49 No
Kode Nama Perusahaan
35 TBIG
PT. Tower Bersama Infrastructure Tbk. 36
TELE PT. Tiphone Mobile Indonesia Tbk.
37 TOWR
PT. Sarana Menara Nusantara Tbk. 38
VIVA PT. Visi Media Asia Tbk.
Sumber : www.idx.co.id data diolah
C. Metode Pengumpulan Data
Data yang diperlukan dalam penelitian ini adalah data sekunder. Data sekunder mengacu pada informasi yang dikumpulkan oleh seseorang, dan bukan peneliti yang
melakukan studi mutakhir. Data tersebut bisa merupakan internal atau eksternal organisasi dan diakses melalui internet, penelusuran dokumen, atau publikasi
informasi menurut Sekaran 2006:65. Data perusahaan seperti umur perusahaan dan ukuran perusahan, serta rasio keuangan perusahaan yaitu CR, DER, ROE dan EPS
dalam penelitian ini diperoleh dari laporan keuangan perusahaan go public yang melakukan IPO dan tercatat di Bursa Efek Indonesia periode 2010-2014 yang
diperoleh dari website Bursa Efek Indonesia BEI www.idx.co.id, dan website perusahaan-perusahaan yang menjadi sampel dalam penelitian ini. Sedangkan data
mengenai underpricing diperoleh dengan mengolah data daftar harga saham perdana Offer Price dan harga saham penutupan Closing Price pada saat perusahaan
melakukan IPO dari setiap perusahaan yang terdaftar di Bursa Efek Indonesia selama periode tahun 2010-2014 yang diperoleh www.idx.co.id. Kemudian data juga
diperoleh melalui Indonesian Capital Market Directory ICMD, IDX Fact Book, dan sumber kepustakaan dengan membaca dan mempelajari buku-buku, jurnal-jurnal
ilmiah, skripsi, dan literatur-literatur yang erat hubungannya dengan penelitian ini.
50
D. Teknik Analisis Data
Penelitian ini menggunakan metode analisis regresi linier berganda. Analisis ini digunakan untuk menguji pengaruh dari variabel independen, yaitu Umur Perusahaan,
Ukuran Perusahaan, Current Ratio CR, Debt to Equity Ratio DER, Return on Equity ROE, dan Earning per Share EPS terhadap variabel dependen
underpricing. Akan tetapi, sebelumnya akan dilakukan analisis deskriptif untuk
memberikan deskripsi mengenai data variabel-variabel yang ada dalam penelitian ini. 1.
Analisis Deskriptif
Analisis deskriptif dalam penelitian ini digunakan untuk mendeskripsikan data variabel-variabel yang akan digunakan dalam penelitian ini, yaitu
Underpricing sebagai variabel dependen. Umur Perusahaan, Ukuran Perusahaan, Current Ratio CR, Debt to Equity Ratio DER, Return on Equity ROE, dan
Earning per Share EPS sebagai variabel independen.
2. Uji Asumsi Klasik
Uji asumsi klasik dalam penelitian ini dilakukan untuk memperoleh model regresi yang baik atau dapat memprediksi tanpa bias. Uji asumsi klasik dilakukan
dengan beberapa pengujian, yaitu di antaranya adalah uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi. Pengujian tersebut
diuraikan sebagai berikut:
a. Uji Normalitas
Uji normalitas dilakukan dengan tujuan untuk menguji apakah dalam model regresi yang digunakan variabel pengganggu atau residual memiliki
51
distribusi normal. Model regresi yang baik adalah model regresi yang variabel pengganggu atau residualnya memiliki distribusi normal. Menurut Ghozali
2011: 160 ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan analisis statistik.
a Analisis Grafik Cara termudah untuk melihat normalitas residual adalah dengan
melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun apabila hanya
dengan melihat histogram, maka dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lainnya yang lebih handal adalah
dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Suatu distribusi normal membentuk satu
garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonalnya. Jika distribusi data beresidual normal, maka data akan
menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. b Analisis Statistik
Uji normalitas dengan grafik dapat menyesatkan apabila tidak berhati-hati secara visual terlihat normal, namun secara statistik bisa
sebaliknya. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametik Kolmogorov-
Smirnov K-S. Uji K-S dalam SPSS dilakukan dengan cara memilih menu Analyze, lalu pilih Non-parametric Test, kemudian pilih submenu 1
52
Sample K-S dan isikan unstandardized residual pada kotak test variable list, dengan hipotesis Ghozali, 2011: 164, yaitu:
H : Data residual berdistribusi normal
H
a
: Data residual tidak berdistribusi normal Apabila probabilitas 0,05 maka H
a
diterima dan H ditolak,
sedangkan probabilitas 0,05 maka H
a
ditolak dan H diterima.
b. Uji Multikolinearitas
Menurut Ghozali 2011:105 uji multikolinearitas bertujuanuntuk menguji apakah model regresi ditemukan adanya korelasi antar variabel
independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel bebasnya. Jika variabel bebasnya saling berkorelasi, maka variabel-
variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antara sesama variabel sama dengan nol. Untuk mendeteksi ada
atau tidaknya multikolinearitas didalam sebuah model regresi dapat dilakukan antara lain dengan melihat nilai tolerance dan lawannya Variance Inflation
Factor VIF. Suatu model regresi yang bebas multikolinearitas adalah data yang mempunyai nilai VIF Variance Inflation Factor
≤ 10 dan mempunyai nilai TOLERANCE
≥ 0,1.
c. Uji Autokorelasi
Uji autokorelasi dilakukan dengan tujuan untuk menguji apakah dalam model regresi yang digunakan terdapat korelasi antara kesalahan pengganggu
pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya.
53
Model regresi yang baik adalah model regresi yang tidak terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu
pada periode t-1 sebelumnya. Menurut Ghozali 2011:111 salah satu cara untuk mengetahui ada tidaknya gejala autokorelasi dalam model regresi yang
digunakan maka dapat dideteksi dengan uji Durbin-Waston DW Test.
Menurut Yamin dan Kurniawan 2014:91 uji autokorelasi dilakukan dengan membandingkan nilai Durbin-Watson output dengan nilai Durbin-
Watson tabel, apabila hasil yang diperoleh berada di antara nilai du dan 4-du maka dapat dikatakan tidak terdapat autokorelasi positif atau negatif.
Hipotesis yang akan diuji adalah: H0 : Tidak ada autokorelasi r = 0
Ha : Ada autokorelasi r ≠ 0
Tabel 3.3 Pengambil Keputusan Autokorelasi
Hipotesis Nol Keputusan
Jika Tidak ada autokorelasi positif
Tolak 0 d dl
Tidak ada autokorelasi positif No decision
dl ≤ du ≤ dl
Tidak ada autokorelasi negatif Tolak
4 – dl d 4
Tidak ada autokorelasi negatif No decision
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi positif maupun negatif Tidak ditolak du dl 4
– du Sumber : Ghozali 2011:111
Apabila hasil pengujian berada pada area no decision, maka dapat digunakan pengujian nonparametrik, yaitu run test Yamin dan Kurniawan,
2014: 91. Menurut Ghozali 2011: 120 run test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual
