34 pengembalian
yang diharapkan oleh
investor pada suatu investasi
modal dalam perusahaan
Ket : r = cost of equity capital
Bt = Nilai buku per
lembar saham periode t
Pt = Harga saham pada periode t
Xt+1= Laba per lembar saham periode t+1
Sumber : Olahan Peneliti
3.6 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi dokumentasi, yaitu dengan cara mengumpulkan data, mencatat dan mengkaji
data sekunder berupa laporan keuangan perusahaan yang telah dipublikasikan dalam periode pengamatan. Data penelitian diperoleh dari media internet dengan
cara mengunduh laporan keuangan perusahaan manufaktur sektor aneka industri dan industri bidang konsumsi melalui situs Bursa Efek Indonesia yaitu
www.idx.co.id .
3.7 Metode Analisis Data
Metode analisis regresi berganda dipilih untuk digunakan pada penelitian ini karena metode analisis regresi berganda dapat menyimpulkan secara langsung
mengenai pengaruh masing–masing variabel bebas yang digunakan secara parsial ataupun simultan. Analisis regresi berganda digunakan untuk menguji pengaruh
antara variabel independen, yaitu intellectual capital, asetri informasi dan nilai pasar ekuitas terhadap cost of equity capital pada perusahaan otomotif yang Listed
di BEI. Berikut adalah model analisis regresi berganda dalam penelitian ini :
35
Y = a + b1 X1+ b2 X2 + b3 X3 + e Keterangan :
Y = Cost of Equity Capital
X1 = Intellectual Capital
X2 = Asetri Informasi
X3 = Nilai Pasar Ekuitas
a = konstanta
b1,b2,b3 = koefisien regresi yang menunjukkan perubahan variabel dependen
berdasarkan pada variabel independen. e
= Tingkat kesalahan standard error
3.8 Teknik Analisis Data
Teknik Analisis data merupakan suatu metode yang digunakan untuk memproses hasil penelitian guna memperoleh suatu kesimpulan.Data yang telah
terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penlitian ini. Dalam menganalisis data, peneliti menggunakan
program SPSS. Metode analisis data yang digunakan dalam penelitian ini adalah sebagai berikut:
3.8.1 Statistik Deskriptif
36 Statistik deskriptif digunakan untuk memperoleh gambaran umum
sampel data. Statistik deskriptif bertujuan untuk menggambarkan tentang ringkasan data-data penelitian seperti mean, standar deviasi, varian, modus,
sum, range, minimum, dan maksimum.
3.8.2 Uji Asumsi Klasik
Untuk mengetahui apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif, maka model tersebut harus
memenuhi asumsi klasik regresi.Uji asumsi klasik yang dilakukan adalah uji normalitas, multikolinearitas, autokorelasi, dan heteroskedastisitas.
3.8.2.1 Uji Normalitas
Uji normalitas dilakukan untuk menentukan alat statistik yang dilakukan, sehingga kesimpulan yang diambil dapat
dipertanggungjawabkan.Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal. Menurut Erlina 2008, uji ini berguna untuk tahap awal dalam metode analisis melakukan analisis grafik
dengan melihat grafik histogram dan probability plot dan dengan melakukan analisis statistik. Analisis grafik ini dapat dilakukan
dengan melihat data.Jika data normal, gunakan statistik parametrik dan jika data tidak normal gunakan statistik non parametrik atau
lakukan treatment agar data normal.Cara yang digunakan untuk melihat apakah data normal atau tidak adalah dengan grafik
37 histogram dan probability plot.Sedangkan analisis statistik dapat
dilakukan dengan uji Kolmogorov-Smirnov.ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu:
A. Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual
adalahdengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal.
Namun demikian ,hanya dengan melihat histogram, hal ini dapat membingungkan ,khususnya untuk jumlah sampel yang kecil.
Metode lain yang dapat digunakan adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari
distribusi normal. Dasar pengambilan keputusannya adalah :
-
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan
pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
-
Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak
menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
B. Analisis Statistik
38 Uji statistik yang digunakan untuk menguji normalitas
adalah uji statistik nonparametric Kolmogorov-Smirnov K-S. Pedoman dalam pengambilan keputusan normal atau tidaknya data
yang akan diolah adalah sebagai berikut:
-
Apabila hasil signifikansi lebih besar dari 0,05 maka data terdistribusi normal.
-
Apabila hasil signifikansi lebih kecil dari 0,05 maka data tersebut tidak terdistribusi secara normal.
3.8.2.2 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel – variabel independen antara yang satu dengan yang lainnya.Dalam
hal ini, kita sebut variabel – variabel bebas ini tidak ortogonal Erlina, 2008. Variabel – variabel bebas yang bersifat ortogonal
adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang baik selayaknya
tidak terjadi multikolinearitas. Multikolinearitas dapat dilihat dari VIF Variance Inflation Factor, jika VIF 10 maka tingkat
multikolinearitas dapat ditoleransi.Multikolinearitas dilihat juga melalui TOL Tolerance.Nilai TOL berkebalikan dengan nilai
VIF.Tolerance TOL mengukur variabilitas dari variabel independen yang tidak dijelaskan oleh variabel inpenden
39 lainnya.Jadi multikolinearitas terjadi jika VIF 10 dan nilai
tolerance 0,10.
