BAB IV : ANALISIS DATA DAN PEMBAHASAN
PEROLEHAN SAMPEL PENELITIAN
1. Uji Asumsi Klasik
Secara teoritis, analisis data yang digunakan dalam penelitian ini akan menghasilkan nilai parameter model pendugaan yang sahih bila telah memenuhi nilai asumsi klasik regresi normalitas, autokorelasi, multiko-linearitas, dan heteroskedastisitas. Untuk lebih jelasnya dapat dikemukakan sebagai berikut:
a. Uji Normalitas
Pengujian normalitas dilakukan dengan menggunakan uji One-Sample Kolmogorov-Smirnov Test pada unstandarized residual. Dengan uji ini dapat diketahui apakah data yang diamati sesuai dengan distribusi tertentu. Kriteria yang digunakan dengan membandingkan nilai sign 2 tailed, apabila nilai sign 2 tailed > 0,05 maka data terdistribusi normal. Setelah dilakukan pengolahan dengan menggunakan bantuan program SPSS 16, maka diperoleh hasil seperti tampak pada tabel IV.3 berikut:
Tabel IV.3 Uji Normalitas
One-Sample Kolmogrov-Smirnov Test
Unstandarized Residual
N 46
Normal Parametersa Mean 0.0000000 Std. Deviation 0.23234287 Most Extreme Difference Absolute 0.102
Positive 0.102 Negative -0.089 Kolmogrov-Smirnov Z 0.689
Asymp. Sig. (2-tailed) 0.730 a. Test distribution is Normal
commit to user Gambar IV.1
Scatterplot Uji Normalitas
Sesuai dengan hasil rangkuman yang merupakan hasil dari pengujian normalitas dengan SPSS 16 di atas maka diketahui bahwa nilai residual sudah terdistribusi normal. Hal ini dapat dilihat pada uji kolmogrov smirnov yang menunjukkan signifikansi diatas 0,05. Selain itu dapat dilihat juga pada gambar PP Plot yang ditunjukkan dari letak titik-titik berada tidak jauh dari garis diagonal.
b. Uji Multikolinearitas
Uji multikolinieritas dimaksudkan untuk menguji apakah model regresi bebas multikolinieritas atau tidak. Suatu variabel menunjukkan gejala multikoliniearitas bisa dilihat dari nilai VIF (Variance Inflation Factor) yang tinggi pada variabel-variabel independen suatu model
commit to user
59 regresi. Nilai VIF yang lebih besar dari 10 menunjukkan adanya gejala multikoliniearitas dalam model regresi. Hasil pengujian VIF adalah sebagai berikut : Tabel IV.4 Uji Multikolinearitas Collinearity Statistics Tolerance VIF FL 0.909 1.101 RU 0.953 1.049 ROA 0.914 1.095 CR 0.960 1.041 Sumber: Output SPSS 16
Berdasarkan tabel tersebut dapat dilihat bahwa keempat variabel independen, memiliki nilai VIF lebih kecil dari 10, demikian juga nilai tolerance tidak ada yang kurang dari 0,1, sehingga dapat disimpulkan bahwa model regresi tersebut tidak terdapat multikolinearitas.
c. Uji Autokorelasi
Pengujian autokorelasi dilakukan dengan menggunakan uji statistik parametrik run test. Run test sebagai bagian dari staristik non-parametrik dapat digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah random atau sistematis, agar bebas dari autokorelasi maka residual harus terjadi secara random. Nilai dari asymp. sig. (2-tailed) > 0.05 agar tidak terjadi autokorelasi. Hasil pengujian run test adalah sebagai berikut :
commit to user Tabel IV.5 Uji Autokorelasi Runs Test Unstandardized Residual Test Valuea -0.02813
Cases < Test Value 23 Cases >= Test Value 23
Total Cases 46
Number of Runs 30
Z 1.640
Asymp. Sig. (2-tailed) 0.101 a. Median
Sumber : output SPSS 16
Dari rangkuman hasil run test diatas dapat dilihat bahwa nilai asymp.sig.(2-tailed) sebesar 0.101 > 0.05, berarti tidak terjadi autokorelasi dalam model regresi tersebut.
d. Uji Heteroskedastisitas
Dalam penelitian ini menggunakan cara analisis grafik plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Yadalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di-studentized. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terhadi heteroskedastisitas. Namun jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
commit to user
61 dan di bawah angka 0 pada sumbu Y, maka tida terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan analisis grafik adalh sebagai berikut :
Sumber: Output SPSS 16
Gambar IV.2 Uji Hesteroskedastisitas
Berdasarkan gambar diatas 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 menganalisis TU (Tingkat Underpricing) berdasarkan variabel independen Financial Leverage, Reputasi Underwriter, Return on Assets dan Current Ratio.
