Dalam Penelitian ini data diolah dengan menggunakan program SPSS. Pengolahan statistik dalam penelitian ini meliputi analisis deskriptif yang dilanjutkan dengan pengujian asumsi klasik, Teknik analisis yang digunakan dalam penelitian ini adalah analisis regresi linear berganda dengan terlebih dahulu diuji menggunakan uji asumsi klasik dan terakhir dilakukan pengujian Hipotesis.
3.5.1 Analis Statistik Deskriptif
Analisis statistik deskriptif bertujuan untuk memberikan gambaran umum mengenai semua variable yang digunakan dalam penelitian ini. Semua variable diringkas dalam unit analisis yang meliputi mean, median, modus, nilai minimal dan maksimal, range serta variasi lainnya.
3.5.2 Uji Asumsi Klasik
Model regresi yang baik adalah yang bersifat representif dan signifikan atau memenuhi prinsip BLUE (Best Linier Unbiased Estimator), model regresi tersebut harus memenuhi asumsi dasar klasik regesi. Asumsi dasar tersebut adalah apabila tidak terjadi gejala autokorelasi, heteroskedastisitas, multikolinearitas diantara variabel bebas dalam model regresi.
3.5.2.1 Uji Normalitas
Uji Normalitas yaitu suatu pengujian untuk mengetahui apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal atau tidak (Ghozali, 2006:110). Pengujian normalitas dalam penelitian ini menggunakan
statistik Kormogorof-Smirnov. Data dikatakan terdistribusi normal jika nilai Asymp. Sig (2-tailed) lebih besar dari α=0,05.
Menurut Wibowo (2012:69) untuk meyakinkan lagi bahwa data benar-benar memiliki distribusi normal ada baiknya perlu diuji lagi dengan menggunakan pendekatan numerik, yaitu mengambil keputusan berdasarkan besaran nilai kuantitatif yang dibandingkan.
3.5.2.2 Uji Multikolineritas
Uji Multikolineritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2006:91). Ada tidak nya multikolineritas dapat diketahui dari koefisien korelasi antar variable bebas tidak lebih besar dari 0,5 maka tidak terjadi multikolineritas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen (Ghozali, 2006:95). Menurut Ghozali (2006:95) pengujian ini dapat dilihat melalui:
1. Nilai Tolerance Nilai tolerance, nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance ≤ 0,10.
2. Nilai Variance Inflation Factor (VIF)
a. Jika nilai Variance Inflation Factor (VIF) ≥ 10 maka terdapat multikolinieritas diantara variabel bebas.
b. Jika nilai Variance Inflation Factor (VIF) ≤ 10 maka tidak terdapat multikolinieritas diantara variabel bebas.
Suatu model dapat juga dinyatakan tidak terjadi multikolineritas jika nilai korelasi antar variabel independennya < 5 % (Wibowo, 2012:93).
3.5.2.3 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan penganggu periode t-1 (Ghozali, 2006:95). Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series).
Secara sederhana, suatu model dapat dinyatakan tidak terjadi gejala autokorelasi, jika probabilitas nilai Durbin Watson.> 0.05 (Wibowo,2012:106). 3.5.2.4 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan kepengamatan yang lain (Ghozali,2006:105). Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Untuk menguji ada tidaknya heterokedastisitas digunakan uji Geyser. Metode ini dilakukan dengan meregres nilai absolute residual terhadap variabel bebas. Jika tidak ada satupun variabel bebas yang berpengaruh signifikan terhadap nilai terhadap absolute residual, maka tidak terdapat gejala heterokedastisitas.
3.5.3 Uji Hipotesis
Pengujian hipotesis yang dilakukan dalam penelitian ini adalah dengan menggunakan model persamaan analisis regresi berganda. Analisis regresi berganda menyatakan hubungan antara dua atau lebih variabel independen (X1,X2,Xn….) dengan variabel dependen (Y). Analisis ini digunakan untuk mengetahui hubungan antar variabel independen dengan dependen apakah masing-masing varibel independen berhubungan positive atau negative serta dapat memprediksi nilai dari masing-masing variabel independen terhadap variabel dependennya dalam kondisi tertentu berupa naik-turunnya variabel-variabel independen itu sendiri dalam model regresi.
Model Analisis regresi berganda:
YFV= α + β1.CAR+ β2.NPL + β3.ROA + β4.LDR + e
Keterangan:
YFV = Nilai perusahaan yang di proksikan oleh Price to Book Value α = Konstanta (Intercept)
β1, β2, β3, β4 = Koefisien regresi CAR = Capital Adequacy Ratio NPL = Non Performing Loan ROA = Return On Assets
LDR = Loan to Deposit Ratio e = Kesalahan (standar error)
Pengujian Hipotesis dilakukan melalui uji koefisien determinan (Adj R2), Uji F dan Uji t.
3.5.3.1. Koefisien Determinasi (R2)
Besaran R2 di dedefinisikan sebagai koefisien determinasi digunakan untuk mengetahui seberapa besar persentase sumbangan pengaruh variabel independen terhadap variabel dependen secara serentak. Batasan untuk R2 adalah 0< R2 <1. Jika R2 mendekati 1 menunjukkan peranan variabel independen terhadap variabel dependen semakin besar. Begitu juga sebaliknya, jika R2 semakin mendekati 0 maka peranan variabel independen terhadap variabel dependen semakin kecil.
Koefisien determinan dapat diartikan sebagai besaran proporsi atau persentase keragaman Y (variabel terikat) yang diterangkan oleh X (variabel bebas). Secara singkat koefisien tersebut untuk mengukur besar sumbangan dari variable X (bebas) terhadap keragaman variabel Y (terikat) (Wibowo, 2012:135).
Secara umum, koefisien determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya memiliki nilai koefisien determinasi yang tinggi (Ghozali, 2006:87).
R
2=
3.5.3.2 Uji-F
Uji hipotesis dalam penelitian ini menggunakan uji-F dan uji-t. Uji-F digunakan untuk mengetahui apakah variabel bebas yang terdiri atas capital, risk profile, earning dan liquidity secara bersama-sama berpengaruh signifikan terhadap variabel dependen yaitu nilai perusahaan. Menurut Ghozali (2006:62) jika nilai F hitung lebih besar daripada F tabel, maka Ho ditolak atau Ha diterima menyatakan bahwa semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen. Uji F dilakukan dengan menggunakan signifikaansi 0,05 dengan hipotesis sebagai berikut:
Ho= Capital, risk profile, earning dan liquidity tidak berpengaruh secara signifikan terhadap nilai perusahaan
H1= Capital, risk profile, earning dan liquidity berpengaruh secara signifikan terhadap nilai perusahaan
Dalam uji F kesimpulan yang diambil adalah dengan melihat signifikansi (α) dengan ketentuan sebagai berikut:
3.5.3.3 Uji-t
Uji-t digunakan untuk mengetahui apakah masing-masing variabel independen yang terdiri dari capital, risk profile, earning dan liquidity memiliki pengaruh yang signifikan terhadap variabel dependen, yaitu nilai perusahaan. Uji-t dilakukan dengan menggunakan nilai signifikansi 5 % . Menurut Ghozali (2006:59) jika nilai statistik t hitung lebih tinggi dibandingkan t tabel, maka Ho ditolak atau Ha diterima. Hal ini menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen