Analisis Deskriptif Hasil Regresi Linear Berganda

4.2 Hasil Penelitian

Tujuan Peneltian ini adalah untuk menguji apakah debt to equity, return on equity, return on asset dan earning per share bepengaruh terhadap priec earning ratio pada perusahaan perbankan di Bursa Efek Indonesia.. Teknik penarikan sampel yang digunakan adalah berdasarkan kriteria tertentu, dan dari 31 perusahaan perbankan yang ada di bursa efek Indonesia, diperoleh 15 sampel yang memenuhi kriteria. Periode yan diambil adalah 3 Tiga tahun yaitu tahun 2010 hingga tahun 2012.

3.2.1 Analisis Deskriptif

Statistik deskriptif bertujuan untuk memberikan ringkasaan dan gambaran umum tetang objek penelitian yang dijadiakan sampel penelitian. Penjelasan data melalui statistik deskriptif diharapkan memberikan gambaran awal tentang masalah yang diteliti. Deskripsi data penelitian dari masing-masing variabel yang meliputi nlai mean, nilai maksimum, nilai minimum dan standar deviasi baik dari variabel bebas dan variabel terikat pada perusahaan sektor aneka Industri yang terdaftar di Bursa Efek Indonesia. Universitas Sumatera Utara Tabel 4.1 Statistik Deskriptif Sumber : Output SPSS 2014 Berdasarkan hasil yang diperoleh dari Tabel 4.1 maka dapat dijelaskan bahwa : 1. Variabel debt to equity DER memiliki jumlah sampel N sebanyak 45, dengan nilai minimum 0,071 dan nilai maksimum 65,35. Rata-rata sebesar 8.44771 dengan standar deviasi 9.758032. 2. Variabel return on equity ROE memiliki jumlah sampel N 45, nilai minimum sebesar 0,001 dan tingkat maksimum sebesar 0,313 dengan rata- rata 0,12556 dengan standard deviasi sebesar 0,076888. 3. Variabel return on asset ROA memiliki jumlah sampel N 45, nilai minimum 0,001 dan nilai maksimum 0,034, dengan tingkat rata-rata sebesar 0,01597 dan tingkat standard deviasi 0,008381. Descriptive Statistics N Minimum Maximum Mean Std. Deviation DER 45 .073 65.350 8.44771 9.758032 ROE 45 .001 .313 .12556 .076888 ROA 45 .001 .034 .01597 .008381 EPS 45 5.110 778.930 197.35156 207.113300 PER 45 6.531 29.185 14.45387 5.280803 Valid N listwise 45 Universitas Sumatera Utara 4. Variable earning per share EPS memiliki jumlah sampel N 45, nilai minimum 5,11 dan nilai maksimum 778,93. Rata-rata EPS perusahaan sebesar 197.35156 dengan standar deviasi 207.11330. 5. Variabel price earning ratioPER memiliki jumlah sampel N 45, nilai minimum 6,531 dan nilai maksimum 29,185. Rata-rata sebesar 14,45387 dengan standar deviasi 5.280803

