64 maksimum sebesar 9,603 dengan nilai rata-rata sebesar 6,629 dan standar
deviasinya sebesar 0,695. Nilai minimum variabel ukuran perusahaan ASSET adalah sebesar 6,861 dan nilai maksimum sebesar 8,587 dengan
nilai rata-rata sebesar 7,542 dan standar deviasinya sebesar 0,561. Nilai minimum variabel corporate social responsbility CSR adalah sebesar
0,560 dan nilai maksimum sebesar 0,870 dengan nilai rata-rata sebesar 0,778 dan standar deviasinya sebesar 0,067. Pada variabel nilai
perusahaan nilai minimum sebesar 0,650 dan maksimum sebesar 6,320 dengan nilai rata-rata sebesar 2,442 dan standar deviasinya sebesar 1,342.
2. Hasil Uji Asumsi Klasik
Uji asumsi klasik dilakukan dengan menggunakan analisis regresi terhadap variabel independen dan variabel dependen. Adapun dalam
penelitian ini variabel independen yang digunakan adalah profitabilitas, leverage, kebijakan dividen, cash holding, ukuran perusahaan dan
corporate social responsibility, sedangkan variabel dependen yang digunakan adalah nilai perusahaan. Agar model regresi yang dipakai
menghasilkan nilai yang sesuai, terlebih dahulu data harus memenuhi empat uji asumsi klasik. Uji asumsi klasik yang telah dilakukan dan
hasilnya adalah sebagai berikut:
a. Hasil Uji Normalitas
Tujuan dilakukannya uji normalitas adalah untuk menguji apakah dalam model regresi, variabel dependen dan variabel
65 independen atau keduanya mempunyai distribusi normal atau tidak.
Model regresi yang baik adalah distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas data, penelitian ini
menggunakan analisis grafik, yaitu dengan melihat grafik histogram dan dengan melihat Normal Probability Plot P-P Plot
Gambar 4.1
Grafik histogram
Sumber : Data sekunder yang diolah tahun 2015
66
Gambar 4.2 Grafik Normal P-P Plot
Sumber : Data sekunder yang diolah tahun 2015
Dengan melihat tampilan grafik histogram Gambar 4. maupun grafik normal plot Gambar 4.2 dapat disimpulkan bahwa kedua
grafik ini menunjukkan bahwa model regresi memenuhi asumsi normalitas. Karena pada grafik histogram Gambar 4.1 data
menunjukkan distribusi normal dan pada grafik normal plot Gambar 4.2 data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal. Untuk lebih meyakinkan pendapat diatas, maka peneliti juga
melakukan uji statistik Kolmogorov-Smirnov K-S. Berikut adalah tabel hasilnya :
67
Tabel 4.4 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,73892058
Most Extreme Differences
Absolute ,097
Positive ,097
Negative -,071
Test Statistic ,097
Asymp. Sig. 2-tailed ,200
c,d
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data yang diolah tahun 2015
Dari hasil output pada tabel 4.4 bisa di lihat nilai Asymp. Sig. 2-Tailed adalah sebesar 0,200 dan barada di atas tingkat
kepercayaan sebesar 0,05 atau 5. Berarti bisa disimpulkan bahwa data terdistribusi dengan normal.
a. Hasil Uji Multikolinieritas
Tujuan dilakukan uji multikolinieritas adalah untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar
variabel bebas. Untuk mendeteksi adanya problem multikolinieritas, maka dapat dilakukan dengan melihat nilai tolerance dan Variance
Inflation Factor VIF serta besaran korelasi antar variabel
68 independen. Berikut ini adalah tabel yang menunjukkan hasil uji
multikolinieritas.
Tabel 4.5 Uji Multikolonieritas
Berdasarkan tabel 4.5 diatas dapat diketahui bahwa hasil uji multikolinieritas menunjukkan tidak ada variabel independen yang
memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Hasil perhitungan nilai Variance
Inflation Factor VIF juga menunjukkan hasil yang sama, tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi
dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi.
Model Collinearity Statistics
Tolerance VIF
Constant ROE
,799 1,252
DER ,467
2,140 DPR
,613 1,632
CASH ,624
1,603 ASET
,343 2,917
CSR ,553
1,809
b. Dependent Variable: NP Sumber : Data sekunder yang di olah tahun 2015
69
c. Hasil Uji Autokorelasi
Tujuan dilakukanya uji autokorelasi adalah untuk menguji apakah dalam suatu model regresi ditemukan adanya autokorelasi
dalam analisis regresi. Model regresi yang baik adalah model regresi yang bebas dari masalah autokorelasi. Berikut ini adalah tabel yang
menunjukkan hasil uji autokorelasi.
