BAB III METODE PENELITIAN
B. Lokasi dan Waktu Penelitian
Penelitian ini akan dilakukan di Galeri Investasi Bursa Efek Indonesia (BEI) Universitas Muhammadiyah Makassar. Jalan Sultan Alauddin No. 259 Kelurahan Gunung Sari, Kecamatan Rappocini, Kota Makassar, Sulawesi Selatan, Kota Makassar, Sulawesi Selatan, Kode Pos 90221. Dalam memperoleh data yang berhubungan dengan masalah yang diteliti maka dapat diakses di situs resmi Bursa Efek Indonesia www.idx.co.id. Waktu yang digunakan dalam melakukan penelitian ini selama tiga bulan sejak Juni-Agusttus 2021.
C. Definisi Operasional Variabel dan Pengukuran
1. Variabel Dependen (Y)
Variabel dependen dalam penelitian ini adalah peringkat obligasi.
Variabel ini dilihat berdasarkan peringkat obligasi yang dikeluarkan oleh PT. PEFINDO yang secara umum terbagi atas dua yaitu investment grade(AAA, AA, A, BBB) dan non investment grade (BB, B, CCC, D).
Skala pengukuran peringkat obligasi menggunakan skala nominal (ordinal), karena merupakan variabel dummy dengan pemberian nilai, yaitu untuk obligasi yang investment grade diberi nilai 1 dan untuk obligasi non investment grade diberi nilai 0.
Tabel 3.1 Rating Obligasi
Sumber : IBMD
Peringkat Nilai
AAA 18
AA+ 17
AA 16
AA- 15
A+ 14
A 13
A- 12
BBB+ 11
BBB 10
BBB- 9
BB+ 8
BB 7
BB- 6
B+ 5
B 4
B- 3
CCC 2
D 1
2. Variabel Independen (X) a. Profitabilitas (Xβ)
Rasio profitabilitas adalah rasio atau perbandingan yang digunakan untuk mengetahui kemampuan perusahaan untuk mendapatkan laba (profit) dari pendapatan terkait penjualan aset dan ekuitas berdasarkan pengukuran tertentu. Rasio ini diukur menggunakan Return On Assets (ROA) dengan rumus:
Return On Assets = Laba Bersih : Total Aset
b. Likuiditas (Xβ)
Rasio likuiditas adalah rasio yang digunakan sebagai perbandingan antara aktiva lancar dengan hutang lancar. Semakin tinggi likuiditas perusahaan maka semakin tinggi pula kemampuan perusahaan dalam menutupi kewajiban hutang lancarnya. Rasio likuiditas diukur menggunakan Current Ratio dengan rumus :
Current Ratio = Aktiva Lancar : Hutang Lancar
c. Leverage (Xβ)
Rasio leverage adalah rasio perbandingan yang digunakan untuk mengukur seberapa besar pinjaman utang perusahaan yang dibiayai oleh aktiva dan modal yang dimiliki perusahaan tersebut. Rasio leverage diukur menggunakan Debt to Total Asset Ratio (DAR) dengan rumus : Debt to Total Asset Ratio = Total Utang : Total Ekuitas
d. Arus Kas (Xβ)
Rasio ini mengukur kemampuan operasi perusahaan dalam melunasi seluruh kewajibannya baik kewajiban lancar dan lewajiban jangka panjang. Tingkat rasio yang rendah menunjukkan kemampuan
yang kurang baik dalam membayar semua kewajibannya dengan menggunakan arus kas yang berasal dari aktivitas normal operasi perusahaan.
CashflowIt =πΆππ βππππ€ ππππ ππππππ‘πππ πππ‘ππ π·πππ‘
e. Umur Obligasi (X5)
Umur obligasi merupakan tanggal jatuh tempo dimana semakin pendek umur obligasi maka investor akan mengalami resiko gagal bayar perusahaan, dikarenakan jumlah utang yang terlalu banyak sedangkan waktu yang diberikan relatif singkat dibandingkan dengan utang yang biasanya tidak terlalu banyak (Vina, 2017:6). Variabel ini dihitung dengan menggunakan :
Menurut (Vina, 2017:10) pengukuran yang digunakan oleh umur obligasi adalah memberikan nilai 1 jika umur obligasi 1 sampai dengan 5 tahun, dan 0 jika umur obligasi lebih dari 5 tahun.
