BAB IV HASIL DAN PEMBAHASAN
B. Analisis Hasil Penelitian
3. Analisis Regresi
Dari hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang
Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda
(multiple regression).
Berdasarkan hasil pengolahan data dengan program SPSS 15.0, maka diperoleh hasil sebagai berikut :
a. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, yaitu pengaruh LN_LEV (X1), LN_DPR (X2) dan LN_EPS (X3) terhadap LN_Q (Y). Hasil regresi dapat dilihat pada tabel 4.8 berikut ini :
Model Unstandardized Coefficients Standardized Coefficients t Sig B Std. Error Beta 1 (Constant) .694 .385 1.803 .079 LN_LEV 1.573 .249 .744 6.325 .000 LN_DPR .087 .098 .099 .887 .381 LN_EPS -.003 .040 -.008 -.070 .945
Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai berikut : LN_Q = 0,694 + 1,573 LN_LEV + 0,087 LN_DPR - 0,003 LN_EPS + ε
Setelah dilakukan kuadrat, diperoleh persamaan:
Q = 0,481636 + 2,474329 LEV + 0,007569 DPR – 0,000009 EPS + ε
Keterangan :
1) Konstanta sebesar 0,481636 menunjukkan bahwa apabila tidak ada variabel independen (X1 = 0, X2 = 0 dan X3=0) maka Tobins’Q akan sebesar 0,481636.
2) β1 sebesar 2,474329 menunjukkan bahwa setiap kenaikan leverage ratio sebesar 1% akan diikuti oleh kenaikan Tobins’Q sebesar 2,474329 dengan asumsi variabel lain tetap.
3) β2 sebesar 0,007569 menunjukkan bahwa setiap kenaikan 1% pada
dividend payout ratio akan diikuti oleh kenaikan Tobins’Q sebesar
0,007569 dengan asumsi variabel lain tetap.
4) β3 sebesar – 0,000009 menunjukkan bahwa setiap kenaikan 1% pada
earnings per share akan diikuti oleh penurunan Tobins’Q sebesar
0,000009 dengan asumsi variabel lain tetap.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi (R) menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi (R square) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas.
Tabel 4.9
Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Model Summary(b) Model R R Square
Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 .732(a) .536 .501 .46231 1.767
a Predictors: (Constant), LN_EPS, LN_DPR, LN_LEV b Dependent Variabel: LN_Q
Pada model summary, nilai koefisien korelasi (R) sebesar 0,732 yang berarti bahwa korelasi atau hubungan antara Tobins’Q (LN_Q) dengan variabel independennya (LN_LEV, LN_DPR, dan LN_EPS) begitu kuat karena berada diatas 0,5. Angka adjusted R square atau koefisien determinasi adalah 0,536. Hal ini berarti 53,6% variasi atau perubahan dalam Tobins’Q dapat dijelaskan oleh variasi leverage ratio, dividend payout ratio dan earnings per share, sedangkan sisanya (46,4%) dijelaskan oleh variabel lainnya yang tidak dimasukkan dalam model regresi. Standard Error of Estimate (SEE) adalah 0,46231, yang mana semakin besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
c. Pengujian Hipotesis
Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji signifikansi simultan (F test) dan uji parsial (t test).
1. Uji Signifikansi Simultan (F- test)
Untuk melihat pengaruh laba bersih dan arus kas operasi terhadap dividend
simultan (F-test). Pengujian ini pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model regresi memiliki pengaruh secara bersama – sama terhadap variabel dependen.
