1. Perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia berturut-turut dari
2010 sampai 2014. 2.
Perusahaan manufaktur yang mempunyai laba bersih positif selama periode penelitian yakni 2010-2014.
3. Perusahaan yang mengalami tingkat pertumbuhan yang tinggi ditandai dengan
nilai pertumbuhan yang positif. 4.
Perusahaan manufaktur yang menampilkan data dan informasi yang lengkap terkait dengan variabel-variabel yang dibutuhkan dalam penelitian.
Jumlah populasi yang sebelumnya sebanyak 128 perusahaan manufaktur, setelah dipilih menggunakan kriteria yang telah ditentukan. Jumlah perusahaan manufaktur
menyusut menjadi 15 perusahaan. Perusahaan- perusahaan yang menjadi objek penelitian dapat dilihat pada daftar populasi dan daftar sampel di lampiran.
3.4. Metode Analisa Data
Guna menganalisis data, maka penulis menggunakan bantuan software SPSS 20 Statistic Product and Services Solution untuk menghasilkan kesimpulan dari pengujian
hipotesis. Sebelum melakukan pengujian hipotesis terlebih dahulu penulis melakukan pengujian asumsi klasik. Uji asumsi klasik ini dilakukan untuk menentukan ketepatan model
karena data yang digunakan dalam penelitian ini adalah data sekunder. Jenis data dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang
tidak secara langsung diberikan kepada pengumpul data. Data penelitian diambil dari laporan keuangan tahunan dari setiap perusahaan yang merupakan sampel penelitian dari
tahun 2010-2014. Data yang dibutuhkan oleh peneliti diperoleh melalui situs resmi Bursa Efek Indonesia yakni www.idx.co.id.
Universitas Sumatera Utara
3.5. Uji Asumsi Klasik
Pengujian hipotesis dilakukan dengan menggunakan analisis regresi linear berganda. Analisis regresi liner berganda merupakan teknik yang paling sering digunakan
dibandingkan dengan teknik yang lain, mengingat sebagian besar rumusan penelitian akuntansi dan keuangan berkenaan dengan dugaan adanya pengaruh beberapa variabel
bebas terhadap variabel terikat Supramono dan Utami 2005. Model persamaan regresi linear berganda pada penelitian ini dirumuskan sebagai berikut :
Y= a + b1 X1 + b2 X2 + ε
3.5.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang baik memiliki
distribusi data normal atau mendekati normal. Untuk mendeteksi apakah variabel residual berdistribusi normal atau tidak yaitu dengan analisis grafik. Sedangkan normalitas suatu
variabel umumnya dideteksi dengan uji statistik nonparametrik Kolmogorof - Smirnov K- S. Suatu variabel dikatakan terdistribusi normal jika nilai signifikansinya 0,05 Ghozali,
2012.
3.5.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2012. Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi antara lain dapat
dilakukan dengan melihat 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah
nilai tolerance ≥ 0,10 atau sama dengan nilai VIF ≤ 10 Ghozali, 2012.
Universitas Sumatera Utara
3.5.3 Uji Heteroskedastisitas
Pengujian ini dilakukan untuk mendeteksi apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan yang lain.
Dalam model regresi, salah satu asumsi yang harus dipenuhi bahwa varians residual dari suatu pengamatan ke pengamatan yang lain tidak memiliki pola tertentu.
Pendeteksian ada atau tidaknya heteroskedastisitas dapat juga dilakukan dengan melihat ada atau tidaknya pola tertentu bergelombang, melebar kemudian menyempit pada
grafik plot scatterplot antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID.
3.5.4 Uji Autokorelasi
Asumsi ini disebut juga dengan asumsi non-autokorelasi non-autocorrelation. Untuk menguji asumsi independensi dari error, dapat digunakan uji Durbin-Watson. Nilai
statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Field 2009 menyatakan sebagai berikut “Nilai statistik dari uji Durbin-Watson berkisar dari 0 sampai 4. Nilai statistik dari
uji Durbin- Watson yang bernilai 2 berarti residual tidak berkorelasi”.
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field 20
09 menyatakan “Nilai dari statistik uji Durbin- Watson bergantung pada jumlah variabel bebas dan banyaknya pengamatan dalam sampel.
Nilai kritis Durbin-Watson dapat dilihat dalam tabel distribusi Durbin-Watson atau dengan menggunakan patokan nilai rule of thumb. Nilai statistik Durbin-Watson yang lebih kecil
dari 1 atau lebih besar dari 3 perlu mendapat perhatian bahwa terindikasi terjadi autokorelasi.”
3.6. Pengujian Hipotesis
Universitas Sumatera Utara
3.6.1. Uji Statistik.
Uji hipotesis terhadap suatu variabel umumnya berupa uji perbedaan antara nilai sampel dengan populasi atau nilai data yang diteliti dengan nilai ekspektasi peneliti Erlina
2007. Supramono dan Utami 2005 menjelaskan bahwa jenis hipotesis perbedaan antar kelompok dapat menggunakan t-test bila terdiri dari dua kelompok atau F-test bila
menggunakan lebih dari dua kelompok. Uji Statistik pada penelitian ini menggunakan t-test untuk melihat signifikansi secara parsial dan F-test digunakan untuk melihat signifikansi
secara bersama- sama pada level 5 α = 0.05.
Kriteria pengambil keputusan uji t dan uji F dijelaskan sebagai berikut : H
diterima jika t
hitung
t
tabel
pada 5
H
a
diterima jika t
hitung
t
tabel
pada 5
H diterima jika F
hitung
F
tabel
pada 5
H
a
diterima jika F
hitung
F
tabel
pada 5
3.6.2. Koefisien determinasi R
2
.