D. Populasi dan Sampel
1. Populasi
Populasi dalam penelitian ini terdapat 52 perusahaan manufaktur sektor barang dan konsumsi yang terdaftar di bursa efek Indonesia periode pengamatan tahun 2016-2019.
Tabel 3.2 Daftar Populasi
NO Kode Perusahaan Nama Perusahaan
1 AISA PT Tiga Pilar Sejahtera Food Tbk
2 ALTO PT Tri Banyan Tirta Tbk
3 CAMP PT Campina Ice Cream Industry Tbk
4 CEKA PT Wilmar Cahaya Indonesia Tbk
5 CLEO PT Sariguna Primatirta Tbk
6 COCO PT Wahana Interfood Nusantara Tbk
7 DLTA PT Delta Djakarta Tbk
8 DMND PT Diamond Food Indonesia Tbk
9 FOOD PT Sentra Food Indonesia Tbk
10 GOOD PT Garudafood Putra Putri Jaya Tbk
11 HOKI PT Buyung Poetra Sembada Tbk
12 ICBP PT Indofood CBP Sukses Makmur Tbk
13 IKAN PT Era Mandiri Cemerlang Tbk
14 INDF PT Indofood Sukses Makmur Tbk
15 KEJU PT Mulia Boga Raya Tbk
16 MLI PT Multi Bintang Indonesia Tbk
17 MYOR PT Mayora Indah Tbk
18 PANI PT Pratama Abadi Nusa Industri Tbk,
19 PCAR PT Prima Cakralawa Abadi Tbk
20 PSDN PT Prashida Aneka Niaga Tbk
21 PSGO PT Palma Serasih Tbk
22 ROTI PT Nippon Indosari Corporindo Tbk
23 SKBM PT Sekar Bumi Tbk
24 SKLT PT Sekar Laut Tbk
25 STTP PT Siantar Top Tbk
26 ULTJ PT Ultrajaya Milk Industry and Trading Company Tbk
27 GGRM Gudang Garam Tbk
28 HMSP Handjaya Mandala Sampoerna Tbk
29 ITIC Indonesia Tobacco Tbk
30 RMBA Bentoel International Investama Tbk
31 WIIM Wismilak Inti Makmur Tbk
32 DVLA Darya Variao Laboratoria Tbk
33 INAF Indofarma (Persero) Tbk
34 KAEF Kimia Farma (Persero) Tbk
35 KLBF Kalbe Farma Tbk
36 MERK Merck Indonesia Tbk
37 PEHA PT Phapros Tbk
38 PYFA Pyridam Farma Tbk
39 SCPI Merck Sharp Dohme Pharma Tbk
40 SIDO Industri Jamu & Farmasi Sido Muncul Tbk
41 TSPC Tempo Scan Pasific Tbk
42 ADES PT Akasha Wira International Tbk
43 KINO PT Kino Indonesia Tbk
44 KPAS Cottonindo Ariesta Tbk
45 MBTO Martina Berto Tbk
46 MRAT Mustika Ratu Tbk
47 TCID Mandom Indonesia Tbk
48 UNVR Unilever Indonesia Tbk
49 CNIT PT Chitose International Tbk
50 KICI PT Kedaung Indah Can Tbk
51 LMPI PT Langgeng Makmur Industry Tbk
52 WOOD PT Integra Indocabinet Tbk
Sumber : Data Diolah
2. Sampel
Sampel dalam penelitian ini menggunakan pendekatan purposive sampling yang penentuan kriteria sampel didasari atas :
a. Perusahaan yang listing di Bursa Efek Indonesia dan tidak pernah mengalami delisting dalam kurun waktu empat tahun terakhir mulai tahun 2016-2019,
b. Perusahaan yang memiliki data laporan keuangan lengkapyang telah diaudit untuk empat tahun terakhir terhitung mulai tahun 2016-2019, c. Perusahaan yang hasil peringkatnya telah dipublikasikan oleh Bursa
Efek Indonesia.
