H. Teknik Analisis Data
1. Analisis Statistik Deskriptif
Statistik deskritif memberikan gambaran atau deksripsi data yang dilihat dari nilai minimum, maksimum, mean, dan standar deviasi. Mean
menunjukkan nilai rata-rata. Maksimum dan minimum menunjukkan nilai terbesar dan terkecil. Analisis statistik deskritif dalam penelitian ini digunakan
untung menghitung nilai minimum, maksimum, mean, dan standar deviasi pada variabel independen PRO, LIK, LEV, DPR, dan FCF serta variabel
dependen nilai perusahaan. 2.
Pengujian Asumsi Klasik a.
Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2006: 110. Pengujian normalitas dilakukan melalui Kolmogorov-Smirnov.
Kolmogorov-Smirnov digunakan untuk mengetahui apakah data yang akan
dianalisis berdistribusi normal atau tidak berdistribusi normal. Penerapan pada uji Kolmogorov-Smirnov sebagai berikut:
1 Apabila angka signifikansi ≥ 0,05, maka data berdistribusi normal.
2 Apabila angka signifikansi 0,05, maka data tidak berdistribusi
normal.
b. Uji Multikolinearitas
Uji multikolinearitas berarti antara variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi saling berkorelasi linear.
Menurut Ghozali 2006: 91, uji multikolinearitas bertujuan untuk menguji model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Menurut Ghozali 2006: 93, untuk
mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
1 Nilai R
2
yang dihasilkan sangat tinggi, tetapi secara individual variabel-variabel banyak tidak signifikan memperngaruhi variabel
independen. 2
Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,90 maka hal ini merupakan indikasi adanya
multikolinearitas. 3
Multikolinearitas dapat juga dilihat dari nilai tolerance dan variance inflantion factor
VIF. Batas nilai tolerance 0,01 dan nilai VIF lebih kecil dari 10.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain Ghozali, 2006: 105. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah
homoskedastisitas. Penelitian ini menggunakan grafik scatterplot untuk mengetahui ada tidaknya heteroskedastisitas pada suatu model regresi.
Pengambilan keputusannya yaitu: 1
Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka terjadi heteroskedastisitas. 2
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. d.
Uji Autokorelasi Uji autokorelasi bertujuan menguji dalam regresi linier ada korelasi
antara kesalahan penggangu pada periode t dengan kesalahan penggangu pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya Ghozali, 2006: 95. Model regresi yang baik tidak terjadinya autokorelasi. Untuk
mendeteksi ada atau tidaknya autokorelasi di dalam model regresi, dapat melakukan uji Run Test dengan melihat nilai Asymp Sig. Apabila nilai
Asymp Sig. lebih besar dari 0,05 maka dapat disimpulkan bahwa model
regresi terbebas dari autokorelasi.
3. Analisis Regresi Data Panel
Regresi dengan menggunakan data panel disebut model regresi data panel. Data panel merupakan data yang memiliki dimensi waktu dan dimensi
ruang Suharjo, 2008: 131. Data panel mampu menyediakan data yang lebih banyak karena menggabungkan informasi dari time series dan cross section
sehingga menghasilkan degree of freedom yang lebih besar. Dalam penelitian dengan menggunakan data panel, minimal ada tiga
prosedur model yang diuji: a
OLS Model OLS Ordinary Least Square merupakan model yang dapat
digunakan dalam analisis regresi berganda. Menurut Kuncoro 2003, persamaan yang dapat digunakan dalam model OLS sebagai berikut:
Y = α
1
+ ß
2
X
1it
+ ß
3
X
2it
+ e
Keterangan: Y
= Variabel dependen α
1
= Intersep konstanta ß
2
- ß
3 =
Koefisien Regresi X
1
, X
2
= Variabel Independen e
= Error term
b Fixed Effect
Fixed effect merupakan model yang menggunakan variabel dummy untuk
menangkap adanya perbedaan intercept. Persamaan yang dapat digunakan dalam model Fixed Effect sebagai berikut:
Y
it
= α
1
+ α
2
D
2i
+ α
3
D
3i
+ ... + α
t
D
it
+ ß
2
X
2it
+ ß
3
X
3it
+ e
Keterangan: α
1
= Intersep konstanta perusahaan pembanding D
2....
D
it
= Dummy variabel untuk sejumlah perusahaan ß
2
- ß
3
= Koefisien regresi e
= Error term
c Random Effect
Persamaan model Random Effect: Y
it
= ß + ß
1
X
1
t + ß
2
X
2
t + µ Setiap individu mempunyai keragaman konstanta dan berlaku bagi
pengamatan di dalam individu tersebut. Dalam penelitian ini menggunakan model penelitian analisis regresi data
panel dengan model Fixed Effect. Data panel merupakan gabungan data cross section
dan time series Ghozali, 2006: 21. Untuk mencari koefisien regresi setiap variabel independen dapat menggunakan persamaan regresi berikut:
Tobins = α
1
+ α
2
D
2i
+ α
3
D
3i
+ α
4
D
4i
+ α
5
D
5i
+ ... + α
15
D
15i
+ β
2
PRO + β
3
LIK +
β
4
LEV + β
5
DPR + β
6
FCF + e
Keterangan : α
1
: Intersep konstanta perusahaan pembanding D
2
...D
15
: Dummny Variabel untuk 14 perusahaan sedangkan sisanya, satu perusahaan D
1
dipakai sebagai perusahaan pembanding bebas untuk memilih perusahaan mana sebagai perusahaan pembanding
β
2
- β
6
: Koefisien Regresi PRO
: Profitabilitas LIK
: Likuiditas LEV
: Leverage DPR
: Dividend Payout Ratio FCF
: Free Cash Flow e
: Error Term
4. Pengujian Hipotesis
a. Pengujian secara simultan uji F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel terikat Kuncoro, 2003: 219. Langkah- langkah dalam pengujian secara simultan adalah:
1 Merumuskan hipotesis
H
o
: β
1
= β
2
= β
3
= β
4
= β
5
= 0 H
o
: Rasio profitabilitas, likuiditas, leverage, dividend payout ratio dan free cash flow secara bersama-sama tidak berpengaruh
terhadap nilai perusahaan. H
a
: β
1
≠ β
2
≠ β
3
≠ β
4
≠ β
5
≠ 0 H
a
: Rasio profitabilitas, likuiditas, leverage, dividend payout ratio dan free cash flow secara bersama-sama berpengaruh terhadap
nilai perusahaan. 2
Menentukan taraf nyata α dan F tabel Taraf nyata α = 5
Nilai F tabel dengan derajat bebas = k-1 dan n-k 3
Menentukan kriteria pengujian Apabila F
hitung
F
tabel
, maka H
o
ditolak. Apabila F
hitung
≤ F
tabel
, maka H
o
tidak ditolak.
