Gambaran Umum Sampel Penelitian Hasil Penelitian

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum Sampel Penelitian

Industri manufaktur di Indonesia tumbuh dan berkembang sangat pesat. Pertumbuhan industri manufaktur di Indonesia mencapai angka 5,7 pada tahun 2014, dan ditargetkan tumbuh hingga 6,8 pada tahun 2015. Hingga akhir tahun 2014 terdapat total 140 perusahaan industri manufaktur yang terdaftar di Bursa Efek Indonesia www.sahamok.com , terbagi dalam tiga sektor utama industri, yaitu sektor industri dasar dan kimia, sektor aneka industri, dan sektor industri barang konsumsi. Populasi yang digunakan dalam penelitian ini sejumlah 137 perusahaan publik sektor industri manufaktur di Indonesia tahun 2011 sampai 2013. Perusahaan yang terpilih sebagai sampel yang mewakili populasi berdasarkan teknik pengambilan sampel secara purposive sampling adalah sebanyak 63 perusahaan. Hasil analisis data dan pembahasan yang dipaparkan dalam bab ini berasal dari pengamatan variabel independen maupun intervensi yang digunakan dalam model regresi dengan analisis jalur path analysis untuk mengetahui apakah profitabilitas dapat mengintervensi pengaruh Investment Opportunity Set IOS dan struktur modal terhadap nilai perusahaan. Universitas Sumatera Utara

4.2 Hasil Penelitian

4.2.1 Analisis Statistik Deskriptif Statistik deskriptif memberikan gambaran umum atau deskripsi suatu data yang dijadikan sampel penelitian, dilihat dari nilai minimum, maksimum, rata-rata, dan standar deviasi. Statistik deskriptif dari variabel yang diteliti ditunjukkan dalam Tabel 4.1 di bawah ini. Tabel 4.1 Statistik Deskriptif Penelitian Descriptive Statistics N Minimum Maximum Mean Std. Deviation MVBVA 189 ,49291030 18,91567200 2,1579270788 2,49411611463 MVBVE 189 -,29859690 47,24788000 3,0066731993 5,21771598548 EP 189 ,008771930 2,895000000 ,11664990808 ,218035651712 CABVA 189 -,1410256500 ,6027713400 ,148004458452 ,1189345451093 CAMVA 189 -,0454830800 ,5412251400 ,037582737435 ,0741566571142 DER 189 -2,76 8,99 1,0561 1,16800 ROA 189 ,14 49,23 10,0605 9,16963 PBV 189 -,30 167,56 3,6475 12,85382 Valid N listwise 189 sumber : hasil olah data SPSS, 2015 Tabel 4.1 merupakan output statistik deskriptif variabel penelitian dari tahun 2011 sampai 2013 dengan menggunakan software SPSS. Jumlah sampel keseluruhan adalah 189 sampel 63 perusahaan sektor industri manufaktur selama 3 tahun. Dari tabel dapat dijelaskan statistik deskriptif masing-masing variabel sebagai berikut : a. MVBVA sebagai proksi pertama variabel independen Investment Opportunity Set IOS memiliki nilai minimum sebesar 0,49291030 dan nilai maksimum sebesar 18,91567200, dengan nilai rata-rata sebesar Universitas Sumatera Utara 2,1579270788. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata memiliki peluang investasi sebesar 2,16 di atas nilai buku asetnya. Nilai standar deviasi sebesar 2,49411611463 yang berarti variasi data sangat besar, yaitu 115 dari rata-rata. b. MVBVE sebagai proksi kedua variabel independen Investment Opportunity Set IOS memiliki nilai minimum sebesar -0,29859690 dan nilai maksimum sebesar 47,24788000, dengan nilai rata-rata sebesar 3,0066731993. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata memiliki tingkat return saham sebesar 3,01 di atas nilai ekuitasnya. Nilai standar deviasi sebesar 5,21771598548 yang berarti variasi data sangat besar, yaitu 173 dari rata-rata. c. EP sebagai proksi ketiga variabel independen Investment Opportunity Set IOS memiliki nilai minimum sebesar 0,008771930 dan nilai maksimum sebesar 2,895000000, dengan nilai rata-rata sebesar 0,11664990808. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata memiliki kemampuan menghasilkan keuntungan sebesar 0,12 dari closing price sahamnya. Nilai standar deviasi sebesar 0,218035651712 yang berarti variasi data sangat besar, yaitu 183 dari rata-rata. d. CABVA sebagai proksi keempat variabel independen Investment Opportunity Set IOS memiliki nilai minimum sebesar -0,1410256500 dan nilai maksimum sebesar 0,6027713400, dengan nilai rata-rata sebesar 0,148004458452. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata memiliki pertumbuhan investasi dalam aset sebesar Universitas Sumatera Utara 0,15. Nilai standar deviasi sebesar 0,1189345451093 yang berarti variasi data sangat besar, yaitu 80 dari rata-rata. e. CAMVA sebagai proksi kelima variabel independen Investment Opportunity Set IOS memiliki nilai minimum sebesar -0,0454830800 dan nilai maksimum sebesar 0,5412251400, dengan nilai rata-rata sebesar 0,037582737435. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata memiliki nilai investasi produktif sebesar 0,04 dalam aset tetapnya. Nilai standar deviasi sebesar 0,0741566571142 yang berarti variasi data sangat besar, yaitu 175 dari rata-rata. f. DER sebagai proksi variabel independen struktur modal memiliki nilai minimum sebesar -2,76 dan nilai maksimum sebesar 8,99, dengan nilai rata-rata 1,0561. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata memiliki sumber pendanaan yang berasal dari hutang 1,06 sebesar lebih besar dibandingkan dengan sumber pendanaan yang berasal dari modal sahamnya. Nilai standar deviasi sebesar 1,16800 yang berarti variasi data sangat besar, yaitu 111 dari rata-rata. g. PBV sebagai proksi variabel dependen nilai perusahaan memiliki nilai minimum sebesar -0,30 dan nilai maksimum sebesar 167,56, dengan nilai rata-rata 3,6475. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata memiliki nilai pasar saham 3,65 di atas nilai bukunya. Nilai standar deviasi sebesar 12,85382 yang berarti variasi data sangat besar, yaitu 352 dari rata-rata. Universitas Sumatera Utara h. ROA sebagai proksi variabel intervensi profitabilitas memiliki nilai minimum sebesar 0,14 dan nilai maksimum sebesar 49,23, dengan nilai rata-rata 10,0605. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata memiliki nilai imbal hasil 10,06 di atas nilai asetnya. Nilai standar deviasi sebesar 9,16963 yang berarti variasi data sangat besar, yaitu 91 dari rata-rata. Secara keseluruhan, data yang digunakan dalam penelitian ini terlihat tidak baik, karena seluruh standar deviasi yang dimiliki kedelapan rasio tersebut berada diatas 50 dari nilai rata-ratanya. Hal ini berarti data yang ada tersebar jauh dari angka rata-rata yang dimiliki, untuk itu dalam pengujian berikutnya akan dibutuhkan transformasi masing-masing data, sehingga karakteristik data menjadi lebih baik untuk digunakan dalam penelitian. 4.2.2 Analisis Faktor Dalam penelitian ini common factor analysis digunakan untuk memperoleh factor score yang merupakan nilai indeks umum dari proksi tunggal yang membentuk variabel Investment Opportunity Set IOS. Nilai masing-masing rasio yang digunakan sebagai proksi Investment Opportunity Set IOS dihitung setiap tahun untuk setiap perusahaan sampel dan selanjutnya digunakan sebagai data input dalam proses analisis faktor. Uji kelayakan analisis faktor dalam penelitian ini dilihat dari besarnya nilai Measure of Sampling Adequacy MSA dengan menggunakan software SPSS, seperti tersaji dalam Tabel 4.2 di bawah ini. Universitas Sumatera Utara Tabel 4.2 Measure of Sampling Adequacy 1 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,489 Bartletts Test of Sphericity Approx. Chi-Square 471,371 Df 10 Sig. ,000 sumber : hasil olah data SPSS, 2015 Tabel 4.2 merupakan output Kaiser-Meyer-Olkin dan Bartlett’s test yang menunjukkan besarnya nilai MSA adalah 0,489. Nilai MSA tersebut masih dibawah 0,50 yang berarti analisis faktor belum layak dilakukan, untuk itu perlu dikeluarkan proksi yang memiliki nilai korelasi terkecil berdasarkan anti image matrices di bawah ini. Tabel 4.3 Nilai Korelasi Proksi Investment Opportunity Set IOS Anti-image Matrices MVBVA MVBVE EP CABVA CAMVA Anti-image Covariance MVBVA ,107 -,102 -,007 -,055 ,053 MVBVE -,102 ,109 ,020 ,044 -,034 EP -,007 ,020 ,969 -,098 ,029 CABVA -,055 ,044 -,098 ,736 -,361 CAMVA ,053 -,034 ,029 -,361 ,730 Anti-image Correlation MVBVA ,493 a -,941 -,020 -,196 ,189 MVBVE -,941 ,500 a ,062 ,156 -,119 EP -,020 ,062 ,687 a -,116 ,035 CABVA -,196 ,156 -,116 ,423 a -,492 CAMVA ,189 -,119 ,035 -,492 ,488 a a. Measures of Sampling AdequacyMSA sumber : hasil olah data SPSS, 2015 Tabel 4.3 menunjukkan nilai anti image correlation kelima proksi variabel Investment Opportunity Set IOS. Proksi CABVA memiliki nilai korelasi sebesar 0,423 yang merupakan nilai korelasi terkecil dibandingkan Universitas Sumatera Utara keempat proksi lainnya. Hal ini berarti dalam analisis berikutnya, untuk dapat memenuhi kelayakan analisis faktor, proksi CABVA harus dikeluarkan dari analisis. Setelah menentukan proksi yang harus dikeluarkan, maka dilakukan kembali uji kelayakan analisis faktor dengan melihat nilai MSA tanpa proksi CVBVA seperti ditunjukkan dalam Tabel 4.4 di bawah ini. Tabel 4.4 Measure of Sampling Adequacy 2 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,518 Bartletts Test of Sphericity Approx. Chi-Square 415,367 Df 6 Sig. ,000 sumber : hasil olah data SPSS, 2015 Tabel 4.4 merupakan output pengujian kelayakan analisis faktor yang kedua kalinya, tanpa mengikutsertakan proksi CABVA. Data yang tersaji dalam tabel menunjukkan nilai MSA sebesar 0,518, nilai ini berada di atas 0,50, sehingga analisis faktor telah dianggap layak dilakukan terhadap empat proksi tunggal Investment Opportunity Set IOS, yaitu MVBVA, MVBVE, EP, dan CAMVA. Begitu juga nilai Bartlett’s test dengan chi square 415,367 dan signifikan pada 0,000, maka dapat disimpulkan bahwa uji analisis faktor dapat dilanjutkan. Hasil analisis faktor dari keempat proksi tunggal Investment Opportunity Set IOS menghasilkan satu faktor yang dapat mewakili variabel Investment Opportunity Set IOS, dilihat dari nilai eigen value yang di atas 1, seperti ditunjukkan pada Tabel 4.5 di bawah ini. Universitas Sumatera Utara Tabel 4.5 Hasil Analisis Faktor Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Total of Variance Cumulative Total of Variance Cumulative 1 2,027 50,672 50,672 2,027 50,672 50,672 2 ,974 24,344 75,016 3 ,942 23,545 98,561 4 ,058 1,439 100,000 Extraction Method: Principal Component Analysis. sumber : hasil olah data SPSS, 2015 Faktor yang terbentuk untuk mewakili variabel Investment Opportunity Set IOS mampu menjelaskan 50,672 variasi. Faktor inilah yang merupakan faktor umum Investment Opportunity Set IOS, di mana nilai factor score yang diperoleh tersebut akan digunakan lebih lanjut dalam analisis regresi. Statistik