BAB II LANDASAN TEORI
2.4 Hipotesis Penelitian
2.4.2 Pengaruh Profitabilitas Terhadap Nilai Perusahaan
Rasio profitabilitas mengukur kemampuan perusahaan dalam menghasilkan keuntungan dari aktivitas bisnis yang dilakukan. Hasilnya, investor dapat melihat seberapa efisien perusahaan menggunakan aset dalam melakukan kegiatan operasional untuk memperoleh laba.
Peningkatan rasio profitabilitas maka menunjukkan suatu kinerja perusahaan yang efisien. Jika profitabilitas suatu perusahaan naik maka akan banyak investor yang tertarik untuk menanamkan sahamnya di perusahaan tersebut, sesuai dengan hukum permintaan maka harga saham juga akan naik yang diikuti dengan naiknya nilai perusahaan.
Penelitian terdahulu menurut Mafizatun Nurhayati (2013) menyatakan bahwa profitabilitas berpengaruh positif signifikan terhadap nilai perusahaan. Hal tersebut didukung dengan hasil penelitian relevan lainnya dari Ayu Sri Mahatma Dewi dan Ary Wirajaya (2013), Ika Fanindya Jusriani dan Shiddiq Nur Rahardjo (2013).
Berdasarkan uraian di atas, maka hipotesis yang diajukan adalah : H2 : Profitabilitas berpengaruh positif dan signifikan terhadap nilai perusahaan
2.4.3 Pengaruh Kebijakan Hutang Dan Profitabilitas Terhadap Nilai Perusahaan Secara Simultan
Indikator yang mempengaruhi nilai perusahaan diantaranya kebijakan hutang dan profitabilitas. Kebijakan hutang di ambil dalam rangka memenuhi sumber daya pembiayaan bagi perusahaan yang nantinya akan digunakan untuk membiayai aktivitas operasional perusahaan.
Kenaikan proposi hutang yang meningkat akan mempengaruhi nilai perusahaan. Sedangkan profitabilitas digunakan untuk mengukur produktivitas seluruh dana perusahaan yang digunakan baik modal pinjaman berbentuk hutang maupun modal sendiri. Rasio profitabilitas merupakan hasil akhir dari sejumlah kebijakan dan keputusan keberhasilan perusahaan dalam memperoleh laba berdasarkan aktiva maupun berdasarkan modal sendiri.
Penelitian terdahulu menurut Titin Herawati (2013) dalam penelitiannya menyimpulkan semakin tinggi permintaan dari investor terhadap saham maka akan mempengaruhi harga saham dan akan meningkat nilai perusahaan. Sehingga semakin tinggi profitabilitas perusahaan maka akan semakin tinggi nilai perusahaan.
Hal tersebut didukung dengan hasil penelitian relevan lainnya dari Bhekti Fitri Prasetyorini (2013), Jorenza Chiquita Sumanti dan Marjam (2015), serta Bayu Irfandi Wijaya dan I.B. Panji Sedana (2015).
Dengan melihat uraian di atas, hipotesis yang diajukan adalah : H3 : Kebijakan hutang dan profitabilitas berpengaruh signifikan terhadap nilai perusahaan.
BAB III
METODE PENELITIAN
3.1 JENIS PENELITIAN
Jenis penelitian yang digunakan adalah penelitian kuantitatif.
Kuantitatif merupakan data berupa angka dalam arti sebenarnya, jadi berbagai operasi matematika dapat dilakukan pada data kuantitatif.
3.2 TEMPAT DAN WAKTU PENELITIAN
Penelitian ini dilakukan menggunakan akses website online di Bursa Efek Indonesia (BEI). Penelitian ini berlangsung pada tahun 2019.
3.3 POPULASI, SAMPEL DAN TEKNIK PENGAMBILAN SAMPEL 3.3.1 Populasi
Populasi merupakan wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu, yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. (Sugiyono,2005). Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan yang terdaftar di Jakarta Islamic Index (JII) periode 2016-2018.
3.3.2 Sampel
Sampel adalah sebagian dari jumlah serta karakteristik yang dimiliki oleh populasi. (Sugiyono, 2005). Jadi dapat disimpulkan bahwa sampel merupakan bagian dari populasi. Sampel dalam penelitian ini adalah seluruh perusahaan yang terdaftar di Jakarta Islamic Index (JII) sebanyak 30 sampel perusahaan.