Bentuk pengujiannya adalah: • Ho : b1=b2=b3
• H
=0, artinya variabel Leverage Ratio (LEV), Dividend
Payout Ratio (DPR) dan Earnings Per Share (EPS) yang terdapat pada
model ini bukan penjelas yang signifikan terhadap variabel Tobins’Q. a : bi ≠b2 ≠b3 ≠0, artinya variabel Leverage Ratio (LEV), Dividend
Payout Ratio (DPR) dan Earnings Per Share (EPS) yang terdapat pada
model ini merupakan penjelas yang signifikan terhadap variabel Tobins’Q. Berdasarkan hasil pengolahan data dengan program SPSS 15.0, maka diperoleh hasil sebagai berikut :
Tabel 4.10 Hasil Uji F
ANOVA(b) Model
Sum of
Squares df Mean Square F Sig. 1 Regression 9.865 3 3.288 15.385 .000(a)
Residual 8.549 40 .214
Total 18.414 43
a Predictors: (Constant), LN_EPS, LN_DPR, LN_LEV b Dependent Variabel: LN_Q
Berdasarkan hasil SPSS pada Tabel 4.10 diperoleh nilai signifikansi F sebesar 0,000 yang lebih kecil dari 0,05 dan nilai Fhitung sebesar 15,385 yang lebih besar dari Ftabel yang hanya 2,84 (15,385 > 2,84). Oleh karena probabilitas tersebut jauh lebih kecil dari 0,05 dan Fhitung lebih besar dari Ftabel,, maka model regresi dapat digunakan untuk memprediksi Y atau mengindikasikan bahwa Ho
Ratio (LEV), Dividend Payout Ratio (DPR) dan Earnings Per Share (EPS) pada
model ini secara serentak dan signifikan mempengaruhi variabel Tobins’Q.
2. Uji Parsial (t-Test)
Uji parsial atau uji signifikansi parameter individual (t-Test) menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen, atau dengan kata lain digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Adapun hipotesis untuk uji t adalah sebagai berikut:
H1 : kebijakan leverage berpengaruh terhadap nilai perusahaan H2 : kebijakan dividen berpengaruh terhadap nilai perusahaan H3 : earnings per share berpengaruh terhadap nilai perusahaan Uji t ini dilakukan dengan membandingkan signifikansi thitung
− Jika t
dengan ketentuan:
hitung < ttabel − Jika t
pada α 0.05, maka Ha ditolak. hitung > ttabel
Berdasarkan hasil pengolahan SPSS versi 15.0, diperoleh hasil sebagai berikut :
Tabel 4.9
pada α 0.05, maka Ha diterima.
Model t Sig 1 (Constant) 1.803 .079 LN_LEV 6.325 .000 LN_DPR .887 .381 LN_EPS -.070 .945
Dari uji t yang telah dilakukan, maka diperoleh nilai signifikansi untuk variabel independen yaitu kebijakan leverage (LN_LEV) adalah 0,000 dan nilai ini jauh lebih kecil dari 0.05 yang berarti bahwa H1 diterima. Selain itu, dari uji t di atas, diperoleh nilai thitung untuk kebijakan leverage adalah 6,325. Sementara ttabel yang dihitung dengan ketentuan α = 5% adalah 1,6811. Nilai thitung (6,325) ini lebih besar dari nilai ttabel (1,6811). Dengan demikian, dapat disimpulkan bahwa H1 diterima atau kebijakan leverage berpengaruh signifikan terhadap nilai perusahaan (Tobins’Q).
Variabel kebijakan dividen (LN_DPR), dari uji t yang telah dilakukan tersebut, memiliki nilai signifikansi sebesar 0,381, yang berarti bahwa H2 ditolak sebab nilai signifikansinya lebih besar dari 0,05. Hal ini juga dapat dilihat dari besarnya thitung yang dihasilkan, yaitu 0,887, yang lebih kecil dari nilai ttabel (α = 5%), yaitu 1,6811 ttabel > thitung (1,6811 > -0,887). Dengan demikian, dapat disimpulkan bahwa H2
Sementara itu, dari uji t yang telah dilakukan, variabel independen lainnya, yaitu earnings per share (LN_EPS) tidak berpengaruh signifikan terhadap Tobins’Q karena tingkat signifikansinya lebih besar dari 0,05 yaitu 0,945 (0,945 > 0,05), dan dari tabel regresi juga dapat dilihat besarnya t
atau kebijakan dividen tidak berpengaruh secara signifikan terhadap nilai perusahaan (Tobins’Q).
hitung untuk variabel variabel earnings per share sebesar - 0,070, sehingga dapat disimpulkan bahwa ttabel > thitung (1,6811 > -0,070). Dengan
demikian, dapat disimpulkan bahwa H3