deskriptif nilai factor score ditunjukkan pada Tabel 4.6 di bawah ini. Tabel 4.6 Statistik Deskriptif Factor Score Descriptive Statistics N Minimum Maximum Mean Std. Deviation IOS 189 -1,73409 6,46310 ,0000000 1,00000000 Valid N listwise 189 sumber : hasil olah data SPSS, 2015 Nilai factor score diberi nama IOS agar dapat dikenali dengan mudah sebagai nilai yang mewakili variabel Investment Opportunity Set IOS. IOS memiliki nilai minimum sebesar -1,73409 dan nilai maksimum sebesar 6,46310, dengan nilai rata-rata sebesar 0,0000000. Hal ini menunjukkan bahwa perusahaan yang menjadi sampel rata-rata tidak memiliki peluang investasi atau memiliki peluang investasi yang sangat kecil. Universitas Sumatera Utara Nilai standar deviasi sebesar 1,00000000 yang berarti variasi data sangat besar. 4.2.3 Uji Asumsi Klasik Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi sebelum melakukan analisis regresi linear berganda. Uji asumsi klasik dalam penelitian ini dilakukan terhadap dua persamaan yang akan dianalisis, terdiri dari: 4.2.3.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal Gozhali, 2013:160. Terdapat dua cara untuk mendeteksi apakah residual berdistribusi normal, yaitu dengan melihat kurva histogram dan normal probability plot , serta melihat hasil uji statistik non-parametric Kolmogorov-Smirnov. Setelah dilakukan uji normalitas terhadap kedua persamaan, ternyata data dalam penelitian tidak berdistribusi secara normal, sehingga setiap variabel ditansformasikan ke bentuk logaritma natural Ln dengan tujuan untuk lebih menormalkan data. Hasil transformasi menyisakan 59 sampel data yang valid dan dapat digunakan dalam analisis statistik selanjutnya. Universitas Sumatera Utara Sumber : hasil olah data SPSS, 2015 Gambar 4.1 Kurva Histogram Uji Normalitas Persamaan 2 Gambar 4.1 di atas menunjukkan kurva histogram memberikan pola distribusi normal, yaitu tidak menceng skewness baik ke kiri maupun ke kanan, dan bentuknya seperti lonceng, yang menandakan bahwa data residual dalam persamaan 2 berdistribusi normal. Pola kurva histogram yang berdistribusi normal belum dapat dijadikan acuan bahwa data residual memang berdistribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Universitas Sumatera Utara sumber : hasil olah data SPSS, 2015 Gambar 4.2 Normal Probability Plot Persamaan 2 Gambar 4.2 memperlihatkan penyebaran data residual persamaan 2 disepanjang normal plot dan mengikuti arah plot, yang berarti data residual pada persamaan 2 terdistribusi secara normal. Meskipun hasil uji histogram dan normal probability plot telah menunjukkan bahwa data residual persamaan 2 berdistribusi normal, akan tetapi normalitas data residual sesungguhnya belum dapat dipastikan. Uji statistik non-parametric Kolmogorov-Smirnov seperti terlihat pada Tabel 4.7 di bawah ini, dipilih untuk melengkapi pengujian normalitas data residual pada persamaan 2, sehingga kepastian model regresi telah memenuhi asumsi normalitas dapat ditetapkan. Universitas Sumatera Utara Tabel 4.7 Analisis Statistik Uji Normalitas Persamaan 2 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 59 Normal Parameters a,b Mean .0000000 Std. Deviation .44210432 Most Extreme Differences Absolute .074 Positive .074 Negative -.049 Kolmogorov-Smirnov Z .571 Asymp. Sig. 2-tailed .900 a. Test distribution is Normal. b. Calculated from data. sumber : hasil olah data SPSS, 2015 Hasil uji statistik non-parametric Kolmogorov-Smirnov seperti ditampilkan dalam Tabel 4.7, menunjukkan besarnya nilai Kolmogorov-Smirnov adalah 0,571 dan nilai Asymp.Sig. 2-tailed 0,900 dengan nilai signifikan yang ditetapkan 0,05 yang berarti data residual persamaan 2 terdistribusi secara normal. Hasil uji statistik non-parametric Kolmogorov-Smirnov ini konsisten dengan hasil yang ditunjukkan melalui kurva histogram dan normal probability plot, sehingga dapat disimpulkan model regresi persamaan 2 memenuhi asumsi normalitas. Uji normalitas juga dilakukan terhadap model regresi persamaan 4, dengan menggunakan 59 sampel data untuk setiap variabel. Kurva histogram uji normalitas data residual persamaan 4 terlihat dalam Gambar 4.3 di bawah ini. Universitas Sumatera Utara sumber : hasil olah data SPSS, 2015 Gambar 4.3 Kurva Histogram Uji Normalitas Persamaan 4 Gambar 4.3 di atas menunjukkan kurva histogram memberikan pola distribusi normal, yaitu tidak menceng skewness baik ke kiri maupun ke kanan, dan bentuknya seperti lonceng, yang menandakan bahwa data residual dalam persamaan 4 berdistribusi normal. Analisis normal probability plot juga dilakukan untuk mendukung hasil yang ditunjukkan kurva histogram seperti terlihat pada Gambar 4.4 di bawah ini. Universitas Sumatera Utara sumber : hasil olah data SPSS, 2015 Gambar 4.4 Normal Probability Plot Persamaan 4 Gambar 4.4 memperlihatkan penyebaran data residual persamaan 4 disepanjang normal plot dan mengikuti arah plot, yang berarti data residual pada persamaan 4 terdistribusi secara normal, meskipun pada gambar terlihat data tersebar sedikit jauh dari normal plot . Kepastian bahwa data residual persamaan 4 berdistribusi normal, dapat dilakukan dengan uji statistik non-parametric Kolmogorov-Smirnov seperti ditunjukkan Tabel 4.8 di bawah ini. Universitas Sumatera Utara Tabel 