3.3.3 Teknik Pengambilan Sampel
Penelitian ini menggunakan metode sampel purposive (purposive sampling) yaitu penarikan sampel dengan pertimbangan tertentu.
32
Pengambilan sampel berdasarkan kriteria sebagai berikut :
1. Perusahaan terdaftar di JII (Jakarta Islamic Index) dan merupakan perusahaan manufaktur syariah yang telah berdiri sejak tahun 2016.
2. Perusahaan yang mempunyai elemen laporan keuangan yang dapat dipergunakan untuk menghitung variabel yanga diteliti, yaitu laporan earning after tax, hutang dan total asset.
3.4 VARIABEL PENELITIAN DAN DEFINISI OPERASIONAL VARIABEL 3.4.1 Variabel Dependen
Yaitu variabel yang nilainya dipengaruhi oleh variabel independen. Variabel terikat dari penelitian ini adalah nilai perusahaan. Indikator dari nilai perusahaan adalah harga saham (Sartono, 2010). Dalam penelitian ini alat ukur yang digunakan untuk menilai nilai perusahaan dengan menggunakan Price to Book Value (PBV) yang dinotasikan dengan Y. Price to Book Value (PBV) merupakan suatu pendekatan yang digunakan untuk mengukur kinerja harga pasar saham terhadap nilai bukunya.
Nilai perusahaan sangat penting karena dengan nilai perusahaan yang tinggi akan diikuti oleh tingginya kesejahteraan pemegang saham. Semakin tinggi harga saham semakin tinggi nilai perusahaan.
Nilai perusahaan menurut Brigham dan Houston, (2006:112), dapat dirumuskan sebagai berikut :
Harga Pasar per Lembar Saham PBV = ---
Nilai buku per Lembar Saham
3.4.2 Variabel Independen
Yaitu variabel yang menjadi sebab terjadinya atau pengaruhnya variabel dependen. Ada beberapa variabel independen yang dipergunakan untuk mengukur pengaruh variabel-variabel tersebut terhadap nilai perusahaan. Variabel -variabel-variabel tersebut antara lain :
1. Kebijakan hutang
Adalah kebijakan yang menentukan seberapa besar kebutuhan dana perusahaan dibiayai hutang. Penggunaan hutang akan memberikan manfaat bagi perusahaan yaitu berupa penghematan pajak
Kebijakan hutang dalam penelitian ini diukur dengan rumus sebagai berikut :
Total Hutang
DER = ---
Total Ekuitas
(Sumber : Subramanyam & Wild, 2010:44)
2. Profitabilitas
Titin Herawati (2013) berpendapat bahwa Profitabilitas adalah efektifitas manajemen yang ditunjukkan oleh laba yang dihasilkan dari penjualan atau investasi perusahaan.
ROA dapat dicari menggunakan rumus sebagai berikut : Earning After Tax
ROA = --- Total Assets
(Sumber : Martono dan Harjito, 2012:61)
Adapun Definisi Operasional Variabel disajikan dalam bentuk tabel seperti berikut :
Tabel 3.1
Definisi Operasional Variabel
No Variabel Definisi Variabel Simbol Skala Pengukuran 1 Kebijakan
2 Profitabilitas Efektifitas
manajemen yang
ROA Nominal Profitabilitas = Laba setelah pajak
(Sumber : Data yang diolah, 2019)
3.5 METODE PENGUMPULAN DATA
Data yang digunakan adalah data sekunder. Data sekunder merupakan data yang diperoleh peneliti dari sumber-sumber yang sudah ada sebelumnya. Di dalam penelitian ini metode yang digunakan untuk mendapatkan data atau bahan keterangan yaitu berupa metode dokumentasi.
Pengumpulan data dokumentasi ini berupa :
a. Laporan keuangan perusahaan yang dipublikasi pada periode 2016-2018.
b. Buku dan literatur-literatur yang berkaitan dengan penelitian.
3.6 TEKNIK PENGOLAHAN DAN ANALISIS DATA 3.6.1 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data sehingga menjadikan sebuah informasi yang lebih jelas dan mudah untuk dipahami. Statistik deskriptif dapat dilihat dari nilai rata-rata (mean), standar deviasi, nilai maksimum dan nilai minimum.
3.6.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi linear berganda yang digunakan untuk menganalisis dalam penelitian ini terbebas dari penyimpangan asumsi klasik yang meliputi uji normalitas untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal ataukah tidak; uji multikolinearitas untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas; uji heteroskedastisitas untuk mengetahui bahwa pada model regresi terjadi ketidaksamaan varian.
