67
3.6.4.1 Analisis Korelasi dan Koefisien Determinasi Goodness of Fit
Analisis korelasi berfungsi untuk menyatakan derajat keeratan hubungan dan arah hubungan antara variabel bebas dengan variabel terikatnya. Semakin
tinggi nilai korelasi, maka semakin tinggi derajat keeratan hubungan kedua variabel tersebut. Nilai korelasi memiliki rentang antara 0 sampai 1 atau 0 sampai
-1. Tanda positif dan negatif menunjukkan arah hubungan. Tanda positif menunjukkan hubungan searah. Jika 1 variabel naik, variabel yang lain naik.
Tanda negatif menunjukkan hubungan berlawanan. Jika 1 variabel naik, variabel yang lain akan turun.
Dalam penelitian ini, analisis korelasional yang digunakan adalah analisis korelasi Pearson. Metode tersebut digunakan karena data yang diteliti adalah data
dengan skala rasio. Perhitungan koefisien korelasi adalah menggunakan formula: � =
��� − ���� ���
2
− ��
2
��
2
− ����
2
− ��
2
Keterangan : X
= variabel bebas Y
= variabel terikat N
= banyaknya sampel Ghozali 2011 berpendapat bahwa “koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi
variabel dependen”. Nilai koefisien determinasi adalah antara 0 dan 1. Selanjutnya Ghozali 2011 menjelaskan bahwa “nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat
terbatas”. Nilai yang mendekati satu berartivariabel-variabel independen
68
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Pada uji ini digunakan nilai Adjusted R
2
. Selanjutnya menurut Ghozali 2011, “apabila nilai Adjusted R
2
bernilai negatif, maka nilai Adjusted R
2
3.6.4.2 Uji Signifikansi Simultan Uji Statistik F
dianggap bernilai 0”.
Uji F digunakan untuk menguji apakah model regresi yang digunakan sudah tepat. Menurut Ghozali 2011, “uji statistik F pada dasarnya menunjukkan
apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependenterikat”.
Pengujian ini membandingkan antara nilai F hitung dengan nilai F tabel pada tingkat keyakinan tertentu, dengan ketentuan bahwa interval kepercayaan
sebesar 95 atau 0,95 dan tingkat signifikansi sebesar 5 atau 0,05. Selanjutnya menurut Ghozali 2011, untuk menguji hipotesis dengan uji
statistik F digunakan kriteria sebagai berikut: a.
Quick look: bila nilai F lebih besar daripada 4 maka H
b. Jika F hitung lebih besar dari F tabel atau probabilitas lebih kecil dari
tingkat signifikansi Sig. 0,05, maka model penelitian dapat digunakan atau model tersebut sudah tepat.
dapat ditolak pada derajat kepercayaan 5. Dengan kata lain, hipotesis alternatif,
yang menyatakan bahwa semua variabel independen secara serentak dan signifikansi mempengaruhi variabel dependen diterima.
69
c. Jika F hitung lebih kecil dari F tabel atau probabilitas lebih besar dari
tingkat signifikansi Sig. 0,05, maka model penelitian tidak dapat digunakan atau model tersebut tidak tepat.
d. Membandingkan nilai F hasil perhitungan dengan nilai F menurut
tabel. Jika nilai F hitung lebih besar daripada nilai F tabel, maka H ditolak dan menerima H
a
Selain untuk mengetahui ketepatan suatu model regresi, uji F juga digunakan untuk mengetahui pengaruh variabel independen secara simultan
terhadap variabel dependen. . Ini berarti model penelitian sudah tepat.