3.2.2 Pengujian Asumsi Klasik

4.2.2.1 Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah data-data dari variabel yang digunakan dalam penelitian terdistribusi normal atau tidak. Uji normalitas dalam penelitian ini dilakukan dengan dua cara, yaitu melalui analisis grafik dan analisis statistik. Normalitas data dapat dideteksi melalui analisis grafik dengan melihat bentuk gambar kurva dari Histogram Display Normal Curve. Data dikatakan normal jika bentuk kurva tersebut tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng. Selain itu, normalisasi data juga dapat dilihat dengan menggunakan Normal P- Plot dimana data dikatakan dalam keadaan normal apabila distribusi data menyebar di sekitar garis diagonal. Sedangkan uji statistik yang dapat digunakan dalam uji normalitas adalah Uji Kolmogorov – Smirnov K-S. Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut: a. Apabila nilai signifikansi atau nilai probabilitas 0,05; maka H diterima, yang berarti data berdistribusi normal. Universitas Sumatera Utara b. Apabila nilai signifikansi atau nilai probabilitas 0,05; maka H ditolak, yang berarti data tidak berdistribusi normal. Adapun hasil pengujian normalitas dalam penelitian ini dapat dilihat sebagai berikut: 1. Uji Normalitas Pada Multinational Company MNC Sumber: Hasil pengolahan data dengan SPSS Sumber: Hasil Penelitian, 2014 Data diolah Gambar 4.1 Histogram Uji Normalitas Perusahaan Perbankan di BEI Universitas Sumatera Utara Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa grafik tersebut memberikan pola distribusi yang normal, karena kurvanya tidak menceng ke kiri atau ke kanan. Untuk lebih menjelaskan bahwa data yang diuji berdistribusi normal dapat juga dilihat dengan grafik normal probability plot yang menunjukkan titik- titik menyebar di sekitar garis diagonal, sebagaimana ditampilkan pada Gambar 4.2 berikut: Sumber: Hasil pengolahan data dengan SPSS Gambar 4.2 Grafik Normal P-P Plot Perusahaan Perbankan di BEI Universitas Sumatera Utara Cara lain untuk melihat distribusi data normal atau tidak adalah dengan melakukan uji Kolmogrov Smirnov. Dengan menggunakan tingkat signifikan 5, maka jika nilai Asymp. Sig. 2-tailed di atas 5 artinya variabel residual berdistribusi normal. Untuk lebih jelas dapat dilihat pada Tabel 4.2: Tabel 4.2 Kolmogrov-Smirnov Data Perusahaan Perbankan di BEI One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 45 Normal Parameters a,,b Mean .0000000 Std. Deviation 5.00636160 Most Extreme Differences Absolute .120 Positive .120 Negative -.074 Kolmogorov-Smirnov Z .804 Asymp. Sig. 2-tailed .537 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian, 2014 Data diolah Pada Tabel 4.2 dapat dilihat bahwa nilai Asymp.Sig 2-tailed adalah 0,537 dan di atas nilai signifikansi 0,05 dan Nilai Kolmogrov-Smirnov Z sebesar 0,804. Dengan kata lain variabel residual berdistribusi normal karena karena p = 0,537 0,05. Universitas Sumatera Utara

4.2.2.2 Uji Heteroskedastisitas

Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lainnya. Uji untuk mengetahui heteroskedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pencar scatterplot. Sumber: Hasil Penelitian, 2014 Data diolah Gambar 4.3 Grafik Scatterplot Perusahaan Perbankan di BEI Pada Gambar 4.3 terlihat bahwa titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas. Hal ini menunjukkan tidak Universitas Sumatera Utara terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai .

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah dalam sebuah model regresi terdapat korelasi antara variabel pengganggu pada periode tertentu dengan variabel pengganggu pada periode sebelumnya. Gejala autokorelasi dideteksi dengan menggunakan uji Durbin Watson DW. Kriteria pengambilan keputusan uji autokorelasi ditunjukkan pada Tabel berikut: Tabel 4.3 Kriteria Pengambilan Keputusan Uji Autokorelasi Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 d dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidak ada korelasi negatif Tolak 4 – dl d 4 Tidak ada korelasi negatif No decision 4 – du ≤ d ≤ 4 – dl Tidak ada autokorelasi positif atau negative Tidak ditolak Du d 4 – du Sumber : Situmorang et al 2012 : 126 Tabel 4.4 Autokorelasi Model Summary b odel R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson .318 a .101 .011 5.25072 1.567 a. Predictors: Constant, EPS, DER, ROE, ROA b. Dependent Variable: PER Sumber: Hasil Penelitian, 2014 Data diolah Universitas Sumatera Utara Pada hasil output SPSS yang digambarkan dalam Tabel 4.5 terlihat nilai DW sebesar 1,567 dengan jumlah pengamatan sebanyak 45 dan kasus = 5, maka nilai du = 1,7762 dan nilai dl = 1,2874. Melalui data tersebut diperoleh hasil bahwa dl d du 1,2878 1,567 1,7762. Maka disimpulkan terjadi autokorelasi positif pada model regresi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu dengan yang lainnya. Masalah ini muncul karena kesalahan pengganggu dari satu observasi tidak bebas ke observasi lainnya. Deteksi terhadap autokorelasi dapat juga dilakukan dengan metode The Runs Test seperti dalam Tabel 4.6 berikut : Tabel 4.5 Autokorelasi ‒ The Runs Test Runs Test Unstand ardized Residual Test Value a -.64981 Cases Test Value 22 Cases = Test Value 23 Total Cases 45 Number of Runs 22 Z -.298 Asymp. Sig. 2-tailed .765 Sumber: Hasil Penelitian, 2013 Data diolah Universitas Sumatera Utara Hasil output SPSS menunjukkan bahwa nilai test adalah -0,64891 dengan probabilitas 0,765. Nilai signifikansi berada di bawah 0,05 yang berarti tidak menerima hipotesis nol H . Sehingga dapat disimpulkan bahwa residual bersifat tidak random atau terjadi autokorelasi antar nilai residual.