Tabel 3.3. Daftar Nama Perusahaan Sampel
NO KODE SAHAM NAMA PERUSAHAAN
1. INDF Indofood Sukses Makmur Tbk
2. MYOR Mayora Indah Tbk
3. ROTI Nippon Indosari Corporindo Tbk
4. STTP Siantar Top Tbk
5. GGRM Gudang Garam Tbk
6. KAEF Kimia Farma Tbk
7. KLBF Kalbe Farma Tbk
8. UNVR Unilever Indonesia Tbk Sumber:www.sahamok.com
E. Teknik pengumpulan Data
Teknik pengumpulan data dalam penelitian ini yaitu dokumentasi berupa laporan keuangan dari perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia yang didapatkan dari www.idx.com dan IBMD. Selain itu juga menggunakan studi pustaka dengan mengumpulkan data, artikel, jurnal, maupun sumber tertulis lain yang berkaitan dengan variabel penelitian.
F. Teknik Analisis
1. Analisis Data Deskriptif
Analisis data deskriptif merupakan analisis yang digunakan untuk menganalisa data dengan cara menggambarkan atau mendeskripsikan data yang telah terkumpul. Hal ini bertujuan untuk menggambarkan karakteristik dari sebuah sampel ataupun populasi yang diamati dan dapat digambarkan lewat tabel dan gambar. Sebagaimana telah diketahui bahwa analisis deskriptif tidak dilakukan perhitungan dan uji klasik. Sehingga tidak dapat dilakukan referensial terhadap hasil analisis ini. Namun hasil analisis ini dapat memberikan informasi yang baik jika akan digunakan sebagai dasar pengambilan keputusan.
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji asumsi normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel dependen dan variabel independen memiliki distribusi normal atau mendekati normal. Model regresi yang baik yaitu jika memiliki data yang terdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menentukan apakah ada korelasi yang tinggi antara variabel independen dalam model regresi linear berganda. Jika ada korelasi yang tinggi antara variabel independen, maka hubungan antara variabel independen dan variabel dependen akan terganggu. Identifikasi secara statistik yang biasa digunakan untuk menguji gangguan multikolinearitas adalah variance inflation factor (VIF).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Dalam regresi, salah satu asumsi yang harus dipenuhi adalah bahwa varians dari residual yang disebut homokedastisitas. Dasar dalam melihat suatu angket terjadi heteroskedastisitas ataupun tidak yaitu jika nilai signifikan > 0,05 maka dapat dikatakan tidak terjadi heteroskedastisitas dan sebaliknya jika nilai signifikan < 0,05 maka terjadi heteroskedastisitas.
d. Uji Autokorelasi
Menurut Singgih Santoso (2012), βtujuan uji autokorelasi adalah untuk mengetahui apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 (sebelumnya). Jika terdapat korelasi maka dikatakan terdapat problem autokorelasi. Autokorelasi pada sebagian besar kasus ditemukan pada regresi yang datanya adalah time series, atau berdasarkan waktu berkala, seperti bulan,tahun, dan
setersunya. Karena ciri khusus pada pengujian ini adalah waktu (Santoso, 2012). Untuk mendeteksi data autokorelasi dapat menggunakan uji Durbin-Wasten (D-W). dengan ketentuan (Santoso, 2012):
1) Bila nilai D-W dibawah -2 terjadi autokorelasi.
2) Bila nilai D-W terletak diantara -2 sampai +2 maka tidak ada autokorelasi.
3) Bila nilai D-W terletak diatas +2 berarti ada autokorelasi negativ.
3. Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen. Bentuk persamaan regresi linear berganda yang digunakan dalam penelitian ini sebagai berikut:
Y = a + bβXβ + bβXβ + bβXβ +bβXβ + b5X5 + e Keterangan:
Y = Peringkat Obligasi a = Nilai Konstanta bβ Μ΅ β = Koefisien Regresi Xβ = Profitabilitas Xβ = Likuiditas
Xβ = Leverage Xβ = Arus Kas X5 = Umur Obligasi e = Standar Error 4. Uji Hipotesis
Dalam uji hipotesis ini dilakukan melalui : a. Uji Determinasi (R2)
Pada model linear berganda ini, akan dilihat besarnya kontribusi untuk variabel bebas secara bersama-sama terhadap variabel terikatnya dengan melihat besarnya koefisien determinasi totalnya (R2). Jika (R2) yang diperoleh mendekati 1 (satu) maka dapat dikatakan semakin kuat model tersebut menerangkan hubungan antara variabel bebas dan variabel terikat.
b. Uji Parsial (t)
Pengujian hipotesis ini untuk mengetahui apakah pengaruh variabel bebas terhadap variabel terikat bermakna atau tidak. Pengujian dilakukan dengan membandingkan antara nilai t hitung variabel bebas dengan nilai t tabel variabel terikat dengan derajat kesalahan 5% (Ξ± = 0.05).
Kriteria pengujian:
a) Jika nilai signifikansi > 0,05, berarti tidak ada pengaruh antara variabel bebas terhadap variabel terikat.
b) Jika nilai signifikansi < 0,05, berarti ada pengaruh antara variabel bebas terhadap variabel terikat.
42
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Bursa Efek Indonesia (BEI) merupakan Self Regulatory Organization (SRO) yang menyediakan infrasuktur untuk mendukung terselenggaranya perdagangan efek yang teratur, wajar dan efisien serta mudah diakses oleh seluruh pemangku kepentingan.
Secara historis, bursa efek atau pasar modal telah ada pada zaman kolonial Belanda pada tahun 1912 di Batavia jauh sebelum Indonesia merdeka yang didirikan bagi kepentingan kolonial.
Kegiatan pasar modal mengalami kevakuman beberapa periode karena pertumbuhan dan perkembangannya tidak berjalan seperti yang diharapkan. Faktor yang menyebabkan hal tersebut yaitu perang dunia I dan II, pindahnya kekuasaan pemerintah kolonial kepada pemerintah Republik Indonesia, serta operasi bursa efek yang tidak berjalan semestinya karena berbagai kondisi.
Pada tahun 1977, pemerintah Republik Indonesia mengaktifkan kembali pasar modal. Seiring dengan berbagai insentf dan regulasi yang dikeluarkan pemerintah, pasar modal mengalami pertumbuhan beberapa tahun kemudian.
Bursa Efek Indonesia memiliki visi menjadi bursa yang kompetitif dengan kredibilitas tingkat dunia dan misi menciptakan infrastruktur pasar
keuanganyang terpercaya dan kredibel untuk mewujudkan pasar yang teratur, wajar, dan efisien, serta dapat diakses oleh semua pemangku kepentingan melalui produk dan layanan yang inovatif.
B. Hasil Penelitian
1. Analisis Data
a. Analisis Data Deskriptif
Penelitian ini menggunakan data sekunder yang bersumber dari laporan keuangan tahunan perusahaan manufaktur barang dan konsumsi periode tahun 2016-2019 yang diperoleh melalui situs resmi Bursa Efek Indonesia (www.idx.co.id).Teknik pengambilan sampel menggunakan teknik purposive sampling yaitu pengambilan sampel sesuai dengan kriteria yang telah ditetapkan seperti perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia, perusahaan yang tidak termasuk dalam sektor industri barang dan konsumsi, perusahaan yang terdaftar setelah tahun 2016, dan perusahaan yang mengalami kerugian tahun 2016-2019.
