Persamaan Regresi Linier Berganda

yang akan datang tidak begitu besar. Pada tahun 2008-2009 mengalami kenaikan dan pada saat itulah yang akan menarik investor untuk menanamkan modal karena kemampuan perusahaan untuk mendapatkan laba dimasa yang akan datang cukup besar, dilihat pada perkembangan pertumbuhan ekonomi di Indonesia.

4.3 Analisis Verifikatif Pengaruh

Return on equity ROE, dan debt to equity ratio DER , terhadap Price earning ratio PER pada PT. Unilever Indonesia, Tbk Periode 2005-2009 Untuk melihat apakah return on equity ROE, dan debt to equity ratio DER berpengaruh terhadap price earning ratio PER pada PT. Unilever Indonesia tbk periode 2005-2009, akan dilakukan analisis regresi linier berganda.

4.3.1 Persamaan Regresi Linier Berganda

a Analisis Regresi Linier Berganda

Analisis koefisien linier regresi berganda digunakan peneliti dengan maksud untuk mengetahui besarnya Return On Equity dan Debt To Equity Ratio terhadap Price Earning Ratio . Maka perhitungan sebagai berikut : Tabel 4.4 Perhitungan Analisis Statistik dalam jutaan rupiah Perhitungan Manual Regresi Linier Berganda X 1 dan X 2 terhadap Y No X 1 X 2 Y X 1 X 2 Y X 1 2 X 2 2 X 1 X 2 X 1 Y X 2 Y Y 2 1 66,27 76,30 22,64 - 8,07 - 19,86 - 3,47 65,09 394,42 160,23 28,01 68,95 12,05 2 72,69 94,90 29,25 - 1,65 -1,26 3,14 2,72 1,59 2,08 -5,17 -3,95 9,85 3 72,88 98,00 26,25 - 1,46 1,84 0,14 2,13 3,39 -2,68 -0,20 0,25 0,02 4 77,64 109,6 24,72 3,30 13,44 - 1,39 10,90 180,63 44,38 -4,60 -18,71 1,94 5 82,21 102,0 27,70 7,87 5,84 1,59 61,97 34,11 45,97 12,50 9,27 2,52 Jumlah ΣX 1 ΣX 2 ΣY ΣX 1 2 ΣX 2 2 ΣX 1 X 2 ΣX 1 Y ΣX 2 Y ΣY 2 371,6 9 480,8 130,5 6 142,81 614,13 249,98 30,54 55,82 26,38 Rata- Rata 74,34 96,16 26,11 Persamaan regresi linier berganda yang akan dibentuk adalah: ˆ Y = a + b 1 X 1 + b 2 X 2 ˆ Y = nilai taksiran untuk variabel Price Earning Ratio PER a = konstanta b i = koefisien regresi X 1 = Return On Equity ROE X 2 = Debt To Equity Ratio DER Maka diperoleh: • Koefisien regresi b 1 : 2 1 2 2 1 2 1 2 2 2 1 2 1 2 X Y X X Y X X b X X X X − = − ∑ ∑ ∑ ∑ ∑ ∑ ∑ 1 2 30, 54 614,13 55,82 249, 98 142,81 614,13 249, 98 b − = − 1 18757, 94 13953, 49 87701, 66 62487,8 b − = − 1 4804, 45 25213,86 b = 1 0,191 b = • Koefisien regresi b 2 : 2 2 1 1 1 2 2 2 2 2 1 2 1 2 X Y X X Y X X b X X X X − = − ∑ ∑ ∑ ∑ ∑ ∑ ∑ 2 2 55,82 142,81 30, 54 249, 98 142,81 614,13 249, 98 b − = − 2 7971,34 7635, 21 87701, 66 62487,80 b − = − 2 336,13 25213,86 b = 2 0, 013 b = • Konstanta a : 1 1 2 2 a Y b X b X = − − 26,112 0,191 74,338 0, 013 96,16 a = − − 26,112 14,165 1, 282 a = − − 10, 665 a = Dengan demikian diperoleh persamaan regresi sebagai berikut: Y = 10,665 + 0,194X 1 +0,013 X 2 Dengan menggunakan software SPSS, diperoleh hasil analisis regresi linier berganda sebagai berikut: Coeffi cients a 10,665 21,216 ,503 ,665 ,191 ,491 ,443 ,388 ,735 ,013 ,237 ,064 ,056 ,960 Const ant ROE DE R Model 1 B St d. E rror Unstandardized Coeffic ients Beta St andardiz ed Coeffic ients t Sig. Dependent Variable: PE R a. Berdasarkan output di atas, diperoleh nilai a sebesar 10,665, nilai b 1 sebesar 0,191 dan b 2 sebesar 0,013. Dengan demikian maka dapat dibentuk persamaan regresi linier berganda sebagai berikut: ˆ Y = 10,665 + 0,191X 1 + 0,013X 2 Nilai a b 1 dan b 2 dalam persamaan di atas dapat di interpretasikan sebagai berikut: a = 10,665 artinya: jika Return On Equity ROE dan Debt To Equity Ratio DER bernilai 0 persen maka Price Earning Ratio PER akan bernilai 10,665 persen. b 1 = 0,191 artinya: jika Return On Equity ROE meningkat sebesar satu persen sementara Debt To Equity Ratio DER konstan maka Price Earning Ratio PER akan meningkat sebesar 0,191 persen. b 2 = 0,013 artinya: jika Debt To Equity Ratio DER meningkat sebesar satu persen sementara Return On Equity ROE konstan maka Price Earning Ratio PER akan meningkat 0,013 persen.

