BAB III KERANGKA KONSEPTUAL DAN HIPOTESIS
3.2. Hipotesis Penelitian
Berdasarkan rumusan masalah dan kerangka konsep yang telah diuraikan sebelumnya diperolehlah hipotesis sebagai berikut:
Ukuran perusahaan, return on asset, financial leverage, persentase penawaran saham publik, volume perdagangan, reputasi auditor, umur perusahaan, dan jenis industri berpengaruh secara parsial maupun simultan terhadap underpricing saham saat initial public offering di Bursa Efek Indonesia.
BAB IV
METODE PENELITIAN
4.1. Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian asosiatif kausal yang merupakan penelitian dengan karakteristik masalah berupa hubungan sebab akibat antara dua variabel atau lebih. Dari jenis data yang digunakan penelitian ini merupakan penelitian kuantitatif, metode penelitian kuantitatif ditujukan untuk meneliti pada populasi atau sampel tertentu, pengumpulan data menggunakan instrumen penelitian, analisis data bersifat kuantitatif/statistik, dengan tujuan untuk menguji hipotesis yang telah ditetapkan (Sugiyono, 2013)
4.2. Lokasi dan Jadwal Penelitian
Penelitian ini dilakukan pada seluruh perusahaan yang terkait dan yang terdaftar di Bursa Efek Indonesia dengan mengakses situs resmi www.idx.co.id.
Penelitian ini dilakukan dari bulan Juli 2016 sampai dengan Januari 2018.
4.3. Populasi dan Sampel
Penelitian ini mengambil populasi perusahaan-perusahaan yang melakukan IPO di BEI dari tahun 2008-2017 yang mengalami underpricing dengan teknik sampel jenuh atau sensus sehingga diperoleh sebanyak 130 perusahaan yang mengalami underpricing selama periode tersebut sebagai populasi dan jumlah tersebut juga dijadikan sebagai sampel.
4.4 Metode Pengumpulan Data
Teknik pengumpulan data dilakukan dengan metode dokumentasi dengan menggunakan data sekunder yaitu data yang diperoleh secara tidak langsung melalui media, yaitu dengan mengumpulkan data sekunder (Laporan tahunan perusahaan pada seluruh perusahaan yang menjadi sampel penelitian). Sumber data tersebut dapat diperoleh dari Indonesian Stock Exchange.
4.5. Definisi Operasional Variabel
Pengamatan yang menjadi objek penelitian adalah ukuran perusahaan, return on asset, financial leverage, persentase penawaran saham publik, volume perdagangan, reputasi auditor, umur perusahaan, dan jenis industri sebagai variabel independen. Adapun underpricing dijadikan sebagai variabel dependen.
4.5.1. Variabel Independen a. Ukuran Perusahaan
Untuk mengukur besarnya skala atau ukuran dari perusahaan adalah dengan melihat total aktiva dari laporan keuangan perusahaan tahun terakhir sebelum perusahaan tersebut melakukan IPO di Bursa dengan rumus:
SIZEt = Ln(Total Asset) Keterangan:
SIZEt = Ukuran perusahaan tahun t Ln = Natural logaritma
Total Asset = Total aset perusahaan tahun t
b. Return On Asset
Return on Asset (ROA) merupakan rasio yang digunakan untuk mengukur efektivitas perusahaan di dalam menghasilkan keuntungan dengan cara memanfaatkan aktiva yang dimilikinya. Nilai ROA dapat diukur dengan rumus:
NIAT Keterangan : ROA =
TA ROA : Return on Asset
NIAT : Net Income After Tax TA : Total Assets
c. Financial Leverage
Financial leverage dapat dihitung berdasarkan rumus yang terdapat pada salah satu rasio solvabilitas yaitu dengan menggunakan Debt to Total Asset Ratio (DAR), yang bertujuan untuk mengetahui seberapa besar nilai aset yang berasal dari hutang. Rumus yang digunakan adalah :
Total Kewajiban Debt to Total Asset (DAR) =
Total Aset
d. Persentase Penawaran Saham Publik
Persentase saham yang dipegang oleh pemilik saham menunjukan banyak sedikitnya pengungkapan informasi privat perusahaan. Informasi kepemilikan saham oleh pemilik akan digunakan oleh investor sebagai pertanda bahwa prospek perusahaannya baik. Semakin besar tingkat kepemilikan yang ditahan akan memperkecil ketidakpastian. Dalam hal ini persentase saham yang ditawarkan diukur dengan menggunakan persentase saham yang ditawarkan kepada publik.
e. Volume Perdagangan
Jumlah volume saham suatu emiten yang diperdagangkan di hari pertama melantai di Bursa Efek Indonesia sampai sesi penutupan terakhir dengan menggunakan satuan volume lembar saham.
