3. Jakarta Stock Exchange JSX Statistic Bursa Efek Indonesia untuk mengetahui daftar perusahaan yang go public.
4. Melalui download
dari beberapa
situs terkait,
seperti: http:www.bei.co.id, http:www.bapepam.go.id, http:puslit.petra.ac.id,
http: www.yahoofinance.com dan lain-lain.
D. Metode Analisis
1. Pengujian Hipotesis 1
Pengujian hipotesis 1 menggunakan uji one sample t test yang pada prinsipnya ingin menguji apakah suatu nilai tertentu berbeda secara nyata
ataukah tidak dengan rata-rata sebuah sampel. Nilai tertentu di sini pada umumnya adalah sebuah nilai parameter untuk mengukur suatu populasi.
Untuk menentukan apakah suatu nilai tertentu berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel, maka digunakan dasar
keputusan yang digunakan adalah jika nilai signifikansi t lebih kecil dari pada taraf keyakinan 5 maka Ho ditolak dan Ha diterima, artinya bahwa
nilai suatu variabel tidak berbeda secara nyata dengan rata-rata sebuah sampel.
Sebelum dilakukan pengujian menggunakan one sample t test, maka terlebih dahulu dilakukan uji normalitas dengan uji kolmogorov
smirnov untuk menunjukkan kenormalan distribusi data yang digunakan. Jika nilai signifikansi kolmogorov smirnov lebih besar dari
α = 5, maka data berdistribusi dengan normal.
Jika data terbukti normal, maka selanjutnya dilakukan pengujian one sample t test. Pengujian hipotesis menggunakan one sample test untuk
melihat apakah initial return R
i,t
berbeda secara signifikan atau tidak dengan rata-rata initial return R
t
selama pengamatan. One sample test digunakan untuk melihat nilai underpricing selama pengamatan pada hari
pertama perdagangan di bursa. Apakah nilai underpricing tersebut benar- benar berbeda dari nilai estimasi. Ketentuan untuk pengambilan keputusan
bila signifikansi 0,05 maka H ditolak dan H
a
diterima.
Jika benar nilai saham mengalami underpricing pada hari pertama perdagangan di bursa, maka rata-rata initial return R
t
adalah positif. Sebaliknya jika nilai saham tidak mengalami underpricing, maka rata-rata
initial return R
t
adalah negatif.
2. Pengujian Hipotesis 2,3,4,5, dan 6
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi dependent variable, independent variable ataupun keduanya
mempunyai distribusi normal atau tidak. Dalam penelitian ini, pengujian normalitas menggunakan uji statistik non parametrik
Kolmogorov-Smirnov. Pengujian dilakukan terhadap nilai residual. Uji dilakukan dengan membuat hipotesis:
H : Data residual berdistribusi normal
H
a
: Data residual tidak berdistribusi dengan normal.
Jika nilai signifikansi K-S 0,05 maka Ho diterima, berarti model regresi yang akan digunakan berdistribusi normal.
Jika nilai signifikansi K-S 0,05 maka Ho ditolak, berarti model regresi yang akan digunakan tidak berditribusi normal.
b. Uji Asumsi Klasik
Dalam menggunakan analisis regresi agar menunjukkan
hubungan yang valid atau tidak bias maka perlu dilakukan pengujian asumsi klasik pada model regresi yang digunakan. Adapun asumsi-
asumsi klasik diantaranya diantaranya: 1 Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen
saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi
antar sesama variabel independen sama dengan nol. Menurut Imam Ghozali 2003: 91 ada beberapa indikasi adanya
multikolinieritas, yaitu: a Jika statistic F signifikan tetapi statistik t banyak atau tidak ada
yang signifikan. b Jika R
2
relatif besar tetapi statistik t banyak atau tidak ada yang signifikan.
Untuk mendeteksi adanya multikolinieritas dapat juga dilihat dari besarnya VIF Variance Inflation Factor dan
Tolerance. Menurut Imam Ghozali 2001: 92, pedoman suatu model
regresi yang terbebas dari gejala multikolinearitas adalah: a Mempunyai nilai VIF 10.
b Mempunyai angka tolerance 0,1. 2 Uji Autokorelasi
Salah satu asumsi dari model regresi linier klasik adalah bahwa tidak ada autokorelasi atau korelasi serial autocorrelation
or serial correlation antara kesalahan penggangu ei. Autokorelasi dapat didefinisikan pula terjadinya korelasi
diantara data pengamatan sebelumnya, dengan kata lain bahwa munculnya suatu data dipengaruhi oleh data sebelumnya. Tujuan
dari uji autokorelasi ini adalah untuk menguji apakah dalam model linier ada korelasi antara kesalahan penggangu dengan periode t
dengan kesalahan pada periode t-1. Sebelumnya, jika terjadi korelasi maka dinamakan ada problem autokorelasi.
Untuk mendeteksi adanya autokorelasi atau tidak, dapat dilihat melalui nilai Durbin-Watson. Bila nilai DW terletak
diantara du d 4 – du maka dapat dikatakan tidak terjadi autokorelasi baik positif maupun negatif, dimana du adalah batas
atas dan dl adalah batas bawah.
Hipotesis yang akan diuji adalah: H
: Tidak terjadi autokorelasi H
a
: Ada autokorelasi
Tabel 3.3 Kriteria Keputusan Durbin Watson
Syarat Keputusan
Kesimpulan ddl
Tolak H Ada autokorelasi positif
dl ≤ d ≤ du
Tidak ada keputusan Ragu-ragu ada autokorelasi positif
du d 4-du Terima H
Tidak ada autokorelasi positif atau negatif
4-du ≤ d ≤ 4-dl Tidak ada keputusan Ragu-ragu ada autokorelasi negatif
4-dl d 4 Tolak H
Tidak ada autokorelasi negatif Sumber: N.D Nachrowi dan Hardius Usman, 2006
3 Uji Heteroskedastisitas Heteroskedastisitas adalah suatu keadaan dimana varian
dari kesalahan pengganggu tidak konstan untuk semua nilai variabel bebas. Uji heteroskedastisitas ini bertujuan untuk menguji
apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika tetap
konstan, maka disebut homoskedastisitas dan bila berbeda disebut heteroskedastisitas.
