Ringkasan mengenai definisi operasional variabel beserta cara pengukurannya dapat dilihat pada tabel 3.2 di bawah ini.
Tabel 3.2 Ringkasan Definisi Operasional Variabel
No Varabel Definisi atau Rumus
Pengukuran Skala
1 Underpricing UP=
Persentase Rasio
2 Umur AGE = tangal
perusahaan didirikan sampai IPO
Tahun Rasio
3 Persentase
Penawaran Saham
PPS = jumlah saham yang ditawarkan
kepada publik Persentase
Rasio
4 Ukuran
Perusahaan SIZE = total aktiva
perusahaan Rupiah
Rasio
3.5 Teknik Analisis Data
Data penelitian ini merupakan data sekunder yang akan dianalisis menggunakan alat statistik, antara lain sebagai berikut.
3.5.1 Analisis Regresi Linier Berganda
Penelitian ini menggunakan model analisis regresi linier berganda multiple regression analysis yang digunakan untuk mengukur hubungan
antara variabel dependen dengan variabel-variabel independen. Persamaan model ini dapat digambarkan sebagai berikut :
Universitas Sumatera Utara
UP = α + β
1
AGE +
β
2
PPS +
β
3
SIZE + e
Dimana : UP =
Underpricing α
= Konstanta β
1
- β
3
= Koefisien regresi tiap variabel independen AGE = Umur perusahaan
PPS = Persentase Penawaran Saham
SIZE = Ukuran Perusahaan e
= error Model analisis regresi linier berganda dapat digunakan apabila model
tersebut memenuhi asumsi normalitas data dan harus terbebas dari asumsi- asumsi klasik stastistik, yaitu tidak terdapat multikolinieritas, tidak terjadi
autokorelasi maupun tidak heteroskedastisitas.
3.5.2 Uji Asumsi Klasik
1. Uji Normalitas
Uji ini berguna untuk tahap awal pemilihan metode analisis data dan menghindari adanya bias. Uji normalitas bertujuan untuk mengetahui
apakah dalam model regresi, variabel dependen maupun variabel independen terdistribusi secara normal atau tidak. Pengujian ini diperlukan
karena untuk melakukan uji t dan uji F diasumsikan bahwa nilai residual
Universitas Sumatera Utara
mengikuti distibusi normal Erlina dan Sri Mulyani, 2007: 103. Jika asumsi ini tidak terpenuhi maka uji statistik menjadi tidak valid. Beberapa
cara untuk untuk melihat data terdistribusi normal atau tidak antara lain Kolmogorov-Smirnov, Histogram Display Normal Curve dan Kurva
Normal P-Plot. a.
Kolmogorov-Smirnov Untuk melihat apakah suatu data mempunyai distribusi normal atau
tidak dapat menggunakan uji Kolmogorov-Smirnov, yaitu dengan melihat nilai residualnya. Apabila nilai signifikannya lebih kecil dari
0,05 maka data tidak terdistribusi secara normal. Sebaliknya, apabila nilai signifikannya lebih besar dari 0,05 maka data terdistribusi secara
normal. b.
Histogram Display Normal Curve Data dikatakan normal jika bentuk kurva histogram memiliki
kemiringan yang cenderung seimbang antara sisi kiri maupun kanan, atau tidak condong ke kiri maupun kanan, dan bentuk kurva
menyerupai lonceng yang hampisr sempurna. c.
Kurva Normal Probability Plot Data yang dikatakan dalam keadaan normal apabila distribusi data
menyebar disekitar garis diagonal dan mengikuti arah garis diagonal kurva Normal Probabilty Plot.
Universitas Sumatera Utara
2. Uji Multikolinieritas
Uji ini bertujuan untuk mengetahui ada atau tidaknya korelasi atar variabel-variabel indenpenden. Multikolinieritas terjadi apabila terdapat
korelasi antar variabel independen. Jika terjadi korelasi diantara sesama variabel independen konsekuensinya adalah koefisien regresi tidak dapat
ditaksir dan nilai standar error setiap koefisien regresi menjadi tak terhingga Erlina dan Mulyani, 2007:107.
Ketentuan untuk mendeteksi ada tidaknya multikolinieritas menurut Lubis et all 2007:32, yaitu:
a. Jika nilai Variance Inflation Faktor VIF tidak lebih dari 10 dan nilai
Tolerance tidak kurang dari 0,1 maka dapat dikatakan model bebas dari Multikolinieritas. Apabila nilai VIF lebih dari 10 dan nilai
Tolerance kurang dari 0,1 maka terjadi Multikolinieritas. b.
Jika nilai koefisien korelasi antar masing-masing variabel independen kurang dari 0,7, maka model dapat dinyatakan bebas dari
Multikolinieritas. Jika lebih dari 0,7, maka diasumsikan terjadi Multikolinieritas.
3. Uji Heteroskedastisitas
Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang
lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap,
Universitas Sumatera Utara
maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas Erlina dan Mulyani, 2007:108.
Untuk menentukan terjadi atau tidaknya heteroskedastisitas dapat menggunakan Scatterplot model, yaitu:
a. apabila penyebaran titik-titik data tidak membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali, maka tidak terjadi heteroskedastisitas,
b. apabila titik-titik data menyebar diatas dan dibawah atau disekitar
angka 0, maka tidak terjadi hetoskedastisitas.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode satu
dengan kesalahan pada periode sebelumnya. Untuk menentukan ada tidaknya autokorelasi adalah dengan melihat model regresi linier
berganda, apabila nilai Durbin Watson berada dibawah angka 2 maka tidak ada autokorelasi Lubis et all, 2007:33. Cara lainya adalah dengan
uji Durbin Waston DW. Menurut Ghozali 2001 dalam Erlina dan Mulyani 2007:109,
pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
Universitas Sumatera Utara
a. apabila nilai DW terletak antara batas atas atau Upper Bound DU dan
4-DU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi,
b. apabila nilai DW lebih rendah daripada batas bawah atau Lower
Bound DL, maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif,
c. apabila nilai DW lebih besar dari 4-DL, maka koefisien autokorelasi
lebih kecil dari nol, berarti ada autokorelasi negatif, d.
apabila DW terletak diantara batas atas DU dan batas bawah DL atau DW terletak antara 4-DU dan 4-DL, maka hasilnya tidak dapat
disimpulkan.
