BAB IV HASIL DAN PEMBAHASAN
4.2 Hasil Analisis Data
4.2.1 Analisis Statistik Deskriptif
Pengujian hipotesis deskriptif merupakan proses pengujian generalisasi hasil suatu penelitian yang didasarkan pada satu sampel. Statistik deskriptif berfungsi untuk mendeskripsikan atau memberikan gambaran tentang objek yang diteliti melalui sampel yang diambil dari suatu populasi tanpa adanya suatu analisa yang menghasilkan kesimpulan. Analisa statistik deskriptif ini
menganalisa nilai rata-rata (mean), standar deviasi, nilai minimum, dan maksimum. Pada penelitian ini, hasil dari pengujian statistik deskriptik yakni Tobins’Q, ROE, dan KI dari sampel perusahaan manufaktur selama periode pengamatan tahun 2011 sampai dengan tahun 2012 disajikan di dalam tabel 4.1
Tabel 4.1
Statistik Deskriptif Variabel Penelitian
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
ROE 116 -324.67 163.76 7.2657 47.74927
TOBIN’S Q 116 1.09 3.74 2.1735 .55842
KI 116 .20 .80 .4015 .11514
Valid N (listwise) 116
Sumber : Output SPSS, 2014
Dari hasil uji statistik deksriptif pada tabel diatas, didapatkan informasi sebagai berikut :
a. Variabel ROE memiliki nilai minimum -324,67 dan nilai maksimum163,76 dengan nilai rata-rata 7,2657. Standar deviasi adalah sebesar 47,74927, jumlah data yang digunakan adalah sebanyak 116.
b. Variabel Tobin’s Q memiliki nilai minimum 1,09 dan nilai maksimum 3,74 dengan nilai rata-rata 2,1735. Standar deviasi adalah sebesar 55842, jumlah data yang digunakan adalah sebanyak 116.
c. Variabel KI memiliki nilai minimum 20 dan nilai maksimum 80 dengan nilai rata-rata 4015. Standar deviasi adalah sebesar 11514, jumlah data yang digunakan adalah sebanyak 116.
4.2.2 Hasil Uji Asumsi Klasik 4.2.2.1 Hasil Uji Normalitas
Pengujian normalitas data yang digunakan dalam penelitian menggunakan uji One-Sample Kolmogorov-Smirnov. Data yang berdistribusi normal jika memiliki nilai signifikan lebih besar dari 0,05.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Standardized Residual
N 116
Normal Parametersa
Mean 2.1735
Std. Deviation .55842
Most Extreme Differences Absolute .060
Positive .060
Negative -.038
Kolmogorov-Smirnov Z .645
Asymp. Sig. (2-tailed) .799
a. Test distribution is Normal.
Sumber : Output SPSS, 2014
Tabel 4.2 merupakan uji One-Sample Kolmogorov-Smirnov yang menunjukan nilai One-Sample Kolmogorov-Smirnov 0,645 dan nilai signifikan 0,799 nilai ini > 0,05 dari data tersebut dapat dikatakan bahwa data yang digunakan dalam penelitian ini berdistribusi normal, hal ini juga dapat kita amati dari hasil uji normalitas pada grafik histogram dan grafik probability plot. Berikut dilampirkan grafik histogram dan grafik probability plot data yang telah memiliki distribusi normal.
Histogram
Dependent Variabel: Tobin’s Q
Gambar 4.1 Grafik Histogram
Sumber : Output SPSS, 2014
Gambar 4.1 menunjukan bahwa grafik histogram yang telah tergambar diatas menunjukan pola yang berdistribusi normal, hal ini dapat dilihat dari bentuk kurva yang memiliki kemiringan yang cenderung seimbang baik dibagian kiri maupun kanan.
Normal P-P Plot of Regression Standardized Residual Dependen Variabel: Tobin’s Q
Gambar 4.2
Grafik Normal Probability Plot
Sumber : Output SPSS, 2014
Gambar 4.2 menunjukan grafik plot yang memiliki titik-titik beraturan mengikuti data disepanjang garis diagonal, hal ini menunjukan bahwa data berdistribusi normal.