Volume = Ln (Volume Saham)
f. Reputasi Auditor
Reputasi auditor diukur berdasarkan frekuensi auditor melakukan audit terhadap laporan keuangan emiten. Dalam penelitian ini dibuat peringkat auditor dengan cara membuat record dari perusahaan yang melakukan IPO dan membuat urutan sesuai dengan frekuensi auditor yang melakukan audit selama 1 tahun dalam periode penelitian. Asumsinya emiten diberi nilai 1 apabila menggunakan jasa auditor yang masuk kategori “big four” dalam setiap tahun dan bila emiten tidak menggunakan jasa auditor yang tidak masuk dalam “big four” dalam setiap tahun diberi skala 0.
g. Umur Perusahaan
Umur perusahaan dihitung dalam skala tahun dan diukur dengan lamanya perusahaan beroperasi yaitu sejak perusahaan didirikan sampai dengan ketika perusahaan tersebut melakukan IPO. Informasi mengenai tanggal berdirinya perusahaan dan saat perusahaan tersebut melakukan IPO dapat dilihat di catatan atas laporan keuangan. Formula Umur Perusahaan dapat dirumuskan:
Age = Lamanya perusahaan beroperasi yaitu sejak perusahaan didirikan sampai dengan ketika perusahaan tersebut melakukan IPO.
h. Jenis Industri
Pengukuran variabel jenis industri menggunakan variabel dummy.
Penentuan jenis industri menggunakan skala 1 untuk industri manufaktur dan 0 untuk industri bukan manufaktur. Jenis industri manufaktur memiliki perbedaan signifikan dengan jenis industri lainnya yaitu real estate, properti, keuangan, asuransi dan investasi. Perbedaan tersebut antara lain dalam struktur modal dan komponen-komponen neraca dan laba rugi yang dapat mempengaruhi perhitungan variabel-variabel keuangan.
4.5.2. Variabel Dependen a. Underpricing
Variabel dependen dalam penelitian ini adalah tingginya tingkat underpricing yang terjadi dalam penawaran harga saham pada pasar perdana yang diukur berdasarkan perhitungan initial return dari perusahaan-perusahaan keuangan yang melakukan initial public offering selama periode 2008-2017 dengan menggunakan rumus sebagai berikut :
P1 - P0 Keterangan :
Up = X 100% Up = Initial return perusahaan
P0 P0 = Harga penawaran saham perdana
P1 = Harga penutupan saham pada hari pertama di pasar sekunder
Tabel 4.5
Definisi Operasional Variabel Variabel Jenis
Variabel
Konsep Sub Variabel Indikator Skala
Underpricing (Y)
Dependen Underpricing merupakan selisih antara Closing price
Independen total aktiva dari laporan keuangan perusahaan tahun terakhir sebelum perusahaan tersebut melakukan IPO di Bursa
SIZEt = Ln(Total Asset) Rasio
Return On Assets (X2)
Independen ROA merupakan perbandingan antara laba bersih perusahaan setelah pajak dengan total aset
Independen Financial leverage merupakan perbandingan antara total liabilitas dengan total aset ditawarkan diukur dengan menggunakan persentase saham yang ditawarkan kepada publik emiten yang diperdagangkan di hari pertama di bursa
Reputasi auditor dibedakan menjadi dua kategori, yang berasal dari “big four” dan yang diluar dari “big four”
Diukur sejak perusahaan berdiri berdasarkan akte pendirian sampai dengan saat perusahaan melakukan IPO
Diklasifikasikan ke dalam industri manufaktur dan yang bukan manufaktur
SIZEt = Ln(Volume saham)
1 untuk auditor big four 0 untuk yang bukan auditor
big four
4.6. Metode Analisis Data
Metode analisis yang digunakan dalam penelitian ini adalah analisis regresi linier berganda. Data diolah dengan program SPSS.