Adapun masing-masing pengujian tersebut dapat dijabarkan sebagai berikut :
3.6.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terkait dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Motode regresi yang
baik adalah memiliki data normal atau mendekati normal. Salah satu cara untuk melihat normalitas residual yaitu dengan cara melihat histogram antara data observasi dengan data distribusi yang mendekati distribusi normal. Jika hanya menggunakan histogram, hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih baik adalah dengan melihat normal probability plot dengan membandingkan distribusi kumulatif dari distribusi normal. (Ghozali, 2006)
Uji normalitas dideteksi dengan cara 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 menjauh atau tidak mengikuti arah garis diagonal atau grafik histogramnya, menunjukkan pola distribusi tidak normal, maka model regresi tidak memenuhi asumsi normalitas.
Uji normalitas lain dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov Smirnov (K-S) dilakukan dengan membuat hipotesis :
a. Jika nilai Asymp. Sig. (2 – tailed) ≥ 0,05 data berdistribusi normal.
b. Jika nilai Asymp. Sig. (2 – tailed) ≤ 0,05 data tidak berdistribusi normal.
3.6.2.2 Uji Multikolinearitas
Uji Multikolinearitas ini berguna untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel bebas.
Model regresi dikatakan baik jika tidak terjadi korelasi diantara variabel bebas.
Untuk mendeteksi atau tidaknya multikolinearitas dalam model regresi adalah dengan menganalisis matrik korelasi variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini mengindikasikan adanya multikolinearitas. (Ghozali 2006:95)
Multikolinearitas dapat juga dilihat dari nilai tolerance dan nilai variance inflation factor (VIF). Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai ≤ 0,10 atau sama dengan nilai VIF ≥ 10. (Ghozali 2006:95-96)
Sebagai dasar acuannya dapat disimpulkan :
1. Jika nilai tolerance > 0,10 dan nilai VIF < 10 maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel bebas dalam model regresi.
2. Jika nilai tolerance < 0,10 dan nilai VIF > 10 maka dapat disimpulkan bahwa ada multikolinearitas antar variabel bebas dalam model regresi.
3.6.2.3 Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah pada model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah terjadi homoskedastisitas atau dengan kata lain tidak terjadi heteroskedastisitas. Mendeteksi ada tidaknya heteroskedastisitas dengan cara melihat grafik scatterplot antara standardized residual value (ZPRED) dengan studentized residual (SRESID). Ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dengan ZPRED dimana sumbu Y adalah Y yang telah di prediksi dan sumbu X adalah residual (Ghozali, 2006).
Dasar analisisnya :
1. Jika terdapat pola tertentu dan teratur seperti bergelombang, melebar kemudian menyempit, maka mengidentifikasi telah terjadi heteroskedastisitas.
2. Jika tidak terdapat pola-pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Untuk mengetahui ada atau tidaknya heteroskedastisitas juga dapat diketahui dengan melakukan pengujian lainnya seperti uji glejser. Uji Glejser di lakukan dengan cara meregres nilai absolut residual terhadap variabel independen. Jika hasil probabilitas dikatakan signifikan diatas 0,05 maka disimpulkan tidak terjadi heteroskedastisitas. Namun, jika tingkat signifikan dibawah 0,05, maka ada gejala heterokedastisitas. (Ghozali, 2006).
3.6.3 Pengujian Hipotesis
Adapun pengujian terhadap hipotesis yang diajukan, dilakukan dengan cara sebagai berikut :
3.6.3.1 Analisis Regresi Linear Berganda
Analisis dilakukan dari data sekunder dengan menggunakan model analisis regresi linear berganda. Analisis ini digunakan untuk mengukur kekuatan dua variabel atau lebih dan menunjukkan arah hubungan antara variabel dependen dan independen. Adapun rumus dari regresi linear berganda (multiple linier regresion) secara umum sebagai berikut :
Y = A + b1X1 + b2X2 + b3X3 + b4X4 + e
Berdasarkan mekanisme hubungan antar variabel maka fomulasi matematis dalam penelitian ini adalah :
PBV = a + β1 DER + β2 ROA + ε Dimana :
PBV : Nilai perusahaan DER : Debt to equity ratio ROA : Return on assets
a : Konstanta persamaan regresi β : Koefisien regresi
ε : Kesalahan
3.6.3.2 Uji Parsial (T test)
Uji parsial atau disebut juga uji t bertujuan untuk mengetahui pengaruh masing-masing variabel bebas (X) secara parsial berpengaruh terhadap variabel terikat (Y).
