53
4.2.3 Pengujian Hipotesis
Hasil uji asumsi klasik memperlihatkan data observasi tidak memenuhi asumsi normalitas, kemudian dilakukan transformasi ke dalam
bentuk logaritma natural LN.Sehingga persamaan yang baru memenuhi asumsi klasik dan dapat dianalisis lebih lanjut untuk pengujian hipotesis.
Penulis menggunakan analisis regresi berganda untuk melakukan pengujian hipotesis dengan bantuan program SPSS 18.
4.2.3.1 Persamaan Regresi
Tabel 4.9 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 5.522
.734 7.524
.000 Ln_WCT
.060 .073
.046 .816
.417 Ln_EVA
.381 .064
.445 5.980
.000 Ln_MVA
.383 .057
.522 6.719
.000 a. Dependent Variable: Ln_MC
Berdasarkan tabel di atas, diketahui bahwa : 1. Konstanta sebesar 5,522 menunjukkan bahwa apabila tidak ada
variabel independen WCT, EVA, MVA maka Market Cap bernilai sebesar 5,522.
2. β1 sebesar 0,060 menunjukkan bahwa setiap penambahan Working
Capital Turnover sebesar 1 akan diikuti oleh kenaikan Market Cap
sebesar 6,0 dengan asumsi variabel lain tetap.
54 3.
β2 sebesar 0,381 menunjukkan bahwa setiap penambahan Economic Value Added
sebesar 1 akan diikuti oleh kenaikan Market Cap sebesar 38,1 dengan asumsi variabel lain tetap.
4. β3 sebesar 0,383 menunjukkan bahwa setiap penambahan Market
Value Added sebesar 1 akan diikuti oleh kenaikan Market Cap
sebesar 38,3 dengan asumsi variabel lain tetap.
4.2.3.2 Analisis 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 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 4.10 Model Summary
Model Summary
b
Model R
R Square
Adjusted R
Square Std. Error
of the Estimate
Change Statistics R Square
Change F
Change df1 df2
Sig. F Change
dimension0
1 .881
a
.777 .769
.84675 .777
98.543 3
85 .000
a. Predictors: Constant, Ln_MVA, Ln_WCT, Ln_EVA b. Dependent Variable: Ln_MC
55 Pada tampilan ouput SPSS model summary , nilai koefisien
korelasi R sebesar 0,777 yang berarti bahwa korelasi atau hubungan antara WCT,EVA, dan MVA variabel independen
terhadap Market Cap variabel dependen kuat. Koefisien korelasi dikatakan kuat apabila nilai R berada diatas 0,5 dan mendekati 1.
Angka adjusted R Square atau koefisien determinasi adalah 0,769. Hal ini berarti 76,9 variasi atau perubahan dalam variabel
dependen dapat dijelaskan oleh variabel independen, sedangkan sisanya 23,1 dijelaskan oleh faktor - faktor lain. StandarError of
Estimate SEE adalah 0,84675, semakin kecil nilai SEE maka akan
membuat model regresi semakin tepat dalam memprediksi variabel dependen.
4.2.3.3 Pengujian Secara Simultan
Kategori