4.6.1. Analisis Regresi Linear Berganda
Metode ini digunakan untuk mengukur hubungan antara variabel dependen dan variabel independen untuk menguji hipotesis di atas digunakan model sebagai berikut :
UP1 = a + b1SIZE + b2ROA + b3FL + b4PPSP + b5FP + b6RA + b7AGE + b8TYPE + e Keterangan:
UP1 = Underpricing
a = konstanta
b1,b2,b3,b4,b5,b6,b7,b8 = koefisien regresi dari setiap variable independen
SIZE = Ukuran Perusahaan
ROA = Return on Assets
FL = Financial Leverage
PPSP = Persentase Penawaran Saham Publik
VP = Volume Perdagangan
RA = Reputasi Auditor
AGE = Umur Perusahaan
TYPE = Jenis Industri
e = error term
4.7. Pengujian Asumsi Klasik
Uji asumsi klasik dilakukan pada persamaan model regresi sehingga data-data yang digunakan dalam pengujian hipotesis bebas dari asumsi klasik. Uji asumsi klasik digunakan untuk mengetahui normalitas data yang akan diolah serta ada tidaknya multikoliniearitas, autokorelasi, dan heteroskedastisitas dalam model regresi.
4.7.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak. Menurut Ghozali (2013), pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Dasar pengambilan keputusan :
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Uji statistik lain yang dapat digunakan untuk menguji normalitas
residual adalah uji statistik non-parametrik Kolmogorov-Smirnov (K-S).
Uji K-S dilakukan dengan membuat hipotesis:
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
4.7.2. Uji Multikolinearitas
Pengujian ini dilakukan dengan menggunakan korelasi antar variabel – variabel independent yang akan digunakan dalam persamaan regresi atau dengan menghitung nilai tolerance dan VIF (Variance Inflation Factors). Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya
tidak terjadi korelasi diantara variabel variabel independen. Jika variabel-variabel saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas adalah nol (Ghozali, 2013) dan untuk mendeteksi ada atau tidaknya multikolinearitas didalam model regresi adalah sebagai berikut :
1. Nilai R² .yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel bebas banyak yang tidak signifikan mempengaruhi variabel terikat.
2. Menganalisis matrik korelasi variabel-variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi (diatas 0,90) maka hal ini merupakan indikasi adanya multikolinearitas.
3. Multikolinearitas dapat juga dilihat dari nilai tolerance dan Variance Inflation Factor (VIF). Batas toleransi value adalah 0,10 dan VIF adalah 10. Apabila nilai tolerance value kurang dari 0,10 atau VIF lebih besar dari 10 maka terjadi multikolinearitas. Tujuan uji multikolinearitas adalah untuk mengetahui apakah tiap – tiap variabel independent saling berhubungan secara linear atau tidak.
4.7.3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan
pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Pengujian autokorelasi ini dilakukan dengan menggunakan uji Durbin Watson (DW-test).
Menurut Imam Ghozali (2013), pengambilan keputusan ada atau tidaknya autokorelasi ada empat pedoman yaitu :
1. Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4-du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound (dl), maka koefisien autokorelasi lebih besar daripada nol, berarti ada aotukorelasi positif.
3. Bila nilai DW lebih besar daripada (4-dl), maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi negative.
4. Bila nilai DW terletak diantara batas atas (du) dan batas bawah (dl) atau DW terletak antara (4-du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.
4.7.4. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual suatu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang terjadi homoskedastisitas atau tidak terjadi heteroskedastisias. Untuk mendeteksi ada atau tidaknya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID), yaitu dengan deteksi ada tidaknya pola tertentu pada
grafik scaterplot antara SRESID dan ZPRED. Dasar analisisnya adalah sebagai berikut:
1. Jika ada pola tertentu, seperti titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 dan sumbu Y, maka tidak terjadi heteroskedastisitas. Kemudian uji heterokedastisitas juga dapat dilakukan dengan melakukan uji glesjer. Uji ini dilakukan dengan meregres nilai absolut residual terhadap variabel independen. Jika variabel independen signifikan secara statistik mempengaruhi variabel dependend, maka ada indikasi terjadi heteroskedastisitas.
