunakan
untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lag
diantara variabel independen. Hipotesis yang akan diuji adalah: H
: tidak ada autokorelasi r = 0 Ha : ada autokorelasi r
≠ 0 Pengambilan keputusan ada tidaknya autokorelasi dapat dilihat melalui
tabel 3.6 berikut ini:
Tabel 3.6 Kriteria Autokorelasi
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi positif.
Tolak 0 d dl
Tidak ada autokorelasi positif.
No desicison dl
≤ d ≤ du Tidak ada autokorelasi
Negatif. Tolak
4 – dl d 4 Tidak ada autokorelasi
Negatif. No desicison
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi, positif atau negatif.
Tidak ditolak du d 4 - du
Sumber: Ghozali 2013:111
3.6.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lainnya. Jika variance dari residual satu pengamat ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas
Ghozali, 2013: 139. Model regresi yang baik adalah yang homoskesdatisitas
44
atau tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas sebagai berikut:
1. Metode grafik plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Kriteria untuk melihat ada
tidaknya heterokedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana
sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di-studentized.
a. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, mengindikasikan terjadinya heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
2. Uji statistik yaitu uji Glejser, dimana dilakukan peregresan nilai absolut residual terhadap variabel independen dengan persamaan regresi: |Ut| =
� + �Xt + vt dengan kriteria jika nilai signifikansi antara variabel independen dengan absolute residual lebih besar dari 5 0,05 maka
tidak terjadi heterokedastisitas. 3.6.3 Model Penelitian
Model penelitian dalam penelitian ini menggunakan analisis regresi linier berganda. Analisis regresi linier berganda dilakukan untuk mengetahui pengaruh
variabel bebas yakni ukuran perusahaan, maturity, financial leverage,
45
profitabilitas dan likuiditas terhadap variabel terikat yakni peringkat obligasi. Rumus dari analisis regresi linier berganda yaitu:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ e
Keterangan: Y = Peringkat Obligasi
a = Koefisien konstanta �
1 −5
= Koefisien regresi variabel independen X
1
= Ukuran Perusahaan X
2
= Maturity X
3
= Financial Leverage X
4
= Profitabilitas X
5
= Likuiditas e = error
3.6.4 Pengujian Goodness of Fit
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of fit-nya. Secara statistik, setidaknya ini dapat diukur dari nilai
koefisien determinasi, nilai statistik F dan nilai statistik t.
3.6.4.1 Koefisien Determinasi R
2
Koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen Ghozali,
2013:97. Nilai koefisien determinasi adalah antara nol dan satu 0 R
2
1. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas dan nilai yang mendekati
46
satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
3.6.4.2 Uji Signifikansi Parsial Uji t
Uji t menunjukkan seberapa besar pengaruh satu variabel penjelas independen secara parsial dalam menerangkan variasi variabel dependen Ghozali,
2013: 98. Hipotesis yang akan diuji adalah: H
: b
1
, b
2
, b
3
, b
4
, b
5
= 0 secara parsial ukuran perusahaan, maturity, financial leverage, profitabilitas dan likuiditas tidak berpengaruh
terhadap peringkat obligasi. H
a
: b
1
, b
2
, b
3
, b
4
, b
5
≠ 0 secara parsial ukuran perusahaan, maturity, financial leverage, profitabilitas dan likuiditas berpengaruh terhadap
peringkat obligasi. Dalam penelitian ini t hitung akan dibandingkan dengan t tabel dengan
tingkat signifikansi � = 5 0,05. Apabila nilai signifikansi 0,05 maka
keputusannya adalah H diterima, Ha ditolak dan jika nilai signifikansi 0,05
maka keputusannya H ditolak dan Ha diterima. Uji ini dilakukan dengan
menbandingkan nilai t hitung dengan nilai t tabel dengan kriteria sebagai berikut: H
diterima jika -t
tabel
≤ t
hitung
≤ t
tabel
H
1
diterima jika t
hitung
t
tabel
dan -t
hitung
-t
tabel
3.6.4.3 Uji Signifikansi Simultan Uji F
Uji F menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap
variabel dependen terikat Ghozali, 2013:98. Hipotesis yang akan diuji adalah:
47
H : b
1
= b
2
= b
3
= b
4
= b
5
= 0 secara simultan ukuran perusahaan, maturity, financial leverage, profitabilitas dan likuiditas tidak
berpengaruh terhadap peringkat obligasi. H
a
: b
1
≠ b
2
≠ b
3
≠ b
4
≠ b
5
≠ 0 secara simultan ukuran perusahaan, maturity, financial leverage, profitabilitas dan likuiditas berpengaruh
terhadap peringkat obligasi. Dalam penelitian ini F hitung akan dibandingkan dengan F tabel dengan
tingkat signifikansi � = 5 0,05. Apabila nilai signifikansi 0,05 maka
keputusannya adalah H diterima, H
a
ditolak dan jika nilai signifikansi 0,05 maka keputusannya H
ditolak dan H
a
diterima. Kriteria penilaian hipotesis statistik F adalah sebagai berikut :
H diterima jika F
hitung
≤ F
tabel
H
a
diterima jika F
hitung
F
tabel
48
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Objek Penelitian
Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia BEI pada tahun 2010-2013
yang berjumlah 146 perusahaan. Perusahaan yang terpilih sebagai sampel yang mewakili populasi berdasarkan teknik pengambilan sampel secara purposive
sampling adalah sebanyak 10 perusahaan manufaktur. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang
menggunakan persamaan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS versi 20.