4.8 Analisis Statistik Uji Normalitas Persamaan 4 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 59 Normal Parameters a,b Mean ,0000000 Std. Deviation ,32935508 Most Extreme Differences Absolute ,087 Positive ,087 Negative -,082 Kolmogorov-Smirnov Z ,670 Asymp. Sig. 2-tailed ,761 a. Test distribution is Normal. b. Calculated from data. sumber : hasil olah data SPSS, 2015 Hasil uji statistik non-parametric Kolmogorov-Smirnov seperti ditampilkan dalam Tabel 4.8, menunjukkan besarnya nilai Kolmogorov-Smirnov adalah 0,670 dan nilai Asymp.Sig. 2-tailed 0,761 dengan nilai signifikan yang ditetapkan 0,05 yang berarti data residual persamaan 4 terdistribusi secara normal. Hasil uji statistik non-parametric Kolmogorov-Smirnov ini konsisten dengan hasil yang ditunjukkan melalui kurva histogram dan normal probability plot, sehingga dapat disimpulkan model regresi persamaan 4 memenuhi asumsi normalitas. 4.2.3.2 Uji Multikolonieritas Uji multikolonieritas bertujuan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi korelasi, maka dikatakan terdapat masalah multikolonieritas. Uji multikolonieritas dilakukan dengan terlebih Universitas Sumatera Utara dahulu mengamati matriks coefficient correlations seperti yang ditunjukkan pada Tabel 4.9 di bawah ini. Tabel 4.9 Matriks Coefficient Correlations Persamaan 2 Coefficient Correlations a Model LN_DER LN_IOS 1 Correlations LN_DER 1,000 -,090 LN_IOS -,090 1,000 Covariances LN_DER ,007 ,000 LN_IOS ,000 ,002 a. Dependent Variable: LN_ROA sumber : hasil olah data SPSS, 2015 Tabel 4.9 menunjukkan nilai korelasi antar variabel independen dalam persamaan 2 sebesar -0,090 atau 9 yang berarti tidak terjadi multikolonieritas dalam korelasi variabel independen persamaan 2. Multikolonieritas juga dapat dilihat dari nilai tolerance dan Variance Inflation Factor VIF seperti ditunjukkan Tabel 4.10 di bawah ini. Tabel 4.10 Nilai Tolerance dan VIF Persamaan 2 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 2,850 ,080 35,704 ,000 LN_IOS ,166 ,042 ,467 3,961 ,000 ,992 1,008 LN_DER -,107 ,083 -,151 -1,284 ,204 ,992 1,008 a. Dependent Variable: LN_ROA sumber : hasil olah data SPSS, 2015 Hasil perhitungan nilai tolerance dan VIF pada Tabel 4.10 di atas juga menunjukkan tidak ada variabel independen yang memiliki Universitas Sumatera Utara nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen persamaan 2. Hasil perhitungan nilai VIF juga menunjukkan hal yang sama, tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10, sehingga dapat disimpulkan model regresi persamaan 2 bebas dari masalah multikolonieritas. Uji multikolonieritas juga dilakukan pada model regresi persamaan 4, dengan terlebih dahulu mengamati matriks coefficient correlations seperti yang ditunjukkan pada Tabel 4.11 di bawah ini. Tabel 4.11 Matriks Coefficient Correlations Persamaan 4 Coefficient Correlations a Model LN_ROA LN_DER LN_IOS 1 Correlations LN_ROA 1,000 ,169 -,468 LN_DER ,169 1,000 -,158 LN_IOS -,468 -,158 1,000 Covariances LN_ROA ,010 ,001 -,002 LN_DER ,001 ,004 ,000 LN_IOS -,002 ,000 ,001 a. Dependent Variable: LN_PBV sumber : hasil olah data SPSS, 2015 Tabel 4.11 menunjukkan hanya variabel IOS yang mempunyai korelasi cukup tinggi dengan variabel ROA dengan tingkat korelasi sebesar -0,468 atau sekitar 47. Oleh karena korelasi ini masih jauh di bawah 95 maka dapat dikatakann tidak terjadi multikolonieritas dalam korelasi variabel independen persamaan 4. Multikolonieritas juga dapat dilihat dari nilai tolerance dan Variance Inflation Factor VIF seperti ditunjukkan Tabel 4.12 di bawah ini. Universitas Sumatera Utara Tabel 4.12 Nilai Tolerance dan VIF Persamaan 4 Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant ,725 ,293 2,478 ,016 LN_IOS ,252 ,036 ,490 7,078 ,000 ,775 1,291 LN_DER ,512 ,063 ,501 8,063 ,000 ,964 1,038 LN_ROA ,536 ,100 ,370 5,332 ,000 ,772 1,296 a. Dependent Variable: LN_PBV sumber : hasil olah data SPSS, 2015 Hasil perhitungan nilai tolerance dan VIF pada Tabel 4.12 di atas juga menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen persamaan 4. Hasil perhitungan nilai VIF juga menunjukkan hal yang sama, tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10, sehingga dapat disimpulkan model regresi persamaan 4 bebas dari masalah multikolonieritas. 4.2.3.3 Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dari model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan dengan pengamatan yang lain. Ada atau tidaknya heteroskedastisitas dalam model regresi persamaan 2 terlihat melalui scatterplot pada Gambar 4.5 di bawah ini. Universitas Sumatera Utara sumber : hasil olah data SPSS, 2015 Gambar 4.5 Scatterplot Persamaan 2 Gambar 4.5 merupakan scatterplot model regresi persamaan 2 yang memperlihatkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi persamaan 2. Uji heteroskedastisitas menggunakan scatterplot juga dilakukan pada model regresi persamaan 4 seperti ditunjukkan Gambar 4.6 di bawah ini. Universitas Sumatera Utara Sumber : hasil olah data SPSS, 2015 Gambar 4.6 Scatterplot Persamaan 4 Gambar 4.6 merupakan scatterplot model regresi persamaan 4 yang memperlihatkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi persamaan 4. 