4.8. Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan alat statistik yang dinamai Statistical Package For the Social Science yang dapat digunakan untuk melakukan analisis sebab akibat dengan lebih akurat karena telah dilengkapi dengan neighbor analysis yang biasa digunakan dalam ilmu interpolasi (Pratisto, 2009). Pengujian hipotesis pada penelitian ini membutuhkan dua pengujian hipotesis. Pengujian pertama menggunakan uji faktor dengan Kaiser Meyer-Oikin yang bertujuan untuk mengetahui apakah semua variabel independen yang telah terambil berpengaruh terhadap variabel independen yang cukup untuk difaktorkan. Jika berhasil diatas 0,5 berarti sudah memenuhi syarat. Jadi dapat disimpulkan bahwa analisis faktor dapat diteruskan.
Setelah dilakukan uji faktor, maka dilakukan uji multivariate. Metode ini akan menguji tingkat signifikansi dari pengaruh semua variabel independennya.
4.8.1. Uji Koefisien Determinasi (R²)
Koefisien determinasi (R²) pada dasarnya untuk mengetahui seberapa besar pengaruh variabel bebas (X) terhadap variabel terikat (Y). Nilai R² berkisar antara 0 sampai dengan 1, bila R² = 0 berarti tidak terdapat hubungan antara variabel bebas dengan variabel terikat, apabila R²= 1 berarti variabel bebas memiliki hubungan yang sempurna terhadap variabel terikat.
4.8.2. Uji Statistik F
Uji statistik F pada dasarnya menunjukkan apakah ada pengaruh secara bersama-sama antara variabel terikat (Y) dengan variabel bebas (X), yaitu pengaruh variabel ukuran perusahan, return on asset, financial leverage, persentase penawaran saham, volume perdagangan, reputasi auditor, umur perusahaan, jenis industri secara simultan terhadap underpricing.
R²/k Keterangan:
Fhit =
(1–R²)/(n–k–1) Fhit = Nilai hitung n = Banyaknya data
k = Banyaknya variabel bebas R² = Koefisien korelasi berganda
1. Ho : βi = 0, artinya tidak terdapat pengaruh X1, X2, X3, X4, X5, X7, X8 secara bersama-sama terhadap Y.
2. Ho : βi ≠ 0, artinya terdapat pengaruh X1, X2, X3, X4, X5, X6, X7, X8 secara bersama-sama terhadap Y.
Dasar pengambilan keputusan menggunakan angka signifikansi :
a. Apabila angka signifikansi ≥ 0,05 , maka Ho ditolak.
b. Apabila angka signifikansi < 0,05 , maka Ha diterima.
4.8.3. Uji t
Uji t pada dasarnya menunjukkan apakah ada pengaruh yang nyata secara parsial antara variabel terikat (Y) dengan variabel bebas (X).
KKP √n–m t0 =
1–√(KKP)2 Keterangan :
KKP = Koefisien korelasi parsial n = Banyaknya data
m = Banyaknya variabel
1. Ho : βi = 0, artinya tidak terdapat pengaruh X1, X2, X3, X4, X5, X7, X8 secara bersama-sama terhadap Y.
2. Ho : βi ≠ 0, artinya terdapat pengaruh X1, X2, X3, X4, X5, X6, X7, X8 secara bersama-sama terhadap Y.
Dasar pengambilan keputusan menggunakan angka signifikansi : a. Apabila angka signifikansi ≥ 0,05 , maka Ho ditolak.
b. Apabila angka signifikansi < 0,05 , maka Ha diterima.
BAB V
HASIL DAN PEMBAHASAN
5.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai distribusi frekuensi dan persentase, serta maksimum, minimum, dan nilai rata-rata (mean), dari variabel Ukuran Perusahaan, ROA, Financial Leverage, Persentase Penawaran Saham Publik, Volume Perdagangan, Reputasi Auditor, Umur Perusahaan, Jenis Industri, dan Underpricing.
Tabel 5.1 Statistik Deskriptif Variabel Independen (X) dan Dependen (Y)
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Ukuran perusahaan (X1) 130 8.99 17.62 13.8749 1.52097
ROA (X2) 130 0.72 3.11 1.3753 .33573
Financial Leverage (X3) 130 1.00 1.43 1.0612 .06760
Persentase Penawaran Saham Publik (X4)
130 1.02 91.00 24.5727 14.24606
Volume Perdagangan (X5) 130 7.31 26.24 19.2514 3.65568
Reputasi Auditor (X6) 130 .00 1.00 .2692 .44528
Umur Perusahaan (X7) 130 1.00 60.00 18.8154 13.37172
Jenis Industri (X8) 130 .00 1.00 .3462 .47758
Underpricing (Y) 130 .00 .70 .3368 .25371
Valid N (listwise) 130
Berdasarkan Tabel 5.1, diketahui nilai rata-rata dari ukuran perusahaan adalah 13.8749 dan nilai standar deviasi dari ukuran perusahaan adalah 1.52097.
