H. Teknik Analisis Data
1. Analisis Statistik Deskriptif
Statistik deskritif memberikan gambaran atau deksripsi data yang dilihat dari nilai minimum, maksimum,
mean
, dan standar deviasi.
Mean
menunjukkan nilai rata-rata. Maksimum dan minimum menunjukkan nilai terbesar dan terkecil. Analisis statistik deskritif dalam penelitian ini digunakan
untung menghitung nilai minimum, maksimum,
mean
, dan standar deviasi pada variabel independen PRO, LIK, LEV, DPR, dan FCF serta variabel
dependen nilai perusahaan. 2.
Pengujian Asumsi Klasik a.
Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2006: 110. Pengujian normalitas dilakukan melalui
Kolmogorov-Smirnov
.
Kolmogorov-Smirnov
digunakan untuk mengetahui apakah data yang akan dianalisis berdistribusi normal atau tidak berdistribusi normal. Penerapan
pada uji
Kolmogorov-Smirnov
sebagai berikut: 1
Apabila angka signifikansi ≥ 0,05, maka data berdistribusi normal. 2
Apabila angka signifikansi 0,05, maka data tidak berdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas berarti antara variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi saling berkorelasi linear.
Menurut Ghozali 2006: 91, uji multikolinearitas bertujuan untuk menguji model regresi ditemukan adanya korelasi antar variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Menurut Ghozali 2006: 93, untuk
mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
1 Nilai R
2
yang dihasilkan sangat tinggi, tetapi secara individual variabel-variabel banyak tidak signifikan memperngaruhi variabel
independen. 2
Jika antar variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,90 maka hal ini merupakan indikasi adanya
multikolinearitas. 3
Multikolinearitas dapat juga dilihat dari
nilai tolerance
dan
variance inflantion factor
VIF. Batas nilai
tolerance
0,01 dan nilai VIF lebih kecil dari 10.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji dalam model regresi terjadi ketidaksamaan
variance
dari residual satu pengamatan ke pengamatan yang lain Ghozali, 2006: 105. Jika
variance
dari residual satu
pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah
homoskedastisitas. Penelitian ini menggunakan grafik scatterplot untuk mengetahui ada tidaknya heteroskedastisitas pada suatu model regresi.
Pengambilan keputusannya yaitu: 1
Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka terjadi heteroskedastisitas. 2
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. d.
Uji Autokorelasi Uji autokorelasi bertujuan menguji dalam regresi linier ada korelasi
antara kesalahan penggangu pada periode t dengan kesalahan penggangu pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya Ghozali, 2006: 95. Model regresi yang baik tidak terjadinya autokorelasi. Untuk
mendeteksi ada atau tidaknya autokorelasi di dalam model regresi, dapat melakukan uji
Run Test
dengan melihat nilai
Asymp Sig
. Apabila nilai
Asymp Sig.
lebih besar dari 0,05 maka dapat disimpulkan bahwa model regresi terbebas dari autokorelasi.
3. Analisis Regresi Data Panel
Regresi dengan menggunakan data panel disebut model regresi data panel. Data panel merupakan data yang memiliki dimensi waktu dan dimensi
ruang Suharjo, 2008: 131. Data panel mampu menyediakan data yang lebih banyak karena menggabungkan informasi dari
time series
dan
cross section
sehingga menghasilkan
degree of freedom
yang lebih besar. Dalam penelitian dengan menggunakan data panel, minimal ada tiga
prosedur model yang diuji: a
OLS Model OLS
Ordinary Least Square
merupakan model yang dapat digunakan dalam analisis regresi berganda. Menurut Kuncoro 2003,
persamaan yang dapat digunakan dalam model OLS sebagai berikut: Y =
α
1
+ ß
2
X
1it
+ ß
3
X
2it
+ e
Keterangan: Y
= Variabel dependen α
1
= Intersep konstanta ß
2
- ß
3 =
Koefisien Regresi X
1
, X
2
= Variabel Independen e
= Error term b
Fixed Effect Fixed effect
merupakan model yang menggunakan variabel dummy untuk menangkap adanya perbedaan
intercept
. Persamaan yang dapat digunakan dalam model
Fixed Effect
sebagai berikut: Y
it
= α
1
+ α
2
D
2i
+ α
3
D
3i
+ ... + α
t
D
it
+ ß
2
X
2it
+ ß
3
X
3it
+ e
Keterangan: α
1
= Intersep konstanta perusahaan pembanding D
2....
D
it
= Dummy variabel untuk sejumlah perusahaan ß
2
- ß
3
= Koefisien regresi e
= Error term c
Random Effect
Persamaan model
Random Effect:
Y
it
= ß + ß
1
X
1
t + ß
2
X
2
t + µ Setiap individu mempunyai keragaman konstanta dan berlaku bagi
pengamatan di dalam individu tersebut. Dalam penelitian ini menggunakan model penelitian analisis regresi data
panel dengan model
Fixed Effect
. Data panel merupakan gabungan data
cross section
dan
time series
Ghozali, 2006: 21. Untuk mencari koefisien regresi setiap variabel independen dapat menggunakan persamaan regresi berikut:
Tobins = α
1
+ α
2
D
2i
+ α
3
D
3i
+ α
4
D
4i
+ α
5
D
5i
+ ... + α
15
D
15i
+ β
2
PRO + β
3
LIK +
β
4
LEV + β
5
DPR + β
6
FCF +
e Keterangan :
α
1
: Intersep konstanta perusahaan pembanding D
2
...D
15
:
Dummny Variabel
untuk 14 perusahaan sedangkan sisanya, satu perusahaan D
1
dipakai sebagai perusahaan pembanding bebas untuk memilih perusahaan mana sebagai perusahaan pembanding
β
2
- β
6
: Koefisien Regresi PRO
: Profitabilitas LIK
: Likuiditas LEV
:
Leverage
DPR :
Dividend Payout Ratio
FCF :
Free Cash Flow e
:
Error Term
4. Pengujian Hipotesis
a. Pengujian secara simultan uji F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel terikat Kuncoro, 2003: 219. Langkah- langkah dalam pengujian secara simultan adalah:
1 Merumuskan hipotesis
H
o
: β
1
= β
2
= β
3
= β
4
= β
5
= 0 H
o
: Rasio profitabilitas, likuiditas,
leverage
,
dividend payout ratio
dan
free cash flo
w secara bersama-sama tidak berpengaruh terhadap nilai perusahaan.