3.5.3 Uji Hipotesis
1. Uji F Uji Simultan
Uji F bertujuan untuk mengetahui apakah variabel independen secara bersama-sama memiliki pengaruh terhadap variabel dependen.
Untuk mengetahui tingkat signifikansi pengaruh variabel independen dapat dilihat dari besarnya sig F. Apabila nilai sig F lebih kecil dari tingkat
alpa α = 0,05, maka variabel independen secara simultan berpengaruh
terhadap variabel dependen. Apabila nilai sig F lebih besar dari tingkat alpha maka variabel independen secara simultan tidak memiliki pengaruh
terhadap variabel dependen.
Universitas Sumatera Utara
Dengan besar taraf signifikan sebesar 5 α =0,05, maka ditentukan:
a. apabila nilai sig F
α 5 maka variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen,
b. apabila sig F
α 5 maka variabel independen secara simultan tidak berpengaruh signifikan terhadap variabel dependen.
2. Uji t Uji Parsial
Uji t bertujuan untuk mengetahui besarnya pengaruh masing- masing variabel independen secara individual terhadap variabel dependen
Lubis et all, 2007:51. Untuk mengetahui tingkat signifikansi pengaruh variabel independen dapat dilihat dari besarnya sig t. Apabila nilai sig t
lebih kecil dari tingkat alpa α = 0,05, maka variabel independen
berpengaruh terhadap variabel dependen. Apabila nilai sig t lebih besar dari tingkat alpha maka variabel independen tidak memiliki pengaruh
terhadap variabel dependen. Dengan besar taraf signifikan sebesar 5
α =0,05, maka ditentukan:
a. apabila sig t
α 5 maka variabel independen berpengaruh signifikan terhadap variabel dependen,
b. apabila sig t
α 5 maka variabel independen tidak berpengaruh signifikan terhadap variabel dependen.
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Penelitian
Penelititan ini menggunakan data-data mengenai perusahaan yang melakukan penawaran umum perdana atau initial public offering IPO dan
terdaftar dalam Bursa Efek Indonesia BEI pada periode 2010-2012. Selama periode tersebut terdapat 70 perusahaan yang melakukan IPO, namun hanya
59 perusahaan saja yang harga sahamnya mengalami underpricing dan memenuhi syarat untuk dijadikan sampel dalam penelitian ini. Seluruh data
dalam penelitian ini diolah menggunakan bantuan program aplikasi SPSS versi 17. Pengolahan data tersebut bertujuan untuk menguji hubungan umur
perusahaan, persentase penawaran saham dan ukuran perusahaan terhadap underpricing.
4.2 Hasil Penelitian
4.2.1 Statistik Deskriptif Variabel
Setelah dilakukan pengolahan terhadap data dari 59 perusahaan yang harga sahamnya mengalami underpricing saat melakukan IPO pada periode
2010-2012, maka diperoleh statistik deskriptif variabel yang dapat dilihat pada tabel 4.1 berikut ini.
Universitas Sumatera Utara
Tabel 4.1 Statistik Deskriptif Variabel
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Underpricing
59 1.32
70 26.8265
22.80961 AGE
59 1.08
56.37 16.3339
13.40899 PPS
59 3
49 21.2143
9.59060 SIZE
59 70005131296 43445700000000 4866594854967 7.847E12
Valid N listwise
59 Sumber : data yang diolah
Dari tabel tersebut dapat dilihat bahwa underpricing yang terjadi memiliki nilai rata-rata sebesar 26,83. Underpricing terendah yaitu sebesar
1,32 dialami oleh PT. MNC Sky Vision Tbk dan underpricing tertinggi yaitu sebesar 70 dialami oleh dua perusahaan yaitu PT. Bank Sinar Mas Tbk
dan PT. Multifiling Mitra Indonesia Tbk. Nilai rata-rata dari umur 59 perusahaan yang melakukan IPO pada
periode 2010-2012 adalah 16,33 tahun. Perusahaan dengan umur terendah adalah PT. Indofood CBP Sukses Makmur Tbk dengan umur 1,08 tahun.
Perusahaan dengan umur tertua adalah PT. PP Persero Tbk dengan umur 56,37 tahun.
Persentase penawaran saham oleh perusahaan kepada publik memiliki rata-rata sebesar 21,21, dengan nilai persentase penawaran terendah sebesar
3 yaitu PT Golden Energy Mines Tbk. Persentase penawaran saham terbesar dilakukan oleh PT. Express Transindo Utama Tbk yaitu sebanyak 49.
Universitas Sumatera Utara
Rata-rata ukuran perusahaan yang melakukan IPO periode 2010-2012 adalah 4.866.594.854.967 rupiah. Perusahaan dengan ukuran terbesar adalah
PT. Bank Pembangunan Daerah Jawa Barat dan Banten Tbk dengan total aktiva sebesar 43.445.700.000.000 rupiah. Perusahaan dengan ukuran terkecil
adalah PT. Golden Retailindo Tbk dengan total aktiva sebesar 70.005.131.296 rupiah.
4.2.2 Pengujian Asumsi Klasik