3.8.2.3 Uji Autokorelasi
Uji ini bertujuan untuk mengetahui apakah ada korelasi antar kesalahan pengganggu pada periode t dengan periode t-1
sebelumnya.Model regresi yang baik adalah yang bebas dari autokorelasi.Cara yang dapat digunakan untuk mendeteksi ada atau
tidaknya autokorelasi adalah dengan uji Durbin Watson DW.Jika terjadi korelasi, maka dinamakan ada problem autokorelasi.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Hal ini terjadi karena kesalahan
pengganggu tidak bebas dari observasi lainnya. Salah satu cara yang dapat dilakukan untuk mendeteksi terjadi atau tidaknya
autokorelasi adalah dengan uji Durbin Watson. Uji ini hanya digunakan untuk autokorelasi tingkat pertama first order
autokorelasi dan mensyaratkan adanya intercept konstanta dalam model regresi.
40
Tabel 3.3 Kriteria Pengambilan Keputusan
Metode Durbin-Watson
Kriteria Pengujian Keputusan
Kesimpulan 0 d dl
Terjadi autokorelasi positif
Tolak
dl ≤ d ≤ du
Tidak ada autokorelasi positif
Tidak Ada Keputusan
4-dl d 4 Terjadi autokorelasi
negatif Tolak
4-du ≤ d ≤ 4-dl
Tidak ada autokoelasi negatif
Tidak Ada Keputusan
du d 4-du Tidak ada autokorelasi
positif atau negatif Tidak Ditolak
Sumber : Ghozali, 2005 : 96S
3.8.2.4 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah pada model regresi terjadi ketidaksamaan variabel dari residual
satu pengamatan ke pengamatan lainnya. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homokedastisitas dan jika berbeda disebut heteroskedastisitas. Metode yang digunakan untuk menguji ada atau tidaknya
heteroskedastisitas adalah dengan melihat grafik plot antara nilai variabel dependen ZPRED dengan nilai residual SRESID.
Dasar analisis ini adalah :
41 1.
Titik-titik tersebar di atas dan di bawah atau disekitar angka 0
2. Titik-titik data tidak mengumpul hanya di atas atau di
bawah saja 3.
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan
melebar kembali
3.8.3 Pengujian Hipotesis
3.8.3.1 Uji Signifikansi Parsial Uji t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual
dalam menerangkan variasi variabel dependen dengan asumsi variabel bebas lainnya konstan. Tahap pengujian adalah sebagai
berikut : 1.
Ho: β = 0, berarti tidak ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen secara
parsial. Ha: β = 0, berarti ada pengaruh yang signifikan dari variabel independen terhadap dependen secara parsial.
2. Menentukan tingkat signifikan α yaitu sebesar 5
3. Jika probabilitas signifikasi lebih besar dari 0,05 α maka
variabel bebas secara individu tidak berpengaruh terhadap
42 struktur modal, jika lebih kecil dari 0,05 maka variabel bebas
secara individu berpengaruh terhadap struktur modal.
3.8.3.2 Signifikansi Simultan Uji F
Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai
pengaruh secara bersama- sama terhadap variabel dependen. Uji ini dilakukan dengan membandingkan F hitung dengan F tabel. Tahap
pengujiannya adalah sebagai berikut : 1.
Ho : β1 = β2 = β3 = β4 = 0, berarti tidak ada pengaruh yang signifikan dari variabel independen secara bersama-sama
terhadap variabel dependen. Ha : β1 = β2 = β3 = β4 = 0 ,
berarti ada pengaruh yang signifikan dari variabel independen secara bersama-sama terhadap variabel dependen.
2. Menentukan besarnya nilai F hitung dan signifikan F Sig F.
3. Menentukan tingkat signifikan α yaitu sebesar 5.
4. Menganalisis data penelitian yang telah diolah dengan
kriteria pengujian yaitu : • Jika nilai sig F 0.05, maka Ho diterima, artinya
variabel bebas secara simultan tidak mempengaruhi variabel terikat secara signifikan.
• Jika nilai sig F ≤ 0.05, maka Ho ditol ak, artinya variabel
bebas secara simultan mempengaruhi variabel terikat secara signifikan
43
3.8.3.3 Uji Koefisien Determinasi
Koefisien determinasi R2 adalah sebuah koefisien yang menunjukkan persentase pengaruh semua variable independen
terhadap variabel dependen.Persentase tersebut menunjukkan seberapa besar variable independen dapat menjelaskan variabel
dependen.Semakin besar koefisien determinasinya maka semakin baik variabel independent dalam menjelaskan variabel dependen.
Nilai R2 besarnya antara 0-1 0 R2 1 koefisien determinasi ini digunakan untuk mengetahui seberapa besar
variabel bebas mempengaruhi variabel tidak bebas. Nilai R-Square dikatakan baik bila nilainya di atas 0,5 karena nilai dari R-Square
berkisar antara 0 sampai 1. Bila nilai R-Square mendekati 1 maka sebagian besar variabel independen menjelaskan variabel dependen
sedangkan jika koefisien determinasi adalah 0 berarti variabel independen tidak berpengaruh terhadap variabel dependen.
44
BAB IV HASIL DAN PEMBAHASAN
4.1 Analisis Data Penelitan
Metode analisis data yang digunakan peneliti dalam penelitian ini adalah metode analisis statistik, dimana analisis statistik yang digunakan adalah
menggunakan persamaan regresi linier berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsof Exel, selanjutnya data yang sudah
diolah akan dilakukan pengujian melalui uji asumsi klasik dan uji hipotesis. Pengujian asumsi klasik dan hipotesis akan dilakukan menggunakan software
SPSS. Dalam pengujian ini software yang digunakan adalah SPSS 17,0. Prosedur yang dilakukan adalah dengan memasukkan variable-variabel penelitian ke dalam
software SPSS tersebut sehingga menghasilkan output-output sesuai dengan analisis data yang telah ditentukan, oleh karena dalam penelitian ini perusahaan-
perusahaan yang akan menjadi sampel sebanyak tiga puluh perusahaan.
4.2 Analisis Hasil Penelitian 4.2.1