4.2.2.4 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasihubungan linier antarvariabel independen. Hubungan linear antarvariabel independen inilah yang disebut multikolinearitas. Adanya multikolinearitas dapat dilihat dari tolerance value atau nilai Variance Inflation Factor VIF. Batas tolerance value adalah 0,1 dan batas VIF ada lah 5, dimana tolerance value 0,1 atau VIF 5 maka terjadi multikolinearitas dan tolerance value 0,1 atau VIF 5 maka tidak terjadi multikolinearitas. Tabel 4.6 Hasil Regresi Linear Berganda Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Constant 17.591 2.001 8.792 .000 DER -.098 .084 -.181 -1.175 .247 .943 1.061 ROE -5.687 15.664 -.083 -.363 .718 .432 2.315 ROA -62.004 193.055 -.098 -.321 .750 .239 4.178 EPS -.003 .006 -.120 -.516 .609 .416 2.404 a. Dependent Variable: PER Universitas Sumatera Utara Dari Tabel 4.7 di atas, terlihat bahwa setiap variabel independen memiliki tolerance value 0,1 dan VIF 5. Sehingga dapat disimpulkan bahwa dalam model regresi tidak terdapat multikolinearitas.

4.2.3 Hasil Regresi Linear Berganda

Dari Tabel diperoleh persamaan regresi linear berganda sebagai berikut : Y = 17,591-0,098 X1 -5,687 X2 – 62,004 X3 – 0,003 X4 +e Dimana Y = Price earning ratio X 1 = Debt to equity X 2 = Return on equity X 3 = Return on asset X 4 = Earning per share e = Standar eror Interpretasi model : a. Konstanta bernilai 17,591. Hal ini menunjukkan bahwa price earning ratio PER adalah Rp 17,591 satuan, apabila kedua variabel bebas yang diteliti nilainya sama dengan nol. Dengan kata lain, price earning ratio akan tetap sebesar Rp 17,591 jika variabel bebasnya tidak memiliki pengaruh b. Koefisien regresi debt to equity DER bernilai -0,098 artinya jika DER meningkat sebesar 1 satuan, maka PER akan mengalami penurunan sebesar -0,098 kali. Universitas Sumatera Utara c. Koefisien regresi return on equity ROE bernilai -5,687 artinya jika ROEmeningkat sebesar 1 satuan, maka PER akan mengalami penurunan sebesar -5,687 kali. d. Koefisien regresi return on asset ROA bernilai – 62,004 artinya jika ROA meningkat sebesar 1 satuan, maka PER akan mengalami penurunan sebesar – 62,004 kali. e. Koefisien regresi earning per share EPS bernilai – 0,003 artinya jika EPS meningkat sebesar 1 satuan, maka PER akan mengalami penurunan sebesar -0,003 kali. 4.2.4 Pengujian Hipotesis 4.2.4.1 Uji Serempak Uji-F