63
menyediakan ketenagalistrikan secara menyeluruh melalui Temporary Power, Operations Maintenance, Dewatering, Power Optimization dan Investasi Listrik
Swasta IPP menjadi penyedia solusi kelistrikan terdepan, serta sebagai pilihan utama di industri kelistrikan. Pada tanggal 24 November 2012, memperoleh
pernyataan efektif dari Bapepam-LK untuk melakukan Penawaran Umum sukuk ijarah Sumberdaya Sewatama I Tahun 2012 sebesar Rp 200 miliar selama 5
tahun. 10.
PT Summarecon Agung Tbk PT. Summarecon Agung Tbk didirikan tanggal 26 November 1975 dan
mulai beroperasi secara komersial pada tahun 1976.Kantor pusat SMRA berkedudukan di Plaza Summarecon, Jl. Perintis Kemerdekaan Kav.No. 42,
Jakarta. Berdasarkan Anggaran Dasar Perusahaan, ruang lingkup kegiatan PT Summarecon Agung Tbk bergerak dalam bidang pengembangan real estat,
penyewaan properti dan pengelolaan fasilitas rekreasi dan restoran. Pada tanggal 3 Desember 2013, PT Summarecon Agung Tbk memperoleh pernyataan efektif dari
Bapepam-LK untuk melakukan Penawaran Umum sukuk ijarah Summarecon Agung Tahap I tahun 2013 kepada masyarakat sebanyak Rp 150 miliar selama 5
tahun.
4.2 Hasil Penelitian
4.2.1 Uji Asumsi Klasik
Uji asumsi klasik dilakukan untuk melihat apakah data telah terdistribusi dengan normal dengan uji normalitas dan mengetahui ada tidaknya
multikolinearitas, heteroskedasitas dan autokorelasi dalam model regresi.
64
1. Uji Normalitas Uji Normalitas dilakukan untuk mengatahui normal tidaknya distribusi
variabel pengganggu atau residual dalam model regresi. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut
tidak menceng ke kiri atau menceng ke kanan Situmorang dan Lufti, 2012:100.
Gambar 4.1 Grafik Histogram
Sumber: Hasil Penelitian, 2015 Data diolah
Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa grafik histogram memberikan pola distribusi normal.Hal ini ditunjukkan oleh
distribusi data tidak menceng ke kiri atau menceng ke kanan. Untuk lebih menjelaskan bahwa data yang diuji berdistribusi normal dapat juga dilihat dengan
65
grafik normal probability plot yang menunjukkan titik-titik menyebar disekitar garis diagonal, sebagaimana ditampilkan pada Gambar 4.2 berikut:
Gambar 4.2 Grafik Normal Probability Plot
Sumber: Hasil Penelitian, 2015 Data diolah
Berdasarkan garik normal probability plot di atas terlihat titik-titik menyebar disekitar garis diagonal, maka dapat disimpulkan bahwa model regresi
memenuhi asumsi normalitas. Cara lain untuk melihat distribusi data normal atau tidak adalah dengan
melakukan uji Kolmogorov-Smirnov. Dengan menggunakan tingkat signifikansi sebesar 5, maka jika nilai Asymp Sig 2-tailed diatas 5 artinya variabel
residual berdistribusi normal. Untuk lebih jelas dapat dilihat pada Tabel 4.1 berikut:
Tabel 4.1
66
Hasil Uji Komolgrov-Sminorv
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 70
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1.19828699
Most Extreme Differences Absolute
.117 Positive
.117 Negative
-.050 Kolmogorov-Smirnov Z
.977 Asymp. Sig. 2-tailed
.296 a. Test distribution is Normal.
b. Calculated from data. Sumber: Hasil Penelitian, 2015 Data diolah
Dari Tabel 4.1 menunjukkan nilai Asymp.Sig 2-tailed adalah 0,296 dan diatas nilai signifikan 0,05. Maka dapat dinyatakan bahwa variabel
residual berdistribusi normal.
2
.Uji Multikolonieritas Uji multikoloniearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi diantara variabel bebas independen. Dalam penelitian ini uji multikoloniearitas dapat dilihat dari nilai tolerance dan variance inflation
factor VIF. Apabila tolerance 0,1 atau VIF 10 = terjadi multikolinearitas akan tetapi jika tolerance 0,1 atau VIF 10 = tidak terjadi multikolinearitas.
Tabel 4.2 Hasil Uji Multikolonieritas
Model Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
23.533 .980
67
DER -.682
.167 -.393
.913 1.095
ROA -.614
.109 -.620
.702 1.425
CR .003
.007 .054
.689 1.450
Maturitas .015
.098 .015
.888 1.126
a. Dependent Variable: PeringkatSukuk Sumber: Hasil Penelitian, 2015 Data Diolah
Dari Tabel 4.2 menunjukkan bahwa tolerance dari setiap variabel adalah lebih besar 0,10 dan nilai VIF setiap variabel independen adalah lebih kecil dari
10. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi multikolinearitas antar variabel indpenden
.
3. Uji Heteroskedastisitas Uji heterokedastisitas bertujuan untuk melihat apakah dalam model regresi
terjadi ketidaksamaan variabel residual satu ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas Erlina, 2011:105. Dalam
penelitian ini, gejala heterokedastisitas didteksi dengan menggunakan grafik scatterplot dan uji Glejser . Berikut ini grafik scatterplot:
Gambar 4.3 Grafik Scatterplot
68
Sumber: Hasil Penelitian, 2015 Data Diolah
Dari grafik scatterplot menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y, serta
tidak membentuk pola tertentu Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedasitas pada model regresi, sehingga model regresi ini layak untuk
digunakan. Berikut ini hasil uji glejser:
Tabel 4.3 Hasil Uji Glejser
69
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta
1 Constant
2.485 .577
4.303 .000
DER -.058
.098 -.074
-.590 .557
ROA -.020
.064 -.044
-.307 .760
CR -.001
.004 -.022
-.153 .879
Maturitas -.113
.058 -.249
-1.961 .054
a. Dependent Variable: abs Sumber: Hasil Penelitian, 2015 Data Diolah
Dari Tabel 4.3 menunjukkan bahwa nilai signifikansi variabel debt to equity ratio DER, return on asset ROA, Current Ratio CR, dan Maturitas lebih besar
dari 0,05. Dengan demikian dapat disimpulkan tidak terjadi gejala heteroskedastisitas dalam model regresi ini.
4. Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Ada beberapa cara yang dapat digunakan untuk
mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin Watson.
Tabel 4.4 Hasil Uji Durbin-Watson
70
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .671
a
.450 .416
2.09526 1.732
a. Predictors: Constant, Maturitas, DER, ROA, CR b. Dependent Variable: PeringkatSukuk
Sumber: Hasil Penelitian, 2015 Data Diolah
Hasil uji autokorelasi pada Tabel 4.4 menunjukkan bahwa nilai Durbin- Watson sebesar 1,704. Nilai d dibandingkan dl dan du pada n = 70 dan k = 4
sehingga diperoleh nilai dl sebesar 1,494 dan du sebesar 1,735. Hal ini sesuai dengan ketentuan du d 4-du, yaitu 1,494 1,704 2,296 dan nilai dw
tersebut 1,5 sampai 2,5. Hal ini berarti dalam penellitian ini tidak terdapat autokorelasi.
4.2.2 Metode Analisis Statistika Deskriptif