Sementara nilai minimum dari ukuran perusahaan adalah 8.99 yang berasal dari emiten BSIM (Bank Sinarmas, Tbk) dan nilai maksimum dari ukuran perusahaan
adalah 17.62 yang berasal dari emiten BBTN (Bank Tabungan Negara, Tbk) Diketahui nilai rata-rata dari ROA adalah 1.3753 dan nilai standar deviasi dari ROA adalah 0.33573. Sementara nilai minimum dari ROA adalah 0,72 yang berasal dari emiten BAEK (Bank Ekonomi, Tbk) dan nilai maksimum dari ROA adalah 3.11 yang berasal dari emiten NIRO (Nirvana Development, Tbk).
Diketahui nilai rata-rata dari financial leverage adalah 1.0612 dan nilai standar deviasi dari financial leverage adalah 0.06760. Sementara nilai minimum dari financial leverage adalah 1.00 yang berasal dari emiten BRMS (Bumi Resources Minerals, Tbk) dan nilai maksimum dari financial leverage adalah 1.43 yang diperoleh dari emiten MINA (Sanurhasta Mitra, Tbk). Diketahui nilai rata-rata dari persentase penawaran saham publik adalah 24.5727 dan nilai standar deviasi dari persentase penawaran saham publik adalah 14.24606. Sementara nilai minimum dari persentase penawaran saham publik adalah 1.02 yang diperoleh dari emiten MAPB (MAP Boga Adiperkasa, Tbk) dan nilai maksimum dari persentase penawaran saham publik adalah 91 yang diperoleh dari emiten IBFN (Intan Baruprana Finance, Tbk). Diketahui nilai rata-rata dari volume perdagangan adalah 19.2514 dan nilai standar deviasi dari volume perdagangan adalah 3.65568. Sementara nilai minimum dari volume perdagangan adalah 7.31 yang diperoleh dari emiten NASA (Ayana Land Internasional, Tbk) dan nilai maksimum dari volume perdagangan adalah 26.24 yang diperoleh dari emiten IBST (Inti Bangun Sejahtera, Tbk). Diketahui nilai rata-rata dari reputasi auditor adalah 0.2692 dan nilai standar deviasi dari reputasi auditor adalah 0.44528.
Sementara nilai minimum dari reputasi auditor adalah 0 yang diperoleh dari
perusahaan-perusahaan yang diaudit oleh selain KAP Big Four dan nilai maksimum dari reputasi auditor adalah 1 yang diperoleh dari perusahaan-perusahaan yang diaudit oleh KAP Big Four. Diketahui nilai rata-rata dari umur perusahaan adalah 18.8154 dan nilai standar deviasi dari umur perusahaan adalah 13.37172. Sementara nilai minimum dari umur perusahaan adalah 1 yang diperoleh dari emiten ICBP (Indofood CBP Sukses Makmur, Tbk) dan nilai maksimum dari umur perusahaan adalah 60 yang diperoleh dari emiten BJBR (Bank Jawa Barat, Tbk). Diketahui nilai rata-rata dari jenis industri adalah 0.3462 dan nilai standar deviasi dari jenis industri adalah 0.47758. Sementara nilai minimum dari jenis industri adalah 0 yang diperoleh dari perusahaan-perusahaan non manufaktur dan nilai maksimum dari jenis industri adalah 1 yang diperoleh dari perusahaan-perusahaan manufaktur. Diketahui nilai rata-rata dari underpricing adalah 0.3368 dan nilai standar deviasi dari underpricing adalah 1.01042. Sementara nilai minimum dari underpricing adalah 0,00 yang diperoleh dari emiten POWR (Cikarang Listrindo, Tbk) dan nilai maksimum dari underpricing adalah 0,70 yang diperoleh dari emiten MPOW (Mega Power Makmur, Tbk).