Dari tabel 4.6 diatas menunjukkan bahwa nilai D-W sebesar 1,692. Dengan jumlah predictor sebanyak 6 buah k-6 dan sampel
sebanyak 40 n=40, berdasarkan tabel D-W dengan tingkat signifikansi 5, maka dapat ditentukan nilai dl adalah sebesar
1,175 dan du adalah sebesar 1,853. Dengan demikian nilai D-W
ada di antara dl dan du maka menyebabkan kesimpulan yang tidak pasti. Namun menurut Sarwono 2013: 52, untuk mendeteksi ada
atau tidaknya autokorelasi, maka dapat dilakukan dengan melihat
Tabel 4.6 Uji Autokorelasi
Model R
R Square Adjusted
R Square Durbin-
Watson 1
,835
a
,697 ,642
1,692 a. Predictors: Constant, CSR, DER, CASH, ROE,
DPR, ASET b. Dependent Variable: NP
Sumber: Data sekunder yang di olah tahun 2015
70 nilai Durbin-Watson. Regresi yang bebas dari autokorelasi memiliki
nilai Durbin-Watson diantara -2 sampai +2. Berdasarkan tabel 4.5 diatas dapat diketahui bahwa hasil uji
autokorelasi pada nilai Durbin-Watson adalah 1,692. Nilai yang dihasilkan tersebut berada diantara angka -2 dan +2 sehingga dapat
disimpulkan bahwa data yang digunakan dalam penelitian ini bebas dari autokorelasi.
Untuk menguatkan pendapat itu maka peneliti menambahkan uji Run test. Uji run test dalam Ghozali 2013 adalah bagian dari
statistik parametik dapat pula di gunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi Berikut ini adalah tabel
hasil dari uji run test :
Tebel 4.7 Uji Run Test
Runs Test
Unstandardized Residual
Test Value
a
-,13159 Cases Test Value
20 Cases = Test Value
20 Total Cases
40 Number of Runs
17 Z
-1,121 Asymp. Sig. 2-
tailed ,262
a. Median
Sumber : Data sekunder yang diolah tahun 2015
71 Hasil dari tabel 4.7 menunjukan bahwa nilai Asymp. Sig. 2-
tailed yaitu 0,262 atau lebih tinggi dari tingkat kepercayaan sebesar 0,05 atau 5. Hal ini menunjukan bahwa data cukup random dan
terbebas dari masalah autokorelasi.
d. Hasil Uji Heteroskedatisitas
Tujuan dilakukannya uji heteroskedastisitas adalah untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan
melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Jika terdapat pola tertentu seperti titik-titik
yang ada
membentuk suatu
pola tertentu
yang teratur
bergelombang, melebar kemudian menyempit, maka terjadi heteroskedastis. Sebaliknya jika tidak terdapat pola yang jelas serta
titik-titik menyebar di atas dan bawah angka 0 nol pada sumbu Y, maka
tidak terjadi
heteroskedastisitas. Adapun
hasil uji
heteroskedastisitas dalam penelitian ini dapat dilihat pada gambar 4.3.
72
Gambar 4.3 Grafik
Scatterplot
Sumber: data sekunder yang di olah tahun 2015
Berdasarkan hasil uji heterokedastisitas pada gambar 4.3 di atas dapat dilihat bahwa grafik scatterplot terlihat bahwa titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak
terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi nilai perusahaan
berdasarkan masukan variabel independen return on equity ROE, Leverage DER, kebijakan dividen DPR, cash holding, ukuran
perusahaan dan corporate social responsbility CSR. Untuk lebih menguatkan pendapat diatas maka peneliti juga
melakukan uji glejser. Hasil bisa di lihat di tabel berikut :
73
Tabel 4.8 Uji Glejser
Coefficients
a
Model Unstandardized
Coefficients Standardize
d Coefficient
s T
Sig. B
Std. Error Beta
1Constant -3,003E-15
2,319 ,000
1,000 ROE
,000 1,707
,000 ,000
1,000 DER
,000 ,078
,000 ,000
1,000 DPR
,000 ,845
,000 ,000
1,000 CASH
,000 ,234
,000 ,000
1,000 ASET
,000 ,391
,000 ,000
1,000 CSR
,000 2,578
,000 ,000
1,000
a. Dependent Variable: AbsUt
Sumber : Data sekunder yang di olah tahun 2015
Dari hasil uji pada tabel 4.8 bisa dilihat bahwa tingkat signifikan dari semua variabel independen adalah 1,00 atau lebih tinggi dari
tingkat kepercayaan sebesar 0,05 atau 5. Maka bisa disimpulkan bahwa data terbebas dari masalah heteroskedastisitas
.
3. Hasil Analisis Regresi Linier Berganda