commit to user 2. Analisis Regresi Berganda
Uji regresi berganda digunakan untuk mengetahui ada tidaknya pengaruh antara variabel independen dengan variabel dependen. Perhitnungan persamaan regresi dilakukan dengan menggunakan program SPSS 16 for windows dengan memasukan variabel dummy reputasi underwriter. Hasil perhitungan dapat dilihat pada table berikut :
Tabel IV.6 Koefisien Regresi Coefficientsa Standardized Model Unstandardized Coefficients Coefficients Colliniearity Statistic B Std.Error Beta t sig. Tolerance VIF 1 (Constant) 0.619 0.142 4.361 0.000 FL -0.247 0.191 -0.186 -1.297 0.202 0.909 1.101 RU -0.190 0.075 -0.353 -2.527 0.015 0.953 1.049 ROA -1.546 0.736 -0.300 -2.099 0.042 0.914 1.095 CR 0.029 0.018 0.221 1.589 0.120 0.960 1.041 a. Dependent Variable: TU
Berdasarkan tabel IV.6 didapat persamaan regresi sebagai berikut: UDP = 0.619 – 0.247FL – 0.19RU – 1.546ROA + 0.029CR
Nilai koefisien konstanta 0.619 memiliki makna apabila semua variabel independen diasumsikan sama dengan nol (0), maka nilai Y adalah 0.619. Hal ini berarti jika financial leverage, reputasi underwriter, return on asset dan current asset nilainya nol, maka saham perusahaan akan mengalami underpricing sebesar 0.619 atau 62%.
Nilai koefisien regresi diurutkan berdasarkan besarnya nilai unstandardized koefisien dari variabel independen. Semakin besar nilai koefisien regresi dari variabel independen penelitian menunjukan semakin
commit to user
63 besar pengaruh dari variabel independen terhadap variabel dependen. Interpretasi dari koefisien persamaan regresi berdasarkan besarnya keofisien unstandardized variabel independen dapat dijelaskan sebagai berikut:
a.Koefisien Regresi Financial Leverage (X1)
Koefisien regresi financial leverage sebesar -0.247 menyatakan bahwa jika X1 naik sebesar 1 poin dan variabel lain diasumsikan konstan maka Y akan turun sebesar 0.247 poin. Nilai koefisien yang negatif menunjukkan pengaruh yang berlawanan antara underpricing dengan financial leverage. Hal ini berarti semakin tinggi financial leverage suatu perusahaan, maka semakin rendah tingkat underpciringnya.
b. Koefisien Regresi Reputasi Underwriter
Koefisien regresi reputasi underwriter sebesar -0.19 menyatakan bahwa jika X2 naik sebesar 1 poin dan variabel lain diasumsikan konstan maka Y akan turun sebesar 0.19 poin. Nilai koefisien yang negatif menunjukkan pengaruh yang berlawanan antara underpricing dengan reputasi underwriter. Hal ini berarti semakin tinggi reputasi underwriter suatu perusahaan, maka semakin rendah tingkat underpciringnya.
c. Koefisien Regresi Return on assets
Koefisien regresi return on asset sebesar -1.546 menyatakan bahwa jika X3 naik sebesar 1 poin dan variabel lain diasumsikan konstan maka Y akan turun sebesar 1.546 poin. Nilai koefisien yang negatif menunjukkan pengaruh yang berlawanan antara underpricing dengan return on asset. Hal ini berarti semakin tinggi return on asset suatu perusahaan, maka semakin rendah tingkat underpciringnya.
commit to user d. Koefisien Regresi Current Ratio
Koefisien regresi current ratio sebesar 0.29 menyatakan bahwa jika X4 naik sebesar 1 poin dan variabel lain diasumsikan konstan maka Y akan naik sebesar 0.29 poin. Nilai koefisien yang positif menunjukkan pengaruh yang searah antara underpricing dengan current ratio. Hal ini berarti semakin tinggi current ratio suatu perusahaan, maka semakin tinggi tingkat underpciringnya.