4.2.2.2 Hasil Uji Multikolinearitas
Dalam penelitian ini, uji multikolinearitas digunakan untuk menguji apakah ada tidaknya gejala multikolinearitas. Hal ini dilakukan dengan melihat besaran korelasi antar variabel independen dan besarnya koloniearitas yang masih dapat ditolerir yaitu : Tolerance > 0.10 dan VIF < 2. Uji ini dilakukan
dengan melihat nilai tolerance dan VIF, berikut hasil uji multikoloniearitas pada tabel 4.3 :
Tabel 4.3
Hasil Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
(Constant) 628.937 568.493 1.106 .271
ROE 227.082 156.845 .147 1.448 .151 .997 1.003
KI -766.609 866.404 -.090 -.885 .378 .997 1.003
a. Dependent Variable: TOBIN’S Q
Sumber : Output SPSS, 2014
Pada tabel diatas yaitu tabel 4.3 menunjukan penelitian ini bebas dari adanya multikolinearitas, dimana hal ini bisa dilihat dengan membandingkan nilai tolerance dan VIF. Dari tabel tersebut menunjukan nilai tolerance yang lebih besar dari 0,1 yaitu untuk ROE nilai tolerance 0,997 dan KI dengan nilai tolerance 0,997. Jika dilihat dari VIF, masing-masing variabel bebas lebih kecil dari 2 yaitu untuk VIF ROE yaitu 1,003 dan VIF KI sebesar 1,003. Oleh karena itu, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas pada variabel bebas.
4.2.2.3 Hasil Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual suatu pengamatan pada model regresi. Sebuah estimator yang baik yaitu sebuah persamaan yang menghasilkan nilai residu yang sama setiap nilai estimasi atau dengan kata lain homoskedastisitas
bukan heteroskedastisitas. Untuk melihat hal tersebut, berikut grafik scatterplot yang dapat memaparkan ada atau tidaknya heterokedastisitas :
Gambar 4.3 Scatterplot
Sumber : Output SPSS, 2014
Gambar 4.3 yaitu grafik scatterplot menunjukan keberadaan titik-titik yang menyebar secara acak baik diatas maupun di bawah angka 0 pada sumbu Y, hal ini menunjukan bahwa tidak terjadi gejala heterokedastisitas pada model regresi sehingga model regresi ini dapat digunakan untuk memprediksi nilai perusahaan yang berdasarkan pada keberadaan variabel independen yaitu ROE atau return on equity.
4.2.2.4 Hasil Uji Autokorelasi
Uji autokorelasi merupakan uji yang digunakan untuk menguji apakah dalam model regresi linear terdapat korelasi penganggu antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1, autokorelasi akan muncul apabila data yang dipakai adalah data runtut waktu (time series). Bila data penelitian adalah kerat lintang, masalah autokorelasi akan muncul apabila data sangat bergantung kepada tempat tetapi bila penelitian berhubungan dengan kerat lintang maka akan terbebas dari masalah autokorelasi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat. Oleh karena itu, model regresi yang baik adalah model yang bebas dari autokorelasi. Berikut ini tabel hasil uji Durbin Watson :
Tabel 4.4
Hasil Uji Autokorelasi Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .168a .028 .008 741.56758 1.135
a. Predictors: (Constant), ROE
b. Dependent Variable: TOBINSQ
Sumber : Output SPSS, 2014
Tabel 4.4 menunjukan nilai statistik D-W sebesar 1,135, nilai ini menunjukan nilai D-W tidak lebih besar dari 2 dan tidak lebih kecil dari -2 maka tidak terdapat autokorelasi positif pada model regresi.
4.2.3 Hasil Uji Hipotesis
4.2.3.1 Uji Signifikan Parsial (Uji t)
Pengaruh ROE secara parsial terhadap nilai perusahaan dapat dihitung dengan menggunakan uji t. Hasil uji terdapat pada tabel 4.5 berikut :
Tabel 4.5
Hasil Uji t ROE terhadap Tobins’Q Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 2.112 .061 34.629 .000 ROE .049 .027 .171 1.850 .067
a. Dependent Variable: TOBIN’S Q Sumber : Output SPSS, 2014
Variabel ROE memberikan koefisien parameter 0,049 dengan tingkat signifikansi 0,067, (0,067 > 0,05) ini menunjukan bahwa tidak terdapat pengaruh ROE terhadap Tobin’s Q.