4.2.3.4 Uji Autokorelasi Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 atau sebelumnya. Uji autokorelasi dilakukan menggunakan uji Durbin-Watson pada model regresi persamaan 2 seperti ditunjukkan Tabel 4.13 di bawah ini. Universitas Sumatera Utara Tabel 4.13 Uji Durbin-Watson Persamaan 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson dimension0 1 ,478 a ,228 ,201 ,44993 1,734 a. Predictors: Constant, LN_DER, LN_IOS b. Dependent Variable: LN_ROA sumber : hasil olah data SPSS, 2015 Tabel 4.13 menunjukkan nilai Durbin-Watson sebesar 1,734, nilai ini akan dibandingkan dengan nilai tabel Durbin-Watson pada signifikansi 5, jumlah sampel data 60 n = 60, jumlah variabel independen 2 k = 2, didapat nilai dl = 1,514 dan nilai du = 1,652. Oleh karena nilai Durbin-Watson 1,734 lebih besar dari batas atas du 1,652 dan terletak antara -2 sampai 2, maka dapat disimpulkan tidak terjadi autokorelasi pada model regresi persamaan 2. Uji autokorelasi dengan uji Durbin-Watson juga dilakukan pada model regresi persamaan 4 dan menghasilkan nilai Durbin-Watson seperti ditunjukkan Tabel 4.14 di bawah ini. Tabel 4.14 Uji Durbin-Watson Persamaan 4 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson dimension0 1 ,892 a ,796 ,785 ,33822 1,731 a. Predictors: Constant, LN_ROA, LN_DER, LN_IOS b. Dependent Variable: LN_PBV Sumber : hasil olah data SPSS, 2015 Tabel 4.14 menunjukkan nilai Durbin-Watson sebesar 1,731, nilai ini akan dibandingkan dengan nilai tabel Durbin-Watson pada Universitas Sumatera Utara signifikansi 5, jumlah sampel data 60 n = 60, jumlah variabel independen 3 k = 3, didapat nilai dl = 1,480 dan nilai du = 1,689. Oleh karena nilai Durbin-Watson 1,731 lebih besar dari batas atas du 1,689 dan terletak antara -2 sampai 2, maka dapat disimpulkan tidak terjadi autokorelasi pada model regresi persamaan 4. 4.2.4 Uji Hipotesis 4.2.4.1 Analisis Regresi Linear Sederhana Analisis regresi linear sederhana bertujuan menguji pengaruh parsial Investment Opportunity Set IOS dan struktur modal terhadap profitabilitas, serta pengaruh langsung dan parsial Investment Opportunity Set IOS, struktur modal dan profitabilitas terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia. Analisis regresi linear sederhana menggunakan uji-t dilakukan terhadap model regresi persamaan 1 dan model regresi persamaan 2 ditunjukkan Tabel 4.15 di bawah ini Tabel 4.15 Uji-t Persamaan 1 Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 2,252 ,073 30,741 ,000 LN_IOS ,340 ,038 ,663 8,873 ,000 LN_DER ,454 ,076 ,445 5,953 ,000 a. Dependent Variable: LN_PBV sumber : hasil olah data SPSS, 2015 Universitas Sumatera Utara Tabel 4.15 menunjukkan hasil uji-t model regresi persamaan 1 dengan menggunakan software SPSS, interpretasinya adalah sebagai berikut : a. Variabel Investment Opportunity Set IOS Nilai t-hitung IOS adalah 8,873 dan nilai t-tabel adalah 2,000 sehingga t-hitung t-tabel 8,873 2,000. Hal ini berarti variabel Investment opportunity Set IOS berpengaruh secara langsung positif dan signifikan 0,000 0,05 terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia. b. Variabel Struktur Modal DER Nilai t-hitung DER adalah 5,953 dan nilai t-tabel adalah 2,000 sehingga t-hitung t-tabel 5,953 2,000. Hal ini berarti variabel struktur modal berpengaruh secara langsung positif dan signifikan 0,000 0,05 terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia. Hasil output estimasi regresi persamaan 1 dalam Tabel 4.15 menghasilkan persamaan regresi linear sebagai berikut. Y = 2,252 + 0,340X1 + 0,454X2 + ε Di mana : Y = nilai perusahaan publik sektor industri manufaktur di Indonesia X1 = Investment opportunity Set IOS X2 = struktur modal ε = error Universitas Sumatera Utara Interpretasi : a. Konstanta sebesar 2,252 menunjukkan bahwa apabila tidak ada variabel bebas Investment Opportunity Set dan struktur modal maka nilai perusahaan publik sektor industri manufaktur di Indonesia yang diproksikan dengan PBV adalah sebesar 2,252 kali. b. Koefisien regresi variabel Investment Opportunity Set IOS adalah sebesar 0,340, yang berarti bahwa setiap kenaikan peluang investasi sebesar 1 kali akan meningkatkan nilai perusahaan publik sektor industri manufaktur di Indonesia sebesar 0,340 kali. c. Koefisien regresi variabel struktur modal yang diproksikan dengan DER adalah sebesar 0,454, yang berarti bahwa setiap kenaikan hutang sebesar 1 kali akan meningkatkan nilai perusahaan publik sektor industri manufaktur di Indonesia sebesar 0,454 kali. Persamaan yang dihasilkan melalui analisis regresi di atas bertujuan untuk mengatahui pengaruh masing-masing variabel independen terhadap variabel intervensi. Besarnya presentase kebenaran dari uji regresi dapat dilihat melalui koefisien determinasi multiple R 2 koefisien determinan mengukur proporsi dari variasi yang dapat dijelaskan oleh variabel independen. Apabila nilai R 2 suatu regresi mendekati satu, maka semakin baik regresi tersebut dan semakin mendekati nol, maka variabel independen secara keseluruhan tidak bisa menjelaskan variabel dependen. Adjusted R Square ini digunakan untuk melihat berapa besar pengaruh faktor- faktor yang Universitas Sumatera Utara ditimbulkan oleh variabel-variabel independen terhadap variabel dependen. Uji koefisien determinasi model regresi persamaan 1 ditunjukkan