3. Pengujian Hipotesis a. Koefisien Determinasi
Untuk mengetahui besarnya persentase variasi dalam variabel terikat yang dapat dijelaskan oleh variasi dalam variabel bebas, maka dapat dicari nilai R2 (koefisien determiasi). Nilai koefisien determinasi dapat dilihat pada tabel IV.7 berikut ini:
Tabel IV.7
Nilai Koefisien Determiasi
Model Summaryb
Model R R Square Adjusted Std.Error R Square of the estimate 1 0.486a 0.237 0.162 0.24341 a. Predictors: (Constant), CR, FL, RU, ROA
b. Dependent Value: TU Sumber: Output SPSS 16
Besarnya nilai R2 didapat dari nilai Adjusted RSquare pada tabel IV.7 adalah 0.162 menunjukkan bahwa 16.2 % variabel terikat (underpricing) dapat dijelaskan oleh variabel bebas, sedangkan sisanya sebesar 83.8% dipengaruhi oleh faktor lain diluar model.
commit to user
65 b. Uji Statistik F
Uji F digunakan untuk mengetahui seberapa besar pengaruh variabel bebas (financial leverage, reputasi underwriter, return on assets dan current ratio) secara simultan terhadap variabel terikatnya (underpricing) pada penawaran saham perdana di BEI periode 2007-2010. Hasil uji F dapat terlihat pada tabel IV.8 berikut ini:
Tabel IV.8 Uji F Anovab
Sum of Model Square Df Mean Square F Sig 1 Regression 0.753 4 0.188 3.176 0.023a Residual 2.429 41 0.059 Total 3.182 45 a. Predictors: (Constant), CR, FL, RU, ROA
b. Dependent Variable: TU Sumber : Output SPSS 16
Berdasar output SPSS 16 pada tabel IV.8 diperoleh nilai taraf signifikansi 0.023. Nilai tersebut lebih kecil dari tingkat derajat kepercayaan 0.05. Hal ini berarti hipotesis yang menyatakan bahwa tardapat pangaruh antara variabel bebas terhadap variabel terikat secara simultan (H1) dapat diterima. c. Uji Parsial / Uji Statistik t
Uji t digunakan untuk mengetahui pengaruh masing-masing variabel bebas yang digunakan terhadap variabel terikat yaitu underpricing. Hasil uji t dapat dilihat pada tabel IV.9 berikut ini:
commit to user Tabel IV.9 UJi t Coefficientsa Standardized Model Unstandardized
Coefficients Coefficients Colliniearity Statistic B Std.Error Beta T sig. Tolerance VIF 1 (Constant) 0.619 0.142 4.361 0.000 FL -0.247 0.191 -0.186 -1.297 0.202 0.909 1.101 RU -0.190 0.075 -0.353 -2.527 0.015 0.953 1.049 ROA -1.546 0.736 -0.300 -2.099 0.042 0.914 1.095 CR 0.029 0.018 0.221 1.589 0.120 0.960 1.041 a. Dependent Var.: TU Sumber: Output SPSS 16
Dari hasil uji t pada tabel IV.8 dapat dilihat bahwa secara parsial variabel bebas yang berpengaruh terhadap Variabel terikat hanya ada dua variabel dari empat variabel bebas yaitu reputasi underwriter dan return on assets. Hal ini berarti hipotesis yang menyatakan bahwa variabel bebas terdapat pengaruh terhadap variabel terikat (underpricing) secara parsial (H2), tidak sepenuhnya dapat diterima.
Variabel financial leverage memiliki signifikansi 0.202 (P > 0.05). Hal ini berarti variabel financial leverage tidak berpengaruh secara signifikan terhadap tingkat underpricing.
Variabel reputasi underwriter memiliki signifikansi 0.015 (P < 0.05). Hal ini berarti variabel reputasi underwriter berpengaruh secara signifikan terhadap tingkat underpricing.
Variabel return on assets memiliki signifikansi 0.042 (P < 0.05). Hal ini berarti variabel return on assets berpengaruh secara signifikan terhadap tingkat underpricing.
commit to user
67 Variabel current ratio memiliki signifikansi 0.120 (P > 0.05). Hal ini berarti variabel current ratio tidak berpengaruh secara signifikan terhadap tingkat underpricing.
Hipotesis ketiga (H3) yang menyatakan bahwa terdapat pengaruh yang paling dominan diantara faktor-faktor yang mempengaruhi tingkat underpricing adalah terbukti kebenarannya. Dari hasil analisis data untuk variabel reputasi underwriter diperoleh nilai thitung sebesar -2.527 dengan tingkat signifikansi 0.015 dan nilai koefisien regresi sebesar -0.19. Dengan demikian dapat dikatakan bahwa variabel reputasi underwriter merupakan variabel yang berpengaruh paling dominan terhadap tingkat underpricing.