Uji F menggunakan rumus untuk perhitungan manual : � =
��� ���� ��� ��� ���� ���
Keterangan : MSS
= rata-rata jumlah kuadrat mean sum of square ESS
= jumlah kuadrat regresi explain sum of square RSS = jumlah kuadrat sisa residual sum of square
Perumusan hipotesis untuk Uji F adalah, sebagai berikut : H
H : Seluruh variabel bebas EVA, ROA, ROE, dan independensi dewan
komisaris secara bersama-sama tidak mempunyai pengaruh signifikan terhadap variabel terikat return saham.
a
: Seluruh variabel bebas EVA, ROA, ROE, dan independensi dewan komisaris secara bersama-sama mempunyai pengaruh signifikan terhadap
variabel terikat return saham.
70
Dasar pengambilan keputusan untuk Uji F adalah : 1.
Jika F hitung F tabel H 2.
Jika F hitung F tabel H ditolak : mempunyai pengaruh signifikan.
1. Jika Sig. F statistik 0,05 signifikan secara statistik : H
diterima : tidak mempunyai pengaruh, atau:
2. Jika Sig. F statistik 0,05 tidak signifikan secara statistik : H
ditolak.
3.6.4.3Uji Signifikansi Parameter Individual Uji Statistik t
diterima.
Uji-t ini digunakan untuk menguji ada atau tidaknya pengaruh antara masing-masing variabel bebas dengan variabel terikat. Menurut Ghozali 2011,
“uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variasi variabel
dependen”. Uji-t membandingkan nilai t-hitung dengan nilai t-tabel, dengan ketentuan interval kepercayaan sebesar 95 atau 0,95 dan tingkat signifikansi
sebesar 5 atau 0,05. Uji t dapat dilakukan dengan melihat nilai probabilitas signifikansi t
masing-masing variabel yang terdapat pada output hasil regresi menggunakan SPSS. Jika nilai probabilitas signifikansi t lebih kecil dari 0,05 maka dapat
dikatakan bahwa ada pengaruh yang kuat antara variabel independen dengan variabel dependen.
Selanjutnya menurut Ghozali 2011, cara melakukan uji t adalah sebagai berikut : a.
Quick look: bila jumlah degree of freedom d
f
adalah 20 atau lebih, dan derajat kepercayaan sebesar 0,05, maka H
dapat ditolak, nilai t
71
lebih besar dari 2 dalam nilai absolut. Dengan kata lain, hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara
individual mempengaruhi variabel dependen diterima. b.
Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan
nilai t tabel, maka hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel
dependen diterima. Rumus yang digunakan dalam Uji-t perhitungan secara manual, ialah :
� = �
1
��� Keterangan:
�
1
= koefisien regresi Se
= derajat kesalahan standard error Perumusan hipotesa untuk Uji-t, adalah:
H
H : Tidak terdapat pengaruh yang signifikan antara variabel bebas
terhadap variabel terikat.
a
Dasar pengambilan keputusan pada Uji-t, yaitu : : Terdapat pengaruh yang signifikan antara variabel bebas terhadap
variabel terikat.
1. Jika t-hitung t-tabel H
2. Jika t-hitung t-tabel H
diterima : tidak ada pengaruh signifikan.
atau: ditolak : ada pengaruh signifikan,
1. Jika nilai Sig. 0,05 signifikan secara statistik : H
ditolak.
72
2. Jika nilai Sig. 0,05 tidak signifikan secara statistik : H
diterima.
73
BAB IV HASIL DAN PEMBAHASAN
4.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata mean, dan
nilai standar deviasi. Variabel yang digunakan dalam perhitungan statistik deskriptif adalah economic value added EVA, return on assets ROA, return on
equity ROE, dan return saham perusahaan. Variabel independensi dewan komisaris tidak dimasukkan dalam perhitungan statistik deskriptif karena variabel
tersebut memiliki skala nominal. Berdasarkan analisis statistik deskriptif, diperoleh gambaran sampel sebagai berikut.