5.2 Uji Asumsi Klasik 5.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji
Kolmogorov-Smirnov. Tingkat signifikansi yang digunakan α = 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas p, dengan ketentuan sebagai berikut:
Jika nilai probabilitas p ˃ 0,05, maka asumsi normalitas terpenuhi Maka Ho diterima, Ha ditolak.
Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi Maka Ho ditolak, Ha diterima.
Tabel 5.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 130
Normal Parametersa,,b Mean .0000000
Std. Deviation .97144095
Most Extreme Differences Absolute .051
Positive .040
Negative -.051
Kolmogorov-Smirnov Z .582
Asymp. Sig. (2-tailed) .887
a. Test distribution is Normal.
b. Calculated from data.
Perhatikan bahwa berdasarkan Tabel 5.2, diketahui nilai probabilitas atau
Asymp. Sig. (2-tailed) sebesar 0,887. Karena nilai probabilitas , yakni 0,887,
lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas terpenuhi.
Gambar 5.1 Uji Normalitas dengan Pendekatan Normal Probability Plot
Berdasarkan uji normalitas dengan pendekatan normal probability plot (Gambar 5.1), titik-titik menyebar cukup dekat dengan garis diagonal. Hal ini mengindikasikan asumsi normalitas terpenuhi.
5.2.2 Uji Multikolinearitas
Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat dari nilai variance inflation factor (VIF). Nilai VIF yang lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas (Ghozali, 2013).
Tabel 5.3 Uji Multikolinearitas
Ukuran Perusahaan (X1) .733 1.365
ROA (X2) .874 1.144
Financial Leverage (X3) .787 1.271
Persentase Penawaran Saham Publik (X4)
.937 1.067
Volume Perdagangan (X5) .886 1.128
Reputasi Auditor (X6) .847 1.180
Umur Perusahaan (X7) .857 1.167
Jenis Industri (X8) .891 1.122
Berdasarkan Tabel 5.3, diketahui seluruh nilai VIF tidak lebih dari 10 atau seluruh nilai VIF < 10, dan nilai tolerance tidak kurang dari 0,1 maka diindikasi tidak terjadi multikolinearitas atau dengan kata lain menerima Ho dan menolak Ha.
5.2.3 Uji Heteroskedastisitas
Deteksi terjadinya heteroskedastisitas juga dapat dilakukan dengan menggunakan uji Glejser. Berikut hasil berdasarkan uji heteroskedastisitas Glejser.
Tabel 5.4 Uji Heteroskedastisitas dengan Uji Glejser
Coefficientsa
Reputasi Auditor (X6) .021 .028 .074 .767 .445
Umur Perusahaan (X7) .075 .067 .108 1.121 .264
Jenis Industri (X8) -.035 .025 -.129 -1.370 .173
a. Dependent Variable: Glejser_Heteroskedasticity
Berdasarkan hasil uji heteroskedastisitas dengan uji Glejser (Tabel 5.4), diketahui seluruh nilai Sig > 0,05, maka disimpulkan tidak terjadi gejala heteroskedastisitas.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y, dan ZPRED pada sumbu X (Field, 2009 dan Ghozali, 2013). Field (2009) dan Ghozali (2013) menyatakan dasar analisis adalah jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas. Jika pola tidak jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 5.2 Uji Heteroskedastisitas dengan Uji Grafik Scatter Plot
Perhatikan bahwa berdasarkan Gambar 5.2, tidak terdapat pola yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
5.2.4 Uji Asumsi 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. Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi.
Tabel 5.5 Uji Autokorelasi
Model Durbin-Watson
1 1.798
Berdasarkan Tabel 5.4, nilai dari statistik Durbin-Watson adalah 1,798.
Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual, maka menerima Ho dan menolak Ha.
5.3 Analisis Koefisien Determinasi
Koefisien determinasi (R²) merupakan suatu nilai (nilai proporsi) yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas.
Tabel 5.6 Koefisien Determinasi
Model Summaryb
Model R R Square
a. Predictors: (Constant), Jenis Industri (X8), Persentase Penawaran Saham Publik (X4), Financial Leverage (X3), ROA (X2), Reputasi Auditor (X6), Volume Perdagangan (X5), Umur Perusahaan (X7), Ukuran Perusahaan (X1)
b. Dependent Variable: Underpricing (Y)
Berdasarkan Tabel 5.5, nilai koefisien determinasi R² terletak pada kolom
Berdasarkan Tabel 5.5, nilai koefisien determinasi R² terletak pada kolom