b Uji Asumsi Klasik

1. Uji Normalitas Untuk menguji normalitas data digunakan pendekatan P-P plot antara expected cumulatif probability dengan observed cumulatif probability, yang disajikan pada gambar berikut: 1.0 0.8 0.6 0.4 0.2 0.0 Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E xpect ed C um P rob Dependent Variable: PER Normal P-P Plot of Regression Standardized Residual Berdasarkan gambar di atas, terlihat titik-titik koordinat antara nilai observasi dengan nilai ekspektasi mengikuti garis diagonal, sehingga dapat disimpulkan bahwa data memiliki data yang berdistribusi normal. 2. Uji Multikolinieritas Berikut adalah hasil uji multikolinieritas dengan melihat nilai tollerance dan VIF. Coeffi cients a ,287 3,478 ,287 3,478 ROE DE R Model 1 Tolerance VIF Collinearity Statistic s Dependent Variable: PE R a. Berdasarkan output di atas, diketahui nilai VIF semua variabel bebas kurang dari 10, demikian pula nilai tolerance semua variabel bebas 0,10. Dengan demikian maka dapat disimpulkan tidak terdapat pelanggaran asumsi. 3. Uji Heteroskedastisitas Uji ini digunakan untuk mengetahui apakah varian dari residual tidak sama untuk semua pengamatan, yang menyebabkan estimator menjadi tidak efisien dan nilai koefisien determinasi akan menjadi sangat tinggi. Jika dari suatu pengamatan tersebut terdapat varian yang berbeda, maka disebut heterokedastisitas. Dengan kata lain pengujian ini dimaksudkan untuk melihat jarak kuadrat titik-titik sebaran terhadap garis regresi. Dalam model regresi diharapkan tidak terjadi adanya heteroskedastisitas. Menguji heteroskedastisitas dilakukan dengan cara melihat pola titik-titik pada scatter plot regresi. Dasar pengambilan keputusan adalah: • Jika titik-titik yang ada membentuk suatu pola tertentu yang teratur seperti bergelombang, melebar, kemudian menyempit maka terjadi heterokedastisitas. • Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 Regression Standardized Predicted Value 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 R egressi on S tudent iz ed R esi dual Dependent Variable: PER Scatterplot Dari hasil uji Heteroskedastisitas menggunakan scatter plot pada regresi, dapat diketahui bahwa pola titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas. 4. Uji Autokorelasi Berikut adalah hasil uji autokorelasi dengan menggunakan analisis durbin watson dw. Model Summary b ,499 a ,249 -,502 3,14770 2,396 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson Predictors: Constant, DER, ROE a. Dependent Variable: PER b. Berdasarkan output di atas, diketahui nilai dw sebesar 2,396. Nilai ini akan dibandingkan dengan nilai dL dan dU yang terdapat pada tabel durbin watson. Dengan α=0,05, banyak variabel bebas k = 2 dan sampel n sebanyak 5, diperoleh nilai dL sebesar 0,291 dan dU sebesar 1,601, sehingga diperoleh nilai 4-dU sebesar 2,399. Dari nilai-nilai di atas, diketahui bahwa nilai dw 2,396 berada di antara dU 1,601 dan 4-dU 2,399. Hal ini menunjukkan bahwa tidak terdapat autokorelasi baik autokorelasi positif maupun autokorelasi negatif dalam model.

4.3.2 Analisis Korelasi