HASIL PENELITIAN DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.1 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 Struktur Modal, Ukuran, Pertumbuhan, Return on Equity, dan Nilai Perusahaan.Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut.
Tabel 4.2
Statistik Deskriptif TOBIN’S Q, Debt to Equity Ratio (DER), Size,Growth, dan Return On Equity (ROE)
Y X1 X2 X3 X4
Mean 0.629950 0.756564 28.41395 27.96106 10.10544 Maximum 10.98656 2.850000 33.73000 850.8251 52.43000 Minimum -0.058403 0.020000 -29.00000 -19.25274 -40.40000 Std. Dev. 1.493082 0.504328 4.459235 77.59824 11.39725
Observations 195 195 195 195 195
Sumber: Hasil Olah software Eviews 7
Tabel di atas merupakan output statistic deskriptif variabel penelitian dari tahun 2011 sampai 2015 dengan menggunakan Eviews. Jumlah data yang diolah semuanya adalah 195 yang ditunjukkan dari nilai Obeservation. Kolom minimum menunjukkan nilai terkecil dari masing-masing variabel dan kolom maximum menunjukkan nilai terbesar dari masing-masing variabel. Meanadalah nilai rata-rata dan Std. deviation menunjukkan simpangan baku dari masing-masing variabel sebagai berikut:
Diketahui nilai variabel dependen (Y) yaitu nilai perusahaan, untuk tiga perusahaan yang memiliki nilaiminimum terendah adalah -0,058403 pada emiten BKDP pada tahun 2013, 0,05254 pada emiten MTSM pada tahun 2015, dan
-0,05003 pada emiten BKDP pada tahun 2012. Tiga perusahaan yang memiliki nilai perusahaan maksimum tertinggi adalah 10,986559 pada emiten LCGP pada tahun 2012, 9,726024 pada emiten LCGP pada tahun 2014, dan 8,922387 pada emiten LCGP pada tahun 2015. Sementara rata-rata dan standar deviasi dari nilai perusahaan adalah 0.629950 dan 1.493082.
Diketahui nilai variabel (X1) struktur modal, untuk tiga perusahaan yang memiliki nilaiminimum terendah adalah 0,020000 pada emiten LCGP pada tahun 2013, 0,060000 pada emiten LCGP pada tahun 2015, dan 0,070000 pada emiten LCGP pada tahun 2014. Tiga perusahaan yang memiliki nilai struktur modal maksimum tertinggi adalah 2,850000 pada emiten GMTD pada tahun 2012, 2,270000 pada emiten SMRA pada tahun 2011, dan 2,240000 pada emiten GMTD pada tahun 2013. Sementara rata-rata dan standar deviasi dari struktur modal adalah 0,756564 dan 0,504328.
Diketahui nilai variabel (X2) ukuran, untuk tiga perusahaan yang memiliki nilai minimum terendah adalah -29,000000 pada emiten DART pada tahun 2011,25,200000 pada emiten MTSM pada tahun 2015, dan 25,250000 pada emiten MTSM pada tahun 2014. Tiga perusahaan yang memiliki nilai ukuran maksimum tertinggi adalah 33,730000 pada emiten PUDP pada tahun 2015, 3,630000 pada emiten PUDP pada tahun 2014, dan 33,540000 pada emiten PUDP pada tahun 2013. Sementara rata-rata dan standar deviasi dari ukuran adalah 28,413949 dan 4,459235.
Diketahui nilai variabel (X3) pertumbuhan, untuk tiga perusahaan yang memiliki nilai minimum terendah adalah -19,252741 pada emiten ELTY pada
tahun 2013, -16,4222 pada emiten GMTD pada tahun 2015, dan -13,9616 pada emiten ELTY pada tahun 2012. Tiga perusahaan yang memiliki nilai pertumbuhan maksimum tertinggi adalah 850,825096 pada emiten LCGP pada tahun 2013, 481,9125 pada emiten GWSA pada tahun 2011, dan 361,1128 pada emiten COWL pada tahun 2012. Sementara rata-rata dan standar deviasi dari pertumbuhan adalah 27,961057 dan 77,598243.
Diketahui nilai variabel (X4) yaituReturn on Equity, untuk tiga perusahaan yang memiliki nilai minimum terendah adalah -40,400000 pada emiten LCGP pada tahun 2015, -27,170000 pada emiten BIPP pada tahun 2011, dan -17,87 pada emiten BIPP pada tahun 2012. Tiga perusahaan yang memiliki nilaiReturn on Equity maksimum tertinggi adalah 52.430000 pada emiten MDLN pada tahun 2013, 40,850000 pada emiten SCBD pada tahun 2013, dan 33,130000 pada emiten LPCK pada tahun 2012. Sementara rata-rata dan standar deviasi dari Return on Equityadalah 10,105436 dan 11,397253.