4.2.3.2 Analisis Koefisien Determinasi (R2)
Nilai koefisien korelasi adalah nilai yang menunjukan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan kaitannya terhadap variabel dependen. Koefisien korelasi dikatakan kuat jika nilai r berada di atas 0,5 dan mendekati 1. Koefisien determinasi atau R square menunjukan seberapa besar variabel independen mampu menjelaskan variabel dependen. Jika nilai R square bernilai mendekati satu maka variabel independen mampu memberikan informasi yang dibutuhkan dalam menyelidiki dan memprediksi variabel dependen. Sebaliknya jika nilai R square semakin kecil
maka kemampuan variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas.
Tabel 4.7
Hasil Analisis Koefisien Determinasi Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .171a
.029 .021 .55263 .812
a. Predictors: (Constant), ROE
b. Dependent Variable: TOBIN’S Q Sumber : Output SPSS, 2014
Berdasarkan tabel 4.7 nilai adjusted R Square (koefisien determinasi)
adalah sebesar 0,021 atau 2,1%. Hal ini menunjukan bahwa 2,1% variabel TobinsQ atau nilai perusahaan dapat dijelaskan oleh variabel ROE sedangkan sisanya sebesar 97,9 merupakan pengaruh dari variabel bebas lain yang tidal dijelaskan oleh model penelitian ini.
4.2.4 Hasil Uji Hipotesis dengan Moderated Regression Analysis (MIRA) Uji ini diterapkan dengan mengalikan variabel yang dihipotesiskan sebagai variabel moderasi dengan variabel bebas. Apabila variabel yang dikalikan dengan variabel bebas menghasilkan variabel yang signifikan maka bisa disimpulkan bahwa variabel moderasi benar-benar memoderasi hubungan antara variabel bebas dan variabel yang bergantung. Dimana di dalam penelitian ini variabel yang digunakan adalah good corporate governance yang diproksikan dengan keberadaan Komisaris Independen (KI).
4.2.4.1 Hasil Uji Koefisien Determinasi (R2)
Gambaran pada tabel 4.8 memaparkan besarnya adjusted R Square sebesar 0,006, hal ini berarti menunjukan bahwa hanya 0,6% variasi TobinsQ yang dapat dijelaskan oleh variasi variabel independen ROE, KI, dan moderasi KI. Sedangkan sisanya (100%-0,6%=99,994%) sebesar 99,994% dijelaskan oleh faktor-faktor lain diluar model.
Tabel 4.8
Hasil Uji Koefisien Determinasi ROE, KI, dan Moderasi KI Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .178a
.032 .006 .55685
a. Predictors: (Constant), Moderasi, KI, ROE Sumber : Output SPSS, 2014
4.2.4.2 Hasil Uji Statistik t
Berdasarkan tabel 4.9 dapat diketahui bahwa variabel bebas ROE memberikan koefisien parameter sebesar 0,137 dengan tingkat signifikansi sebesar 0,440, variabel KI memberikan koefisien parameter sebesar 0,052 dengan tingkat signifikansi sebesar 0,940. Variabel moderasi KI yang memiliki koefisien parameter sebesar -0,118 ternyata tidak signifikan karena nilai signifikasinya sebesar 0,619 > 0,05. Sehingga dapat ditarik kesimpulan variabel ROE tidak berpengaruh secara signifikan terhadap nilai perusahaan. Sementara variabel Moderasi KI tidak berpengaruh terhadap nilai perusahaan dan bukan merupakan variabel moderating yang sesuai.
Tabel 4.9
Hasil Uji t ROE, KI, dan Moderasi KI Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 2.066 .449 4.600 .000 ROE .137 .176 .475 .776 .440 KI .052 .697 .008 .075 .940 Moderasi KI -.118 .237 -.310 -.498 .619
a. Dependent Variable: TOBIN’S Q Sumber : Output SPSS, 2014