Berdasarkan variabel yang ada dalam penelitian, maka deskriptif statistik sebagai berikut :
Tabel 4.1
Deskriptif Data Penelitian
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Profitabilitas 30 .03 .87 .1728 .17640
Likuiditas 30 .61 4.66 2.2160 1.17224
Leverage 30 .19 2.91 .9879 .72006
arus_kas 30 .00 .97 .3592 .25079
umur_obligasi 30 .00 1.00 .2000 .40684
peringkat_obligasi 30 .00 16.00 2.9667 6.06564
Valid N (listwise) 30 Sumber: data diolah tahun 2021
a). Deskriptif Profitabilitas (Xβ)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Profitabilitas (Xβ) diperoleh nilai tertinggi sebesar .87.Nilai terendah sebesar .03.Rata-rata sebesar ,1728, serta standar deviasi sebesar .17640. Dari tabel diatas dapat dilihat bahwa nilai rata-rata atau mean lebih besar dari standar deviasi yang dinyatakan baik.
b). Deskriptif Likuiditas (Xβ)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Likuiditas (Xβ) diperoleh nilai tertinggi 4.66.Nilai terendah sebesar .61.Rata-rata sebesar 2.2160, serta standar deviasi sebesar 1.17224.Dari tabel diatas dapat dilihat bahwa nilai rata-rata atau mean lebih besar dari standar deviasi yang dinyatakan baik.
c). Deskriptif Leverage (Xβ)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Leverage (Xβ)diperoleh nilai tertinggi sebesar 2.91. Nilai terendah
sebesar .19.Rata-rata sebesar .9879, serta standar deviasi sebesar .72006. Dari tabel diatas dapat dilihat bahwa nilai rata-rata atau mean lebih kecil dari standar deviasi yang dinyatakan kurang baik.
d). Deskriptif Arus Kas (X4)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Arus Kas (X5) diperoleh nilai tertinggi sebesar .97.Nilai terendah sebesar 0.Rata-rata sebesar .3952, serta standar deviasi sebesar .25079.Dari tabel diatas dapat dilihat bahwa nilai rata-rata lebih kecil dari standar deviasi yang dinyatakan kurang baik.
e). Deskriptif Umur Obligasi (X5)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Umur Obligasi (Xβ) diperoleh nilai tertinggi sebesar 1.Nilai terendah sebesar 0.Rata-rata sebesar .2000. serta standar deviasi sebesar .40684. Dari tabel diatas dapat dilihat bahwa nilai rata-rata atau mean lebih kecil dari standar deviasi yang dinyatakan kurang baik.
f). Deskriptif Peringkat Obligasi (Y)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Peringkat Obligasi (Y) diperoleh nilai tertinggi sebesar 16.00.Nilai terendah sebesar 0.Rata-rata sebesar 2.9667, serta standar deviasi sebesar 6.06564.Dari tabel diatas dapat dilihat bahwa nilai rata-rata lebih kecil dari standar deviasi yang dinyatakan kurang baik.
b. Hasil Asumsi Klasik
Untuk mengetahui model telah memenuhi asumsi BLUE (Best linier unbiased estimator) atau tidak, maka perlu dilakukan beberapa
pengujian yaitu uji multikolinearitas, uji heteroskedastisitas dan uji normalitas.
a) Hasil Uji Normalitas
Uji asumsi normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel dependen dan variabel independen memiliki distribusi normal atau mendekati normal. Model regresi yang baik yaitu jika memiliki data yang terdistribusi normal.