Data yang digunakan dalam penelitian ini adalah data peringkat obligasi yang dirilis oleh PT. PEFINDO selama tahun 2010-2013 dan data laporan
keuangan perusahaan manufaktur yang dipublikasikan setelah diaudit oleh auditor independen pada tahun 2010-2013. Data peringkat obligasi diperoleh dari situs
PT. PEFINDO www.pefindo.com sedangkan data laporan keuangan diperoleh dari situs BEI www.idx.co.id dan situs resmi perusahaan yang bersangkutan.
Data laporan keuangan ini digunakan untuk melakukan penghitungan dan analisis variabel-variabel yang diperlukan, yaitu ukuran perusahaan, maturity, financial
leverage, profitabilitas dan likuiditas.
49
4.2 Hasil Analisis Data Penelitian
4.2.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif dilakukan untuk memberikan gambaran umum atau deskripsi suatu data yang dijadikan sampel penelitian. Analisis statistik
deskriptif yang digunakan dalam penelitian ini meliputi nilai minimum, nilai maksimum, nilai rata-rata mean dan standar deviasi.
Statistik deskriptif dari variabel-variabel yang digunakan dalam penelitian dapat dilihat pada Tabel 4.1 berikut.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Ukuran Perusahaan
40 27,5968
31,9889 29,574993
1,1501056 Umur Obligasi
40 1
,90 ,304
Financial Leverage 40
,6514 5,6661
1,809873 1,3339301
Profitabilitas 40
,0365 ,8282
,339964 ,2124613
Likuiditas 40
,2232 2,1016
1,110412 ,4467308
Peringkat Obligasi 40
11 17
14,17 1,893
Valid N listwise 40
Sumber: Diolah dengan SPSS 2015 Tabel 4.1 tersebut menunjukkan nilai minimum, nilai maksimum, nilai
rata-rata mean dan standar deviasi simpangan baku dari variabel ukuran perusahaan sebagai X
1
, maturity sebagai X
2,
financial leverage sebagai X
3,
profitabilitas sebagai X
4
, likuiditas sebagai X
5
dan peringkat obligasi sebagai Y dengan rincian sebagai berikut:
1. Variabel ukuran perusahaan size dalam penelitian ini diukur dengan logaritma natural dari total aset. Hasil analisis dengan statistik deskriptif
50
terhadap ukuran perusahaan menunjukkan bahwa nilai minimum adalah sebesar 27,5968 dan nilai maksimum adalah sebesar 31,9889. Berdasarkan
nilai tersebut dapat dilihat bahwa jarak antara nilai maksimum dan minimum tidak besar, yaitu 4,3921. Nilai 4,3921 tersebut dapat diartikan bahwa tidak
terdapat perbedaan yang besar pada sampel yang digunakan untuk variabel ukuran perusahaan. Mean atau rata-rata dari ukuran perusahaan yang
dijadikan sampel adalah 29,574993. Standard deviation dari variabel ini menunjukkan nilai sebesar 1,1501056. Hal ini menunjukkan bahwa tingkat
variasi data dari ukuran perusahaan sebesar 1,1501056. 2. Variabel umur obligasi maturity memiliki nilai minimum yaitu 0 dan nilai
maksimum yaitu 1, dengan nilai rata-rata mean senilai 0,9. Variabel ini menunjukkan bahwa data berbentuk variabel dummy. Nilai rata-rata sebesar
0,9 mengindikasikan bahwa banyak sampel perusahaan memiliki umur obligasi antara 1 sampai 5 tahun. Standard deviation dari variabel ini
menunjukkan nilai sebesar 0,304. Hal ini menunjukkan bahwa tingkat variasi data dari umur obligasi sebesar 0,304.
