BAB III METODOLOGI PENELITIAN
D. Metode Analisis Data
Penelitian ini menggunakan metode analisis regresi linier berganda. Analisis ini digunakan untuk menguji pengaruh dari variabel independen, yaitu Current Ratio (CR), Debt to Equity Ratio (DER), Return on Asset (ROA), Rencana Penggunaan Dana (RPD), dan Earning per Share (EPS) terhadap variabel dependen Underpricing. Akan tetapi, sebelumnya akan dilakukan analisis deskriptif untuk memberikan deskripsi mengenai data variabel-variabel yang ada dalam penelitian ini.
1. Analisis Statistik Deskriptif
Analisis deskriptif dalam penelitian ini digunakan untuk mendeskripsikan data variabel-variabel yang akan digunakan dalam penelitian ini, yaitu Underpricing sebagai variabel dependen. Return on Asset (ROA), Current Ratio (CR), Debt to Equity Ratio (DER), Rencana Penggunaan Dana (RPD), dan Earning per Share (EPS) sebagai variabel independent.
2. Uji Asumsi Klasik
Uji asumsi klasik dalam penelitian ini dilakukan untuk memperoleh model regresi yang baik atau dapat memprediksi tanpa bias. Uji asumsi klasik dilakukan dengan beberapa pengujian, yaitu di antaranya adalah uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji autokorelasi. Pengujian tersebut diuraikan sebagai berikut:
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji normalitas berguna untuk membuktikan data dari sampel yang dimiliki berasal dari populasi berdistribusi normal. Uji statistik yang dapat digunakan untuk menguji normalitas data adalah uji statistik non-parametrik Kolmogorov Smirnov (K-S).
Menurut Ghozali (2013:157), prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melalui histogram dari residualnya. Dasar pengambilan keputusan:
a) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b) Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Menurut Ghozali (2013:103) untuk mendeteksi ada
atau tidaknya multikolinearitas di dalam model regresi dapat dilihat dari nilai tolerance dan Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen (terikat) dan diregresi terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF=1/tolerance). Nilai cut-off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance ≤ 0,10 atau sama dengan VIF ≥ 10.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya (Ghozali, 2013:107).
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. salah satu cara untuk mengetahui ada tidaknya gejala autokorelasi dalam model regresi yang digunakan maka dapat dideteksi dengan uji Durbin-Waston (DW Test). Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1) Bila nilai Durbin-Watson (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 dari pada batas bawah atau Lower Bound (DL), maka koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
3) Bila nilai DW lebih besar dari pada (4-DL), maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif.
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.
d. Uji Heteroskedastisitas
Uji Heterokedastisitas bertujuan untuk menguji apakah di dalam model regresi terdapat ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2013:134). Cara mendeteksi ada atau tidaknya heteroskedastisitas dengan melihat grafik scatterplot. Cara mendeteksi grafik scatterplot adalah sebagai berikut:
1) Jika ada pola tertentu, seperti titik-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 di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Pengujian heteroskedastisitas menggunakan grafik scatterplot lemah karena hanya mengandalkan analisis visual. Oleh karena itu, untuk mendapatkan kepastian hasil uji heteroskedastisitas dapat menggunakan Uji Gletser. Jika nilai signifikansi lebih besar dari 0,05 maka artinya homoskedastisitas atau tidak terjadi heteroskedastisitas.
3. Metode Analisis Regresi Linear Berganda
Analisis regresi menyangkut studi tentang hubungan antara satu variabel yang disebut variabel tak bebas dan satu atau lebih variabel lain yang disebut variabel bebas (Gujarati, 2006:115). Pada dasarnya adalah studi mengenai ketergantungan variabel dependen (variabel terikat) dengan satu atau lebih variabel independen (variabel bebas). Metode yang digunakan dalam penelitian ini adalah analisis regresi linear berganda (Multiple Linear Regression).
Model analisis ini bertujuan untuk mengetahui pengaruh variabel independen terhadap dependen. Model persamaan regresi adalah sebagai berikut:
Y = α + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 +e
Keterangan :
Y = Underpricing α = Konstanta
β1- β5 = Koefisien regresi dari setiap variabel bebas
X1 = Return on Assets (ROA)
X2 = Debt to Equity Ratio (DER)
X3 = Current Ratio (CR)
X4 = Earnings Per Share (EPS)
X5 = Rencana Penggunaan Dana (RPD)
e = error term
a. Uji t (parsial)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh suatu variabel independen secara individual dalam menerangkan variasi variabel penelitian.
Ho : βi = 0 artinya tidak terdapat pengaruh dari variabel independen terhadap variabel dependen. Ha : βi ≠ 0 artinya terdapat pengaruh dari variabel
b. Uji f (simultan)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
Ho : β1 = β2 = β3 = β4 = β5= 0 artinya tidak terdapat pengaruh dari variable independen secara simultan terhadap variabel dependen.
Ha : β1 ≠ β2 ≠β3 ≠β4 ≠β5 ≠ 0 artinya terdapat pengaruh dari
variable independen secara simultan terhadap variabel dependen.
c. Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu menunjukkan kemampuan variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2013:95)