Tabel 4.16 di bawah ini. Tabel 4.16 Penolakan Variabel Persamaan 1 Variables EnteredRemoved b Model Variables Entered Variables Removed Method dimension0 1 LN_DER, LN_IOS a . Enter a. All requested variables entered. b. Dependent Variable: LN_PBV sumber : hasil olah data SPSS, 2015 Tabel 4.16 menunjukkan bahwa kolom Variables Removed kosong. Hal ini berarti variabel Investment Opportunity Set IOS dan struktur modal DER tidak ada yang dikeluarkan dari persamaan. Setelah diketahui bahwa seluruh variabel dimasukkan dalam analisis persamaan, selanjutnya dilakukan pengujian hipotesis koefisien korelasi dan koefisien determinasi seperti ditunjukkan Tabel 4.17 di bawah ini. Tabel 4.17 Uji Koefisien Determinasi Persamaan 1 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate dimension0 1 ,831 a ,690 ,679 ,41282 a. Predictors: Constant, LN_DER, LN_IOS sumber : hasil olah data SPSS, 2015 Tabel 4.17 menunjukkan nilai R sebesar 0,831 atau 83,1. Hal ini berarti bahwa hubungan antara variabel dependen nilai perusahaan publik sektor industri manufaktur di Indonesia dengan variabel independennya Investment Opportunity Set IOS dan struktur Universitas Sumatera Utara modal adalah sangat erat. Tabel 4.17 menunjukkan bahwa nilai Adjusted R Square dalam penelitian ini sebesar 0,679 yang berarti 67,9 nilai perusahaan publik sektor industri manufaktur di Indonesia dapat dijelaskan oleh kedua variabel independen, yakni Investment Opportunity Set IOS dan struktur modal, sedangkan sisanya 32,1 dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini. Standard Error of Estimated digunakan untuk mengukur variabel dari nilai yang diprediksi. Standard Error of Estimated disebut juga standar deviasi. Standard Error of Estimated dalam penelitian ini adalah 0,41282. Standar deviasi yang semakin kecil mengindikasikan bahwa model semakin baik. Hasil uji-t pada model regresi persamaan 2 ditunjukkan Tabel 4.18 di bawah ini. Tabel 4.18 Uji-t Persamaan 2 Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 2.850 .080 35.704 .000 LN_IOS .166 .042 .467 3.961 .000 LN_DER -.107 .083 -.151 -1.284 .204 a. Dependent Variable: LN_ROA sumber : hasil olah data SPSS, 2015 Tabel 4.18 menunjukkan hasil uji-t model regresi persamaan 2 dengan menggunakan software SPSS, interpretasinya adalah sebagai berikut : Universitas Sumatera Utara a. Variabel Investment Opportunity Set IOS Nilai t-hitung IOS adalah 3,961 dan nilai t-tabel adalah 2,000 sehingga t-hitung t-tabel 3,961 2,000. Hal ini berarti variabel Investment opportunity Set IOS berpengaruh positif dan signifikan 0,000 0,05 terhadap profitabilitas. b. Variabel Struktur Modal DER Nilai t-hitung DER adalah -1,284 selanjutnya dimutlakkan dan nilai t-tabel adalah 2,000 sehingga t-hitung t-tabel 1,284 2,000. Hal ini berarti variabel struktur modal tidak berpengaruh secara parsial terhadap profitabilitas. Hasil output estimasi regresi persamaan 2 dalam Tabel 4.18 menghasilkan persamaan regresi linear sebagai berikut. Z = 2,850 + 0,166X1 – 0,107X2 + ε Di mana : Z = profitabilitas X1 = Investment opportunity Set IOS X2 = struktur modal ε = error Interpretasi : a. Konstanta sebesar 2,850 menunjukkan bahwa apabila tidak ada variabel bebas Investment Opportunity Set dan struktur modal maka profitabilitas perusahaan publik sektor industri manufaktur di Indonesia yang diproksikan dengan ROA adalah sebesar 2,850. Universitas Sumatera Utara b. Koefisien regresi variabel Investment Opportunity Set IOS adalah sebesar 0,166, yang berarti bahwa setiap kenaikan peluang investasi sebesar 1 akan meningkatkan profitabilitas perusahaan publik sektor industri manufaktur di Indonesia sebesar 0,166. c. Koefisien regresi variabel struktur modal yang diproksikan dengan DER adalah sebesar -0,107, yang berarti bahwa setiap kenaikan hutang sebesar 1 akan menurunkan profitabilitas perusahaan publik sektor industri manufaktur di Indonesia sebesar 0,107. Uji koefisien determinasi model regresi persamaan 2 ditunjukkan Tabel 4.19 di bawah ini. Tabel 4.19 Penolakan Variabel Persamaan 2 Variables EnteredRemoved b Model Variables Entered Variables Removed Method dimension0 1 LN_DER, LN_IOS a . Enter a. All requested variables entered. b. Dependent Variable: LN_ROA sumber : hasil olah data SPSS, 2015 Tabel 4.19 menunjukkan bahwa kolom Variables Removed kosong. Hal ini berarti variabel Investment Opportunity Set IOS dan struktur modal DER tidak ada yang dikeluarkan dari persamaan. Setelah diketahui bahwa seluruh variabel dimasukkan dalam analisis persamaan, selanjutnya dilakukan pengujian hipotesis koefisien korelasi dan koefisien determinasi seperti ditunjukkan Tabel 4.20 di bawah ini. Universitas Sumatera Utara Tabel 4.20 Uji Koefisien Determinasi Persamaan 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate dimension0 1 .478 a .228 .201 .44993 a. Predictors: Constant, LN_DER, LN_IOS b. Dependent Variable: LN_ROA sumber : hasil olah data SPSS, 2015 Tabel 4.20 menunjukkan nilai R sebesar 0,478 atau 47,8. Hal ini berarti bahwa hubungan antara variabel dependen profitabilitas dengan variabel independennya Investment Opportunity Set IOS dan struktur modal adalah cukup erat. Tabel 4.20 menunjukkan bahwa nilai Adjusted R Square dalam penelitian ini sebesar 