Menurut Imam Ghozali 2001:105 ada beberapa cara
untuk mendeteksi ada tidaknya heteroskedastisitas, antara lain: a Melihat grafik plot antara nilai prediksi variabel terikat
ZPRED dengan residualnya SRESID. Deteksi ada tidaknya
heteroskedastisitas dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana
sumbu X dan Y yang telah diprediksi dan sumbu Y adalah residual
Y prediksi
–Y sesungguhnya
yang telah
distudentized. b Dasar analisis, jika ada pola tertentu seperti titik-titik yang ada
membentuk suatu pola tertentu yang teratur bergelombang, melebar,
kemudian menyempit,
maka telah
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas serta titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
c. Regresi Berganda
Persamaan regresi adalah persamaan matematika yang mendefinisikan hubungan dua variabel atau lebih. Hubungan yang
dimaksud yaitu variabel independen X dan variabel dependen Y. Pada penelitian ini, nilai perusahaan yang melakukan IPO sebagai
variabel dependen sedangkan ownership retension, underpricing, investment, dan firm size sebagai variabel independen. Variabel firm
size adalah variabel dummy dengan memberikan nilai 1 untuk kategori perusahaan besar serta nilai 0 untuk perusahaan kecil. Pengujian
hipotesis pada penelitian ini menggunakan 2 model regresi, sehingga model analisis untuk penelitian ini dirumuskan sebagai berikut:
NP
j
= a + b
1
OWN
j
+ b
2
UP
j
+ b
3
INV
j
+ b
4
SIZE
j
+ ε
j
NP
j
= a + b
1
OWN
j
+ b
2
AUP
j
+ b
3
INV
j
+ b
4
SIZE
j
+ ε
j
Keterangan ; NP
j
= Nilai perusahaan yang melakukan IPO a
= Konstanta b
1
-
b
4
= Koefisien regresi OWN
j
= Ownership Retention UP
j
= Underpricing AUP
j
= Adjusted Underpricing yaitu tigkat underpricing yang sudah disesuaikan dengan return pasar.
INV
j
= Investment SIZE
j
= Firm Size, merupakan variabel dummy, 0 untuk kategori perusahaan kecil dan 1 untuk kategori perusahaan besar.
d. Uji Signifikansi Parsial Uji t
Uji t adalah untuk menguji pengaruh variabel independen terhadap variabel dependen. Dalam hal ini, variabel independen terdiri
dari ownership retention, underpricing, investment, dan firm size, sedangkan variabel dependennya adalah nilai perusahaan yang
melakukan IPO. Uji t digunakan untuk melihat apakah ada pengaruh yang
signifikan antara variabel ownership retension, underpricing, investment, dan firm size secara parsial.
b i
i
S b
T
Dimana bi : Koefisien variabel ke i βi : Parameter ke I yang dihipotesiskan
Sb : Kesalahan standar, atau standar error sample. Adapun Sb dapat dihitung dengan cara:
2 2
i r
C b
X X
S S
dan
k n
Y X
b Y
a Y
S
i i
i i
C
2
Adapun untuk menguji hipotesis digunakan statistik t dengan kriteria pengambilan keputusan:
Jika t hitung t tabel maka Ho ditolak dan Ha diterima, artinya variabel independen secara parsial mempunyai pengaruh signifikan
terhadap variabel dependen. Jika nilai signifikansi t lebih kecil dari pada taraf keyakinan 5
maka Ho ditolak dan Ha diterima, artinya variabel independen secara parsial mempunyai pengaruh signifikan terhadap variabel
dependen.
e. Uji Signifikansi Simultan Uji F
Uji F dilakukan untuk menguji apakah variabel-variabel independen ownership retension, underpricing, investment, dan firm
size secara simultan atau bersama-sama mempunyai pengaruh terhadap variabel dependen nilai perusahan yang melakukan IPO.
K -
n R
- 1
1 -
K R
hitung F
2 2
Dimana : R
2
= Koefisien Regresi
K = Jumlah variabel penelitian n = Jumlah sample
Adapun untuk menguji hipotesis digunakan statistik F dengan kriteria pengambilan keputusan:
Jika F hitung F tabel maka Ho ditolak dan Ha diterima, artinya variabel-variabel independen secara simultan mempunyai pengaruh
signifikan terhadap variabel dependen. Jika nilai signifikansi F lebih kecil dari pada taraf keyakinan 5
maka Ho ditolak dan Ha diterima, artinya variabel-variabel independen secara simultan mempunyai pengaruh signifikan
terhadap variabel dependen.
f. Adj R Square
Uji ketepatan perkiraan R
2
dilakukan untuk mendeteksi ketepatan paling baik dari garis regresi. Uji ini dilakukan dengan
melihat besarnya nilai koefisien determinasi R
2
merupakan besaran nilai non negatif. Besarnya nilai koefisien determinasi adalah antara
nol sampai dengan 1 1 ≥ R
2
≤ 0. Koefisien determinasi bernilai nol
berarti tidak ada hubungan antara variabel independent dengan variabel dependen, sebaliknya nilai koefisien determinasi 1 berarti
suatu kecocokan sempurna dari ketepatan perkiraan model.
E. Operasional Variabel
1. Dependen Variabel