Koefisien determinasi R
2
adalah mengukur sejauh mana kemampuan model dalam menerangkan variasi dari variabel dependen. Nilai koefisien determinasi berada diantara nol
dan satu. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen
Ghozali, 2009.
3.7. Path Analysis
Di dalam melakukan analisis lintas, tidak terlepas dari usaha untuk membangun diagram lintas path diagram agar lebih memperjelas uraian yang dikemukakan. Dengan
mengkombinasikan diagram-diagram geometrik dan persamaan-persamaan aljabar, maka analisis statistika dalam mempelajari hubungan kausal-efek di Antara variabel-variabel
menjadi lebih berbobot dalam arti hasilnya menjadi lebih mudah untuk dipahami.
Universitas Sumatera Utara
Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang tejadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak
hanya secara langsung tetapi juga secara tidak langsung Retherford 1993. Dengan kata lain analisis jalur memperhitungkan adanya pengaruh langsung atau tidak langsung direct
indirect effect . Berbeda dengan model regresi biasa dimana pengaruh variabel bebas terhadap terikat hanya berbentuk pengaruh langsung.Untuk menggambarkan hubungan
– hubungan kausal antar variabel yang akan diteliti, peneliti menggunakan model diagram
untuk lebih memudahkan melihat hubungan – hubungan kausalitas tersebut. Untuk lebih
jelasnya dapat dilihat pada gambar berikut
Gambar 3.1 Full Mode Struktural
Keterangan : Y
= Price to book value ρ
= Koefisien jalur untuk pengaruh langsung X terhadap Y X
1
= Keputusan Investasi X
2
= Keputusan Pendanaan Z
= Growth ԑ
= Koefisien korelasi di luar model error
X1
X2 Z
Y
ԑ
1
ԑ
2
ρ2 ρ1
ρ4 4
ρ3
ρ5
Universitas Sumatera Utara
Berdasarkan gambar 3.1 dapat dilihat pola hubungan masing-masing variabel tersebut maka dapat disusun sistem persamaan sub strukturnya, yaitu:
1. Persamaan Sub Struktural I, adalah sebagaimana dalam gambar 3.2 berikut ini:
Gambar 3.2 Sub Struktural I
Keputusan investasi yang diukur dengan Price Earning Ratio PER, keputusan pendanaan yang diukur dengan Debt to Equity Ratio DER, terhadap Growth yang diukur
dengan Earning Growth dengan persamaan sebagai berikut: Z = ρ1 X1 + ρ2 X2 + ԑ1
1. Persamaan Sub Struktural II, adalah sebagaimana dalam gambar 3.3 berikut ini:
Gambar 3.3 Sub Struktural II
Pengaruh keputusan investasi yang diukur dengan Price Earning Ratio PER, keputusan pendanaan yang diukur dengan Debt to Equity Ratio DER, terhadap nilai
perusahaan yang diukur dengan Price to Book Value PBV dengan persamaan sebagai berikut:
ρ1 ρ2
X1
X2 Z
ԑ
1
ρ4
X1
X2 Z
Y
ԑ
2
ρ
ρ
Universitas Sumatera Utara
Y = ρ3 X1 + ρ4 X2 + ρ5 Z + ԑ 2 Model jalur pada gambar 3.1 menjelaskan bahwa variabel keputusan investasi
PER, keputusan pendanaan DER, mempunyai hubungan langsung dengan Growth; variabel Growth mempunyai hubungan langsung dengan nilai perusahaan PBV; serta
variabel keputusan investasi PER dan keputusan pendanaan DER mempunyai hubungan tidak langsung dengan nilai perusahaan PBV melalui Growth. Pengaruh langsung,
pengaruh tidak langsung, dan pengaruh total dapat dijelaskan sebagai berikut:
a. Pengaruh langsung
1 Pengaruh masing-masing variabel X1 dan X2 terhadap Z masing-masing
yaitu ρ1, ρ2
2 Pengaruh masing-masing X1 dan X2 te
rhadap Y yaitu ρ3, ρ4
3 Pengaruh Z terhadap Y yaitu ρ5
b. Pengaruh tidak langsung
Pengaruh masing-masing variabel X1 dan X2 terhadap Y melalui Z adalah sebagai berikut:
1 Pengaruh X1 ter
hadap Y melalui Z yaitu ρ1 ρ5
2 Pengaruh X2 terhadap Y melalui Z yai
tu ρ2 ρ5
c. Pengaruh total
Pengaruh total masing-masing variabel X1 dan X2 terhadap Y melalui Z adalah sebagai berikut:
Universitas Sumatera Utara
1 Pengaruh
X1 terhadap Y melalui Z yaitu ρ3 + ρ1 ρ5
2 Pengaruh X2 terhadap Y
melalui Z yaitu ρ4 + ρ2 ρ5
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. Dalam penelitian ini, variabel yang digunakan dalam perhitungan statistik deskriptif adalah keputusan investasi, keputusan pendanaan, Growth, dan nilai perusahaan.
Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut.
Tabel 4.1 Statistik Deskriptif dari Nilai Perusahaan, Keputusan Investasi, Keputusan
Pendanaan dan Growth sebagai Intervening
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation NilaiPerusahaaan
75 ,52
9,53 3,3099
2,03680 KeputusanInvestasi
75 ,39
12,42 4,3089
1,76547 KeputusanPendanaan
75 ,28
1,74 ,7844
,34542 Growth
75 ,89
6,98 2,3667
1,57652 Valid N listwise
75
Sumber : Hasil Olahan Software SPSS
Universitas Sumatera Utara