Tabel 4.2
One-sample kolmogrov-8mirnow
Berdasarkan hasil uji di atas pada table 4.2. data yang digunakan pada penelitian ini tidak berdistribusi normal karena terdapat beberapa nilai yang tinggi yang dapat mempengaruhi data tidak berdistribusi normal. Adapun data tertinggi yang dihilangkan dengan menggudata uji
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parametersa,b Mean .0000000
Std. Deviation .57597589
Most Extreme Differences Absolute .170
Positive .088
Negativ -.170
Test Statistic .170
Asymp. Sig. (2-tailed) .019c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
boxplot atau data out layer. Dimana data Pengujian ini memiliki tujuan untuk mengetahui kenormalan distribusi untuk menghindar dari terjadinya bias data, data yang terdistribusi normal dapat memperkecil kemungkinan terjadinya bias. Awal pengujian data menunjukan bahwa data tidak trdistribusi normal dimana nilai signifikannya yaitu 0,019 Maka perlu dilakukan uji outlier. Outlier adalah kasus atau data yang mempunyai karakteristik unik yang terlihat sangan jauh berbeda dari observasi β observasi lainnya serta muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal maupun variabel kombinasi (Ghozali). Berikut merupakan hasil uji outlier :
Gambar 4.1 Hasil Output Boxplot
Gambar di ats mengidikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variable profitabilitas.
Data yang berada di atas kotak menunjukkan daa ekstrem tinggi, dan data yang berada di bawah kotak menunjukkan ekstrem rendah,
semakin jauh dari kotak maka semakin ekstrem data tersebut. Data output di atas dapat dilihat bahwa subjek nomor 1, 2, 24.
Gambar 4.2 Hasil Output Boxplot
Gambar di ats mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variable likuiditas. Dari output di atas dapat dilihat bahwa pada variable likuiditas tidak terdapat data yang ekstrem.
Gambar 4.3 Hasil Output Boxplot
Gambar di atas mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variable leverage. Data yang berada di atas kotak menunjukkan data ekstrem tinggi, data yang berada di bawah kotak menunjukkan data ekstrem rendah, semakin jauh dari kotak maka semakin ekstrem data tersebut. Dari output di atas dapat dilihat bahwa subjek nomor 29, 30, 32.
Gambar 4.4 Hasil Output Boxplot
Gambar di atas mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variable arus kas. Dari output di atas dapat dilihat bahwa pada variabel arus kas tidak terdapat data yang ekstrem.
Gambar 4.5 Hasil Output Boxplot
Gambar di atas mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variabel umur obligasi.
Data yang berada di atas kotak menunjukkan data ekstrem tinggi, data yang berada di bawah kotak menunjukkan data ekstrem rendah, semakin jaug dari kotak maka semakin ekstrem data tersebut. Data output di atas dapat dilihat bahwa subjek nomor 12, 20, 23, 24.
Gambar 4.6 Hasil Output Boxplot
Gambar di atas mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variabel ( y ) peringkat obligasi. Data yang di atas kotak menunjukkan data ekstrem tinggi, data yang berada di bawah kotak menunjukkan data ekstrem rendah, semakin jauh dari kotak maka semakin ekstrem data tersebut. Dari output di atas dapat dilihat bahwa subjek nomor 2, 6, 7, 12, 20, 23, 24.
Dari Hasil uji di atas terlihat terdapat angka-angka serta tanda bintang dan bulat-bulat dimana tanda bintang menunjukkan bahwa data pada nomor tersebut sudah terlalu ekstrem maka harus dihilangkan sedangkan untuk yang bulat masih terdapat toleransi.
Dari hasil uji outlier terdapat sebelas ( 11 ) angka yang bertanda bintang yang kemudian akan dihapuskan gar data dapat terdistibusi normal maka sampel awalnya 32 dikurangkan 2 sehingga menjadi 30.
Adapun pengujian normalitas diukur dengan menggunakan uji one sample Kolmogrov-smirno dan grafik normal P-P Plot of Regression Standardized Residual setelah dilakukan uji outlier.