3. Variabel financial leverage dalam penelitian ini diukur dengan menggunakan Debt to Equity Ratio DER, yakni total hutang dibagi total ekuitas. Pada
tabel 4.1 dapat dilihat bahwa hasil analisis statistik deskriptif untuk financial leverage menunjukkan bahwa nilai minimum adalah sebesar 0,6514 dan nilai
maksimum adalah sebesar 5,6661. Berdasarkan nilai tersebut dapat dilihat bahwa jarak antara nilai maksimum dan minimum tidak besar, yaitu 5,0147.
Nilai 5,0147 tersebut dapat diartikan bahwa tidak terdapat perbedaan yang
51
besar pada sampel yang digunakan untuk variabel financial leverage. Untuk nilai rata-rata dari financial leverage yang dijadikan sampel adalah 1,809873.
Standard deviation dari variabel ini menunjukkan nilai sebesar 1,3339301. Hal ini menunjukkan bahwa tingkat variasi data dari financial leverage
sebesar 1,3339301. 4. Variabel profitabilitas dengan proksi Return on Asset ROA, yakni laba
bersih dibagi total aset. Pada tabel 4.1 dapat dilihat bahwa hasil analisis statistik deskriptif untuk profitabilitas menunjukkan bahwa nilai minimum
adalah sebesar 0,0365 dan nilai maksimum adalah sebesar 0,8282, dengan nilai rata-rata mean sebesar 0,339964. Hal ini menunjukkan bahwa nilai dari
laba bersih dan total aset yang digunakan sebagai proksi dalam rasio produktivitas perusahaan sampel cukup baik dan tidak bernilai negatif.
Dengan demikian, dapat dipastikan bahwa semua sampel penelitian memiliki tingkat kemampuan dan kinerja untuk menghasilkan produk dengan baik.
Standard deviation dari variabel ini menunjukkan nilai sebesar 0,2124613. Hal ini menunjukkan bahwa tingkat variasi data dari profitabilitas sebesar
0,2124613. 5. Variabel likuiditas dalam penelitian ini diukur dengan menggunakan Quick
Ratio QR, yakni aset lancar dikurangi persediaan dibagi kewajiban lancar. Pada tabel 4.1 dapat dilihat bahwa hasil analisis statistik deskriptif untuk
financial leverage menunjukkan bahwa nilai minimum adalah sebesar 0,2232 dan nilai maksimum adalah sebesar 2,1016, dengan nilai rata-rata mean
sebesar 1,110412. Hal ini menunjukkan bahwa tidak ada satupun perusahaan
52
yang dijadikan sampel penelitian memiliki nilai aset lancar, persediaan dan kewajiban lancar yang bernilai negatif. Standard deviation dari variabel ini
menunjukkan nilai sebesar 0,4467308. Hal ini menunjukkan bahwa tingkat variasi data dari likuiditas sebesar 0,4467308.
6. Variabel peringkat obligasi bond rating memiliki nilai minimum yaitu 11 dan nilai maksimum yaitu 17, dengan nilai rata-rata mean senilai 14,17.
Variabel ini menunjukkan bahwa peringkat obligasi tertinggi untuk sampel penelitian adalah peringkat AA+ dengan nilai 17 dan peringkat terendah
untuk sampel penelitian yaitu BBB+ dengan nilai 11. Hal ini menunjukkan bahwa nilai peringkat obligasi yang dijadikan sampel penelitian dikatakan
cukup baik dan termasuk dalam investment grade. Standard deviation dari variabel ini menunjukkan nilai sebesar 1,893. Hal ini menunjukkan bahwa
tingkat variasi data dari peringkat obligasi sebesar 1,893.
4.2.2 Uji Asumsi Klasik