4 Membandingkan F
hitung
dan F
tabel
Apabila nilai F hasil perhitungan lebih besar daripada nilai F menurut tabel maka hipotesis alternatif, yang menyatakan bahwa semua
variabel independen secara serentak dan signifikan mempengaruhi variabel dependen Kuncoro, 2003: 220.
5 Menarik kesimpulan
H
o
ditolak, berarti rasio profitabilitas, likuiditas, leverage, dividend payout ratio
dan free cash flow secara bersama-sama berpengaruh terhadap nilai perusahaan.
H
o
tidak ditolak, berarti rasio profitabilitas, likuiditas, leverage, dividend payout ratio
dan free cash flow secara bersama-sama tidak berpengaruh terhadap nilai perusahaan.
b. Pengujian secara parsial uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabal penjelas secara individual dalam menerangkan variasi
variabel terikat Kuncoro, 2003: 218. 1
Merumuskan hipotesis a
H
01
: Rasio profitabilitas tidak berpengaruh positif terhadap nilai perusahaan.
H
a1
: Rasio profitabilitas berpengaruh positif terhadap nilai perusahaan.
b H
02
: Rasio likuiditas tidak berpengaruh positif terhadap nilai perusahaan.
H
a2
: Rasio likuiditas berpengaruh positif terhadap nilai perusahaan.
c H
03
: Rasio leverage tidak berpengaruh negatif terhadap nilai perusahaan.
H
a3
: Rasio leverage berpengaruh negatif terhadap nilai perusahaan.
d H
04
: Dividend payout ratio tidak berpengaruh positif terhadap nilai perusahaan.
H
a4
: Dividend payout ratio berpengaruh positif terhadap nilai perusahaan.
e H
05
: Free cash flow tidak berpengaruh positif terhadap nilai perusahaan.
H
a5
: Free cash flow berpengaruh positif terhadap nilai perusahaan.
2 Menentukan taraf nyata α dan t tabel
Taraf nyata α = 5 Nilai t
tabel
dengan derajat bebas df = n-1 3
Membandingkan nilai t
hitung
dengan t
tabel
4 Menentukan kriteria pengujian
Apabila t
hitung
t
tabel
, maka H
o
ditolak
Apabila t
hitung
≤ t
tabel
, maka H
o
tidak ditolak 5
Menarik kesimpulan H
o
ditolak atau H
o
tidak ditolak a
Jika H
01
ditolak, berarti rasio profitabilitas berpengaruh positif terhadap nilai perusahaan.
Jika H
01
tidak ditolak, berarti rasio profitabilitas tidak berpengaruh positif terhadap nilai perusahaan.
b Jika H
02
ditolak, berarti rasio likuiditas berpengaruh positif terhadap nilai perusahaan.
Jika H
02
tidak ditolak, berarti rasio likuiditas tidak berpengaruh positif terhadap nilai perusahaan.
c Jika H
03
ditolak, berarti rasio leverage berpengaruh negatif terhadap nilai perusahaan.
Jika H
03
tidak ditolak berarti rasio leverage tidak berpengaruh negatif terhadap nilai perusahaan.
d Jika H
04
ditolak, berarti dividend payout ratio berpengaruh positif terhadap nilai perusahaan.
Jika H
04
tidak ditolak, berarti dividend payout ratio tidak berpengaruh positif terhadap nilai perusahaan.
e Jika H
05
ditolak, berarti free cash flow berpengaruh positif terhadap nilai perusahaan.
Jika H
05
tidak ditolak, berarti free cash flow tidak berpengaruh positif terhadap nilai perusahaan.
c. Pengujian Koefisien Determinasi R
2
Koefisien determinasi merupakan perangkat yang mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
terikat. Nilai koefisien determinasi adalah di antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel independen dalam menjelaskan variabel-variabel dependen amat terbatas Kuncoro, 2003: 220. Nilai
yang mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel
independen. Semakin besar nilai koefisien determinasi semakin baik kemampuan variabel X menerangkan atau menjelaskan variabel Y.
Apabila nilai R
2
= 1 menunjukkan bahwa 100 total variasi diterangkan oleh varian persamaan regresi, atau variabel independen baik X
1
maupun X
2
mampu menerangkan variabel Y sebesar 100 Purwanto, 2004: 515.
46
BAB IV GAMBARAN UMUM PERUSAHAAN
Kategori