Berikut hasil dari analisis normalitas data yang diuraikan pada tabel 4..3
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,b Mean .0000000
Std. Deviation .45818991
Most Extreme Differences Absolute .145
Positive .130
Negativ -.145
Test Statistic .145
Asymp. Sig. (2-tailed) .108c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber :data diolah tahun data 2021
Berdasarkan tabel 4.3 menunjukkan nilai Test Statistic .145 (sig .108) untuk semua variabel tersebut diatas 0,05 maka dapat diambil kesimpulan bahwa variabel Profitabilitas (Xβ), Liabilitas (Xβ), Leverage (Xβ), Arus Kas (X4), Umur Obligasi (X5), dan Peringkat Obligasi (Y) dinyatakan bahwa data dari masing-masing variabel penelitian tersebut secara statistik telah terdistribusi normal dan layak digunakan sebagai data penelitian.
b) Hasil Uji Multikolinearitas
Pengujian multikolinearitas bertujuan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu menguji modal regresi ditemukan korelasi antar variabel bebas atau independent.Sebuah model regresi bisa dikatakan multikolinearitas
apabila terjadi hubungan linear yang sempurna atau pasti diantara beberapa atau semua variabel bebas dari suatu model regresi.
Akibatnyaakan kesulitan untuk dapat melihat pengaruh variabel independen terhadap variabel dependennya. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas (tidak terjadi multikolinearitas).Tabel 4.4 dibawah ini memperlihatkan uji multikolinearitas.
Tabel 4.4
a. Dependent Variable: peringkat_obligasi Sumber : data diolah tahun 2021
Berdasarkan tabel 4.4 dapat disimpulkan bahwa nilai Tolerance semua variabel lebih besar dari 0,05 (>5%) serta nilai VIF semua variabel independen lebih kecil dari 10 (VIF<10). Maka dapat disimpulkan bahwa tidak terjadi multikolinearitas.
c) Uji Heteroskedasitas
Uji heteroskedasitas bertujuan untuk menguji apakah dalam model dalam regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lainnya, Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka terjadi homokedastisitas dan jika berbeda disebut heteroskedasitas. Model yang baik adalah tidak terjadi heteroskedasitas .
Penelitian untuk menguji ada atau tidaknya heteroskedasitas, dalam model regresi digunakan analisis dengan uji park . Tabel dibawah ini memperlihatkan uji heteroskedasitas.
Tabel 4.5 Uji Heteroskedasitas
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -.488 3.372 -.145 .909
Profitabilitas .885 1.109 .536 .798 .571
Likuiditas 5.113 3.248 1.176 1.574 .360
Laverage 2.836 4.650 .999 .610 .651
Arus Kas .970 2.529 .574 .384 .767
a. Dependent Variable: Peringkat Obligasi Sumber: data diolah tahun 2021
Berdasarkan data hasil uji park pada tabel 4.5 menunjukkan bahwa nilai signifikansi variable x1,x2,x3,dan x4 lebih besar dari nilai signifikansi alpa yaitu variabel profitabilitas 0.571, variabel Likuiditas 0.360, variabel Leverage 0.651, variabel Arus kas 0.767. dan variabel Umur obligasi tidak terbaca dikarenakan semua nilainya 0
d). Uji Autokorelasi
Menurut Singgih Santoso (2012), βtujuan uji autokorelasi adalah untuk mengetahui apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terdapat korelasi maka dikatakan terdapat problem autokorelasi. Autokorelasi pada
sebagian besar kasus ditemukan pada regresi yang datanya adalah time series, atau berdasarkan waktu berkala, seperti bulan,tahun, dan
setersunya. Karena ciri khusus pada pengujian ini adalah waktu (Santoso, 2012). Untuk mendeteksi data autokorelasi dapat menggunakan uji Durbin-Wasten (D-W). dengan ketentuan (Santoso, 2012):
1) Bila nilai D-W dibawah -2 terjadi autokorelasi.
2) Bila nilai D-W terletak diantara -2 sampai +2 maka tidak ada autokorelasi.
3) Bila nilai D-W terletak diatas +2 berarti ada autokorelasi negativ.
Tabel 4.6 Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .997a .994 .993 .50422 1.793
a. Predictors: (Constant), umur_obligasi, leverage, arus_kas, profitabilitas, likuiditas
a. Predictors: (Constant), umur_obligasi, leverage, arus_kas, profitabilitas, likuiditas