Tabel 4.1 Statistik Deskriptif
Sumber : hasil olahan software SPSS 17
Berdasarkan Tabel 4.1 diatas, dapat dilihat bahwa jumlah unit analisis N dalam penelitian ini adalah sebanyak 75 dari 25 perusahaan real estate dan
property yang terpilih menjadi sampel dan diteliti dalam periode tahun 2011- 2013. Berdasarkan Tabel 4.1, nilai minimum dari variabel EVA adalah 6051,
74
sedangkan nilai maksimum dari variabel EVA adalah 4.463.900. Nilai EVA sebesar 6051 merupakan nilai EVA dari PT. Modernland Realty Ltd. Tbk pada
tahun 2012. Nilai EVA yang rendah menunjukkan kinerja keuangan perusahaan yang tidak begitu baik. Sedangkan nilai EVA sebesar 4.463.900 merupakan nilai
EVA dari PT. Roda Vivatex Tbk pada tahun 2013. Nilai EVA yang tinggi menunjukkan kinerja keuangan perusahaan yang baik. Nilai standar deviasi dari
EVA sangat besar yang menunjukkan bahwa kinerja keuangan perusahaan dari perusahaan yang bergerak dalam bidang real estate dan property sangat beragam.
Nilai minimum dari variabel ROA berdasarkan Tabel 4.1 adalah 1,38, sedangkan nilai maksimum dari variabel ROA adalah 15.10. Nilai ROA sebesar
1,38 merupakan nilai ROA dari PT. Bekasi Asri Pemula Tbk pada tahun 2013. Nilai ROA yang rendah menunjukkan keefektifan operasi perusahaan dalam
menghasilkan keuntungan tidak begitu baik. Sedangkan nilai ROA sebesar 15.10 merupakan nilai dari PT. Metropolitan Kentjana Tbk pada tahun 2011. Nilai ROA
yang tinggi menunjukkan keefektifan operasi perusahaan dalam menghasilkan keuntungan baik. Ukuran variasi mengenai keefektifan operasi perusahaan dalam
menghasilkan keuntungan dari perusahaan yang bergerak dalam bidang real estate dan property sebesar 3,311.
Berdasarkan Tabel 4.1, nilai minimum dari variabel ROE adalah 2,73, sedangkan nilai maksimum dari variabel ROE adalah 33,13. Nilai ROE sebesar
2,73 merupakan nilai ROE dari PT. Bekasi Asri Pemula Tbk pada tahun 2013. Nilai ROE yang rendah menunjukkan kinerja perusahaan dalam menghasilkan
keuntungan tidak begitu baik. Sedangkan nilai ROE sebesar 33,13 merupakan dari
75
PT. Lippo Cikarang Tbk pada tahun 2012. Nilai ROE yang tinggi menunjukkan kinerja perusahaan dalam menghasilkan keuntungan baik. Ukuran variasi
mengenai kinerja perusahaan dalam menghasilkan keuntungan dari perusahaan yang bergerak dalam bidang real estate dan property sebesar 7,633.
Berdasarkan Tabel 4.1, nilai minimum dari variabel return sama adalah 0,0106, sedangkan nilai maksimum dari variabel return saham adalah 8,565. Nilai
return saham sebesar 0,0106 merupakan nilai return saham dari PT. Duta Pertiwi Tbk pada tahun 2011. Nilai return saham sebesar 8,565 merupakan nilai return
saham dari PT Alam Sutera Realty Tbk. Nilai return saham yang tinggi menunjukkan minat investor untuk berinvestasi pada perusahaan yang
bersangkutan begitu tinggi.
4.2 Pengujian Asumsi Klasik
Menurut Gujarati 2003, suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat-sifat best linear unbiased estimator BLUE. Di samping
itu, suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi ekonometrika yang melandasinya.
Suatu model regresi berganda yang digunakan untuk menguji hipotesa harus memenuhi asumsi klasik. Uji asumsi klasik dilakukan juga untuk mendapatkan
model regresi yang tidak bias dan efisien. Uji asumsi klasik juga dilakukan untuk mengetahui kondisi data yang ada agar dapat menentukan model analisis yang
paling tepat digunakan. Uji asumsi klasik tersebut terdiri dari uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
76
4.2.1 Uji Normalitas
Kategori