57
Gambar 4.1 Hasil Uji Normalitas Data
Sumber: Data sekunder yang telah diolah
Dengan melihat tampilan grafik normal plot dapat disimpulkan bahwa grafik normal plot terlihat titik-titik menyebar disekitar garis
diagonal, serta mengikuti arah garis diagonal. Dapat dikatakan bahwa distribusi data model regresi adalah normal.
58
b. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi ditemukan adanya autokorelasi dalam analisis regresi. Untuk
mendeteksi ada atau tidaknya autokorelasi, maka dapat dilakukan dengan melihat nilai Durbin-Watson. Regresi yang bebas dari
autokorelasi memiliki nilai Durbin-Watson harus memenuhi syarat berada diantara angka -2 dan +2. Berikut ini adalah tabel yang
menunjukkan hasil uji autokorelasi.
Tabel 4.4 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the
Estimate Change Statistics
Durbin- Watson
R Square
Change F
Change df1
df2 Sig. F
Change 1
.696
a
.485 .432
.59396 .485
9.179 4
39 .000
.938
a. Predictors: Constant, ukuran perusahaan, pertumbuhan perusahaan, struktur modal, kinerja perusahaan.
b. Dependent Variable: lny Sumber: Data yang telah diolah
Berdasarkan tabel 4.4 diatas dapat diketahui bahwa hasil uji autokorelasi pada nilai Durbin-Watson adalah 0,938. Nilai yang
dihasilkan tersebut berada diantara angka -2 dan +2 sehingga dapat disimpulkan bahwa data yang digunakan dalan dalam penelitian ini
bebas dari autokorelasi.
59
c. Uji Multikolinearitas
Uji multikoliniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-
variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama
dengan nol. Pengujian dalam uji multikolinearitas dengan melihat nilai VIF Variance Inflation Factor harus berada dibawah 10, hal ini akan
dijelaskan sebagai berikut :
Tabel 4.5 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
struktur modal .658
1.520 kinerja keuangan perusahaan
.637 1.571
pertumbuhan perusahaan .930
1.075 ukuran perusahaan
.578 1.729
a. Dependent Variabel: nilai perusahaan Sumber: Data yang telah diolah
Berdasarkan tabel 4.5 diatas dapat diketahui bahwa hasil uji multikolonieritas menunjukkan nilai tolerance mendekati angka 1 dan
nilai VIF disekitar angka 1 untuk setiap variabel. Hasil perhitungan Toleransi menunjukan tidak ada variabel independen yang memiliki
60
nilai Toleransi kurang dari 0.10 yang berarti tidak ada korelasi antar variabel independen yang nilainya lebih dari 95. Hasil VIF juga
menunjukkan hal yang sama tidak ada suatu variabel independen yang memiliki nilai VIF lebih dari 10. Berdasarkan hasil uji multikolonieritas
tersebut, maka dapat disimpulkan bahwa semua variabel independen dalam
model persamaan
regresi tidak
terdapat problem
multikolinearitas dan dapat digunakan dalam penelitian ini.
d. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan 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 heterokedastisitas. Sebaliknya jika
tidak terdapat pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 nol pada sumbu Y, maka tidak terjadi
heterokedastisitas. Adapun hasil uji heterokedastisitas dalam penelitian ini dapat dilihat pada gambar 4.2.
61
Gambar 4.2 Grafik Scatterplot
Sumber: Data sekunder yang telah diolah
Berdasarkan hasil uji heterokedastisitas pada gambar 4.2 di atas dapat dilihat bahwa grafik scatterplot menunjukkan data tidak tersebar
dengan baik, yaitu terdapat titik-titik yang membentuk suatu pola tertentu. Untuk itu harus dilakukan beberapa cara untuk mengobatinya
agar tidak terjadi heteroskedastisitas, yaitu dengan cara melakukan transformasi data. Hasil transformasi yang dilakukan terlihat pada tabel
dibawah ini.
62
Gambar 4.3 Grafik Scatterplot Setelah Transformasi
Sumber: Data sekunder yang telah diolah
Pada gambar 4.3 terlihat bahwa titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y dan tidak terlihat pola tertentu. Dengan
demikian pada persamaan regresi linear berganda dalam model ini tidak ada gejala atau tidak terjadi heteroskedastisitas.
63
3. Uji Hipotesis a. Uji Parsial Uji t
Uji statistik t digunakan untuk mengetahui ada atau tidaknya pengaruh masing-masing variabel independen secara individual
terhadap variabel dependen yang diuji pada tingkat signifikansi 0,05. Hasil uji t dalam penelitian ini ditunjukkan dalam tabel 4.6 dibawah ini.
Tabel 4.6 Hasil Uji t
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
1.160 2.400
.483 .632
struktur modal .823
.317 .368
2.596 .013
kinerja keuangan perusahaan
3.198 .920
.501 3.478
.001 pertumbuhan
perusahaan .042
.217 .023
.196 .846
ukuran perusahaan -.152
.329 -.070
-.462 .646
a. dependent variabel: LNy Sumber: Data sekunder yang telah diolah
Tabel 4.6 diatas menunjukkan hasil uji statistik t antara variabel independen dengan variabel dependen. Variabel struktur modal
memiliki nilai t
hitung
sebesar 2,596 dengan tingkat signifikansi sebesar 0,013. Tingkat signifikansi tersebut lebih kecil dari 0,05 yang berarti H
ditolak dan H
1
diterima sehingga dapat dikatakan bahwa variabel struktur modal berpengaruh positif terhadap nilai perusahaan.
64
Variabel kinerja keuangan perusahaan memiliki nilai t
hitung
sebesar 3,478 dengan tingkat signifikansi sebesar 0,001. Tingkat signifikansi
tersebut lebih kecil dari 0,05 dan nilai beta yang dihasilkan adalah positif sebesar 0,501 yang berarti H
ditolak dan H
1
diterima sehingga dapat dikatakan bahwa kinerja keuangan perusahaan berpengaruh
positif terhadap nilai perusahaan. Pada variabel pertumbuhan perusahaan memiliki nilai t
hitung
sebesar 0,196 dengan tingkat signifikansi sebesar 0,846. Tingkat
signifikansi tersebut lebih besar dari 0,05. Adapun nilai beta yang dihasilkan adalah negatif sebesar 0,023 yang berarti H
diterima dan H
1
ditolak sehingga dapat dikatakan bahwa pertumbuhan perusahaan tidak berpengaruh terhadap nilai perusahaan.
Variabel ukuran perusahaan memiliki nilai t
hitung
sebesar -0,462 dengan tingkat signifikansi sebesar 0,646. Tingkat signifikansi tersebut
lebih besar dari 0,05. Adapun nilai beta yang dihasilkan adalah negatif sebesar -0,070, yang berarti H
diterima dan H
1
ditolak sehingga dapat dikatakan bahwa ukuran perusahaan tidak berpengaruh terhadap nilai
perusahaan. Jadi, berdasarkan hasil pengujian regresi secara parsial pada tabel
diatas menunjukkan bahwa variabel struktur modal dan kinerja perusahaan secara parsial berpengaruh positif signifikan terhadap nilai
perusahaan pada perusahaan di Jakarta Islamic Index JII, sedangkan