4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Jarque-Bera (J-B). Dalam penelitian ini, tingkat signifikansi yang digunakan 𝛼 = 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai berikut.
1. Jika nilai probabilitas 𝑝 ≥ 0,05, maka asumsi normalitas terpenuhi.
2. Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
Sumber: Hasil Olah software Eviews 7
Gambar 4.1 Uji Normalitas dengan Uji Jarque-Bera
Berdasarkan Gambar 4.1, diketahui nilai probabilitas dari statistik J-B adalah 0,3506. Karena nilai probabilitas 𝑝, yakni 0,3506, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
4.2.2.2 Uji Multikolinearitas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antar variabel yang terdapat dalam matriks korelasi. Ajija et al. (2011) menyatakan jika antar variabel independen ada korelasi yang cukup tinggi, yakni diatas 0,8maka hal ini merupakan indikasi adanya multikolinearitas. Hasil uji multikolinearitas disajikan pada Tabel 4.3.
Tabel 4.3
Uji Multikolinearitas dengan Matriks Korelasi
DER SIZE GRWOTH ROE Kurtosis 3.482992 Jarque-Bera 2.096090 Probability 0.350623
Berdasarkan Tabel 4.3, dapat dilihat bahwa korelasi antara struktur modal dan ukuran adalah 0,427255, struktur modal dan pertumbuhan adalah 0,253937, struktur modal dan Return on Equityadalah 0,249804. Dari hasil pengujian multikolinearitas pada Tabel 4.3 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel independen. Hal ini karena nilai korelasi antar variabel independen tidak lebih dari 0,8 (Ajija et al. 2011).
4.2.2.3 Uji Autokorelasi
Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat diuji dengan menggunakan uji Durbin-Watson (Field, 2009). Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Field (2009) menyatakan sebagai berikut.
“Specifically, it (Durbin-Watson) tests whether adjacent residuals are correlated.
The test statistic can vary between 0 dan 4 with a value 2 meaning that the residuals are uncorrelated".
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field (2009) menyatakan sebagai berikut.
“The size of the Durbin-Watson statistic depends upon the number of predictors in the model and the number of observations. For accuracy, you should look up the exact acceptable values in Durbin and Watson's (1951) original paper. As very conservative rule of thumb, values less then 1 or greater than 3 are definitely cause for concern; however, values closer to 2 may stil be problematic depending on your sample and model”.
Tabel 4.4
Uji Autokorelasi dengan Uji Durbin-Watson
Log likelihood -319.2078 Hannan-Quinn criter. 3.359188 Durbin-Watson stat 1.233125 Sumber: Hasil Olah Software Eviews 7
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 1,233125.
Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3, yakni 1 < 1,233125 < 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.2.2.4 Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan uji Breusch-Pagan ( Gio dan Elly). Berikut hasil uji Breusch-Pagan.
Tabel 4.5
Uji Heteroskedastisitas (Uji Breusch-Pagan)
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 2.201957 Prob. F(4,190) 0.0703
Obs*R-squared 8.639127 Prob. Chi-Square(4) 0.0708 Sumber: Hasil Olah Software Eviews 7
Diketahui nilai Prob Obs*R-Squared adalah 0,0708> 0,05, yang berarti tidak terjadi heteroskedastisitas.
4.3 Penentuan Model Estimasi antara Common Effect Model (CEM) dan Fixed Effect Model (FEM) dengan Uji Chow
Untuk menentukan apakah model estimasi CEMatau FEMdalam membentuk model regresi, maka digunakan uji Chow. Hipotesis yang diuji sebagai berikut.
1. Ho:Model CEM lebih baik dibandingkan model FEM
2. Ha: Model FEM lebih baik dibandingkan model CEM
Berikut hasil berdasarkan uji Hausman dengan menggunakan Eviews 7.
Tabel 4.6 Hasil dari Uji Chow
Redundant Fixed Effects Tests Pool: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 4.699264 (38,152) 0.0000
Cross-section Chi-square 151.504083 38 0.0000
Sumber: Hasil Olah Software Eviews 7
Aturan pengambilan keputusan terhadap hipotesis sebagai berikut.
1. Jika nilai probabilitas cross-section Chi-square < 0,05, maka 𝐻0 ditolak dan 𝐻1 diterima.
2. Jika nilai probabilitas cross-section Chi-square ≥ 0,05, maka 𝐻0 diterima dan 𝐻1 ditolak.
Berdasarkan hasil dari uji Chow pada Tabel 4.6, diketahui nilai probabilitas adalah 0,000. Karena nilai probabilitas 0,000< 0,05, maka model estimasi yang digunakan adalah modelfixed effect model (FEM).
4.4 Penentuan Model Estimasi antara Fixed Effect Model (FEM) dan