0,201 yang berarti 20,1 profitabilitas dapat dijelaskan oleh kedua variabel independen, yakni Investment Opportunity Set IOS dan struktur modal, sedangkan sisanya 79,9 dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini. Standard Error of Estimated digunakan untuk mengukur variabel dari nilai yang diprediksi. Standard Error of Estimated disebut juga standar deviasi. Standard Error of Estimated dalam penelitian ini adalah 0,44993. Standar deviasi yang semakin kecil mengindikasikan bahwa model semakin baik. 4.2.4.2 Analisis Regresi Linear Model Baron dan Kenny Analisis regresi linear model Baron dan Kenny bertujuan menguji pengaruh Investment Opportunity Set IOS dan struktur modal terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia melalui intervensi profitabilitas. Analisis regresi linear Universitas Sumatera Utara model Baron dan Kenny dilakukan dengan langkah-langkah sebagai berikut : 1. Pengujian pertama dilakukan untuk melihat pengaruh parsial langsung Investment Opportunity Set IOS dan struktur modal terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia. Pengujian pertama ini telah dilakukan dalam uji-t persamaan 1 di atas. 2. Pengujian ke dua dilakukan untuk melihat pengaruh parsial Investment Opportunity Set IOS dan struktur modal terhadap profitabilitas. Pengujian ke dua ini telah dilakukan dalam uji-t persamaan 2 di atas. 3. Pengujian ke tiga dilakukan untuk melihat pengaruh profitabilitas terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia. Hasil pengujian ditunjukkan Tabel 4.21 di bawah ini. Tabel 4.21 Nilai Hitung Signifikansi Pengujian Ke Tiga ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 117,876 1 117,876 212,558 ,000 a Residual 103,148 186 ,555 Total 221,023 187 a. Predictors: Constant, LN_ROA b. Dependent Variable: LN_PBV sumber : hasil olah data SPSS, 2015 Berdasarkan Tabel 4.21 diperoleh nilai sig. sebesar 0,000. Angka ini memiliki nilai jauh lebih kecil dibandingkan tingkat signifikannya, yakni 0,05, yang mengindikasikan profitabilitas ROA Universitas Sumatera Utara berpengaruh signifikan terhadap nilai perusahaan PBV publik sektor industri manufaktur di Indonesia. Nilai F-hitung berdasarkan Tabel 4.20 adalah 212,558 dan F-tabel 1,186 adalah 3,84. F-hitung F- tabel = 212,558 3,84, hal ini berarti profitabilitas ROA berpengaruh positif dan signifikan terhadap nilai perusahaan PBV publik sektor industri manufaktur di Indonesia. Hasil uji-t pada pengujian ke tiga ditunjukkan Tabel 4.22 di bawah ini. Tabel 4.22 Uji-t Pengujian Ke Tiga Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -,825 ,103 -8,023 ,000 LN_ROA ,699 ,048 ,730 14,579 ,000 a. Dependent Variable: LN_PBV sumber : hasil olah data SPSS, 2015. Hasil output pengujian ke tiga dalam Tabel 4.22 menghasilkan persamaan regresi linear sebagai berikut. Y = -0,825 + 0,699Z + ε Di mana : Y = nilai perusahaan publik sektor industri manufaktur di Indonesia Z = profitabilitas ε = error Interpretasi : a. Konstanta sebesar -0,825 menunjukkan bahwa apabila tidak ada variabel bebas profitabilitas maka nilai perusahaan publik sektor Universitas Sumatera Utara industri manufaktur di Indonesia yang diproksikan dengan PBV adalah sebesar 0,825 kali di bawah nilai bukunya. b. Koefisien regresi variabel profitabilitas yang diproksikan dengan ROA adalah sebesar 0,699, yang berarti bahwa setiap kenaikan profitabilitas sebesar 1 kali akan meningkatkan nilai perusahaan publik sektor industri manufaktur di Indonesia sebesar 0,699 kali. Uji koefisien determinasi pengujian ke tiga ditunjukkan Tabel 4.23 di bawah ini. Tabel 4.23 Uji Koefisien Determinasi Pengujian Ke Tiga Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate dimension0 1 ,730 a ,533 ,531 ,74469 a. Predictors: Constant, LN_ROA sumber : hasil olah data SPSS, 2015 Tabel 4.23 menunjukkan nilai R sebesar 0,730 atau 73. Hal ini berarti bahwa hubungan antara variabel dependen nilai perusahaan publik sektor industri manufaktur di Indonesia dengan variabel independennya profitabilitas adalah sangat erat. Tabel 4.23 menunjukkan bahwa nilai Adjusted R Square dalam penelitian ini sebesar 0,531 yang berarti 53,1 nilai perusahaan publik sektor industri manufaktur di Indonesia dapat dijelaskan profitabilitas, sedangkan sisanya 46,9 dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini. Standard Error of Estimated digunakan untuk mengukur variabel dari nilai yang diprediksi. Standard Error of Estimated disebut juga standar deviasi. Standard Error of Estimated dalam penelitian ini Universitas Sumatera Utara adalah 0,74469. Standar deviasi yang semakin kecil mengindikasikan bahwa model semakin baik. 4. Pengujian ke empat dilakukan untuk melihat pengaruh Investment Opportunity Set IOS dan struktur modal terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia melalui intervensi profitabilitas. Hasil pengujian ditunjukkan Tabel 4.24 di bawah ini. Tabel 4.24 Uji-t Pengujian Ke Empat Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant .725 .293 2.478 .016 LN_IOS .252 .036 .490 7.078 .000 LN_DER .512 .063 .501 8.063 .000 LN_ROA .536 .100 .370 5.332 .000 a. Dependent Variable: LN_PBV sumber : hasil olah data SPSS, 2015. Hasil output pengujian ke empat dalam Tabel 4.24 menghasilkan persamaan regresi