H
a
: β
1
≠ β
2
≠ β
3
≠ β
4
≠ β
5
≠ 0 H
a
: Rasio profitabilitas, likuiditas,
leverage
,
dividend payout ratio
dan
free cash flo
w secara bersama-sama berpengaruh terhadap nilai perusahaan.
2 Menentukan taraf nyata α dan F tabel
Taraf nyata α = 5 Nilai F tabel dengan derajat bebas = k-1 dan n-k
3 Menentukan kriteria pengujian
Apabila F
hitung
F
tabel
, maka H
o
ditolak. Apabila F
hitung
≤ F
tabel
, maka H
o
tidak ditolak.
4 Membandingkan F
hitung
dan F
tabel
Apabila nilai F hasil perhitungan lebih besar daripada nilai F menurut tabel maka hipotesis alternatif, yang menyatakan bahwa semua
variabel independen secara serentak dan signifikan mempengaruhi variabel dependen Kuncoro, 2003: 220.
5 Menarik kesimpulan
H
o
ditolak, berarti rasio profitabilitas, likuiditas,
leverage
,
dividend payout ratio
dan
free cash flo
w secara bersama-sama berpengaruh terhadap nilai perusahaan.
H
o
tidak ditolak, berarti rasio profitabilitas, likuiditas,
leverage
,
dividend payout ratio
dan
free cash flo
w secara bersama-sama tidak berpengaruh terhadap nilai perusahaan.
b. Pengujian secara parsial uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabal penjelas secara individual dalam menerangkan variasi
variabel terikat Kuncoro, 2003: 218. 1
Merumuskan hipotesis a
H
01
: Rasio profitabilitas tidak berpengaruh positif terhadap nilai perusahaan.
H
a1
: Rasio profitabilitas berpengaruh positif terhadap nilai perusahaan.
b H
02
: Rasio likuiditas tidak berpengaruh positif terhadap nilai perusahaan.
H
a2
: Rasio likuiditas berpengaruh positif terhadap nilai perusahaan.
c H
03
: Rasio
leverage
tidak berpengaruh negatif terhadap nilai perusahaan.
H
a3
: Rasio
leverage
berpengaruh negatif terhadap nilai perusahaan.
d H
04
:
Dividend payout ratio
tidak berpengaruh positif terhadap nilai perusahaan.
H
a4
:
Dividend payout ratio
berpengaruh positif terhadap nilai perusahaan.
e H
05
:
Free cash flow
tidak berpengaruh positif terhadap nilai perusahaan.
H
a5
:
Free cash flow
berpengaruh positif terhadap nilai perusahaan.
2 Menentukan taraf nyata α dan t tabel
Taraf nyata α = 5 Nilai t
tabel
dengan derajat bebas df = n-1 3
Membandingkan nilai t
hitung
dengan t
tabel
4 Menentukan kriteria pengujian
Apabila t
hitung
t
tabel
, maka H
o
ditolak
Apabila t
hitung
≤ t
tabel
, maka H
o
tidak ditolak 5
Menarik kesimpulan H
o
ditolak atau H
o
tidak ditolak a
Jika H
01
ditolak, berarti rasio profitabilitas berpengaruh positif terhadap nilai perusahaan.
Jika H
01
tidak ditolak, berarti rasio profitabilitas tidak berpengaruh positif terhadap nilai perusahaan.
b Jika H
02
ditolak, berarti rasio likuiditas berpengaruh positif terhadap nilai perusahaan.
Jika H
02
tidak ditolak, berarti rasio likuiditas tidak berpengaruh positif terhadap nilai perusahaan.
c Jika H
03
ditolak, berarti rasio
leverage
berpengaruh negatif terhadap nilai perusahaan.
Jika H
03
tidak ditolak berarti rasio
leverage
tidak berpengaruh negatif terhadap nilai perusahaan.
d Jika H
04
ditolak, berarti
dividend payout ratio
berpengaruh positif terhadap nilai perusahaan.
Jika H
04
tidak ditolak, berarti
dividend payout ratio
tidak berpengaruh positif terhadap nilai perusahaan.
e Jika H
05
ditolak, berarti
free cash flow
berpengaruh positif terhadap nilai perusahaan.
Jika H
05
tidak ditolak, berarti
free cash flow
tidak berpengaruh positif terhadap nilai perusahaan.
c. Pengujian Koefisien Determinasi R
2
Koefisien determinasi merupakan perangkat yang mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
terikat. Nilai koefisien determinasi adalah di antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel independen dalam menjelaskan variabel-variabel dependen amat terbatas Kuncoro, 2003: 220. Nilai
yang mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel
independen. Semakin besar nilai koefisien determinasi semakin baik kemampuan variabel X menerangkan atau menjelaskan variabel Y.
Apabila nilai R
2
= 1 menunjukkan bahwa 100 total variasi diterangkan oleh varian persamaan regresi, atau variabel independen baik X
1
maupun X
2
mampu menerangkan variabel Y sebesar 100 Purwanto, 2004: 515.
46
BAB IV GAMBARAN UMUM PERUSAHAAN
Kategori