linear sebagai berikut. Y = 0,725 + 0,252X1 + 0,512X2 + 0,536Z + ε Di mana : Y = nilai perusahaan publik sektor industri manufaktur di Indonesia X1 = Investment Opportunity Set IOS X2 = struktur modal Z = profitabilitas ε = error Universitas Sumatera Utara Interpretasi : a. Konstanta sebesar 0.725 menunjukkan bahwa apabila tidak ada variabel bebas Investment Opportunity Set IOS, struktur modal, dan profitabilitas maka nilai perusahaan publik sektor industri manufaktur di Indonesia yang diproksikan dengan PBV adalah sebesar 0,725 kali di atas nilai bukunya. b. Koefisien regresi variabel Investment Opportunity Set IOS adalah sebesar 0,252, yang berarti bahwa setiap kenaikan peluang investasi sebesar 1 kali akan meningkatkan nilai perusahaan publik sektor industri manufaktur di Indonesia sebesar 0,252 kali. c. Koefisien regresi variabel struktur modal yang diproksikan dengan DER adalah sebesar 0,512, yang berarti bahwa setiap kenaikan hutang sebesar 1 kali akan meningkatkan nilai perusahaan publik sektor industri manufaktur di Indonesia sebesar 0,512 kali. d. Koefisien regresi variabel profitabilitas yang diproksikan dengan ROA adalah sebesar 0,536, yang berarti bahwa setiap kenaikan profitabilitas sebesar 1 kali akan meningkatkan nilai perusahaan publik sektor industri manufaktur di Indonesia sebesar 0,536 kali. Universitas Sumatera Utara Tabel 4.25 Penolakan Variabel Pegujian Ke Empat Variables EnteredRemoved b Model Variables Entered Variables Removed Method 1 LN_ROA, LN_DER, LN_IOS a . Enter a. All requested variables entered. b. Dependent Variable: LN_PBV sumber : hasil olah data SPSS, 2015 Tabel 4.25 menunjukkan bahwa kolom Variables Removed kosong. Hal ini berarti variabel Investment Opportunity Set IOS, struktur modal DER, dan profitabilitas tidak ada yang dikeluarkan dari persamaan. Setelah diketahui bahwa seluruh variabel dimasukkan dalam analisis persamaan, selanjutnya dilakukan pengujian hipotesis koefisien korelasi dan koefisien determinasi seperti ditunjukkan Tabel 4.26 di bawah ini. Tabel 4.26 Uji Koefisien Determinasi Pengujian Ke Empat Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .892 a .796 .785 .33822 a. Predictors: Constant, LN_ROA, LN_DER, LN_IOS sumber : hasil olah data SPSS, 2015 Tabel 4.26 menunjukkan nilai R sebesar 0,892 atau 89,2. Hal ini berarti bahwa hubungan antara variabel dependen nilai perusahaan publik sektor industri manufaktur di Indonesia dengan variabel independennya Investment opportunity Set IOS, struktur modal, dan profitabilitas adalah sangat erat. Tabel 4.26 menunjukkan bahwa nilai Adjusted R Square dalam penelitian ini sebesar 0,796 yang berarti 79,6 nilai perusahaan publik sektor industri manufaktur di Universitas Sumatera Utara Indonesia dapat dijelaskan Investment opportunity Set IOS, struktur modal, dan profitabilitas, sedangkan sisanya 20,4 dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini. Standard Error of Estimated digunakan untuk mengukur variabel dari nilai yang diprediksi. Standard Error of Estimated disebut juga standar deviasi. Standard Error of Estimated dalam penelitian ini adalah 0,33822. Standar deviasi yang semakin kecil mengindikasikan bahwa model semakin baik. Ringkasan hasil uji hipotesis ditunjukkan Tabel 4.24 di bawah ini. Universitas Sumatera Utara Tabel 4.27 Ringkasan Uji Hipotesis Keterangan Model 1 Model 2 Model 3 Model 4 Variabel Dependen : Nilai Perusahaan Variabel Dependen : Profitabilitas Variabel Dependen : Nilai Perusahaan Variabel Dependen : Nilai Perusahaan Konstanta α0 2,252 Investment Opportunity Set IOS β0 0,340 Struktur Modal β1 0,454 Konstanta α1 2,850 Investment Opportunity Set IOS β2 0,166 Struktur Modal β3 -0,107 Konstanta α2 -0,825 Profitabilitas β4 0,699 Konstanta α3 0,725 Investment Opportunity Set IOS β5 0,252 Struktur Modal β6 0,512 Profitabilitas θ 0,536 R 0,831 0,478 0,730 0,892 R2 0,690 0,228 0,533 0,796 Adjusted R square 0,679 0,201 0,531 0,785 F 62,357 8,279 212,558 71,411 Sig. F 0,000 0,001 0,000 0,000 sumber : lampiran 3 Universitas Sumatera Utara Tabel 4.28 Ringkasan Uji Kriteria Koefisien Hasil β0 0,340 β0 signifikan β1 0,454 β1 signifikan β2 0,166 β2 signifikan β3 -0,107 β3 tidak signifikan β4 0,699 β4 signifikan β5 0,252 β5 signifikan β6 0,512 β6 signifikan θ 0,536 θ signifikan Kesimpulan Intervensi Sebagian sumber : lampiran 3 Dari hasil ringkasan kriteria uji di atas, terlihat bahwa koefisien regresi β4 dan β5 sebesar 0,725 dan signifikan pada 0,016. Nilai tersebut lebih kecil dari koefisien regresi β0 dan β1 sebesar 2,252, hal ini berarti bahwa profitabilitas merupakan variabel intervensi sebagian artinya bahwa profitabilitas hanya sebagian memediasi pengaruh Investment Opportunity Set IOS dan struktur modal terhadap nilai perusahaan publik sektor industri manufaktur di Indonesia. Untuk melihat besarnya pengaruh langsung dan tidak langsung dapat dijelaskan dengan melihat besarnya nilai koefisien path sebagai berikut: Pengaruh langsung X1 ke Y = 0,663 Pengaruh tidak langsung X1 ke Z ke Y = 0,476 x 0,370 Total Pengaruh = 0,83912 Pengaruh langsung X2 ke Y = 0,445 Pengaruh tidak langsung X2 ke Z ke Y = -0,151 x 0,370 Total Pengaruh = 0,38913 Total pengaruh Z ke Y = 0,370 Universitas Sumatera Utara

4.3 Pembahasan