Dalam pengambilan keputusan untuk uji parsial perlu diketahu terlebih dulu perhitungan t hitung dan t tabel.
Perhitungan t hitung dapat dilihat dari hasil perhitungan yang dilakukan menggunakan SPSS, sedangkan t tabel dapat diuraikan dalam rumus :
Dimana : a : tingkat kepercayaan sebesar 0,05 n : jumlah sampel
k : jumlah variabel independen 1 : rumus t tabel
Dasar pengambilan keputusan untuk uji t sebagai berikut : a. H0 diterima jika t hitung < t tabel ; - t hitung > - t tabel,
dengan tingkat signifikansi > 0,05, Ha ditolak.
b. H0 ditolak jika t hitung > t tabel ; - t hitung < - t tabel, dengan tingkat signifikansi < 0,05, Ha diterima.
3.6.3.3 Uji Signifikan Simultan (Uji F)
Uji signifikan simultan atau disebut juga uji F dalam analisis regresi linear berganda bertujuan untuk mengetahui apakah variabel bebas (X) secara bersama-sama atau secara simultan berpengaruh terhadap variabel terikat (Y).
Dasar pengambilan keputusan untuk uji F berdasarkan nilai f hitung dan f tabel sebagai berikut :
a. Jika nilai f hitung > f tabel maka variabel bebas (X) berpengaruh terhadap variabel terikat (Y).
b. Jika nilai f hitung < f tabel maka variabel bebas (X) tidak berpengaruh terhadap variael terikat (Y).
T tabel = t (a / 2 : n – k – 1)
Dasar pengambilan keputusan untuk uji f berdasarkan nilai signifikasi sebagai berikut :
a. Jika nilai Sig. < 0,05 maka variabel bebas (X) berpengaruh signifikan terhadap variabel terikat (Y)
b. Jika nilai Sig. > 0,05 maka variabel bebas (X) tidak berpengaruh signifikan terhadap variabel terikat (Y).
3.6.3.4 Uji Koefisien Determinasi (R²)
Koefisien determinasi (R²) pada intinya mengukur apakah seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Besarnya koefisien determinasi (R²) adalah 0 sampai dengan 1. Nilai R² yang kecil berarti kemampuan variabel-variabel dependen amat terbatas. Nilai yang mendekati angka satu artinya variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. (Ghozali, 2006).
42
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 GAMBARAN UMUM OBJEK PENELITIAN
Populasi dalam penelitian ini adalah seluruh perusahaan yang terdaftar di Jakarta Islamic Index (JII), selama kurun waktu 3 tahun yakni dari tahun 2016-2018. Pengambilan sampel dalam penelitian ini menggunakan purposive sampling, yaitu pengambilan sampel dengan menggunakan kriteria tertentu.
Adapun kriteria penentuan sampel dalam penelitian ini adalah : 1. Perusahaan terdaftar di JII (Jakarta Islamic Index) dan merupakan
perusahaan manufaktur syariah yang telah berdiri sejak tahun 2016.
2. Perusahaan yang mempunyai elemen laporan keuangan yang dapat dipergunakan untuk menghitung variabel yang diteliti, yaitu laporan earning after tax, hutang dan total asset.
Berdasarkan kriteria tersebut maka terdapat 30 perusahaan yang datanya sesuai dengan kebutuhan penelitian ini. Variabel independen yang digunakan dalam penelitian ini terdiri dari variabel kebijakan hutang dan profitabilitas sedangkan variabel dependen adalah nilai perusahaan.
Tabel 4.1
Kriteria Pengambilan Sampel
Keterangan Kriteria Perusahaan Jumlah
Sampel
Jumlah perusahaan manufaktur yang ditetapkan sebagai sampel dan sesuai kriteria sampel
30 Periode
Penelitian Periode penelitian (2016-2018) 3 Data Sampel Jumlah sampel x periode penelitian 90
Total Jumlah sampel yang digunakan 90
42 (Sumber : Data yang diolah,2019)
Pada tabel 4.2 di bawah adalah 90 sampel perusahaan yang digunakan dalam penelitian ini :
Tabel 4.2
Daftar Sampel Perusahaan
No. Kode Nama Saham Tahun
1 ADRO Adaro Energy Tbk. 2016
2 ADRO Adaro Energy Tbk. 2017
3 ADRO Adaro Energy Tbk. 2018
4 AKRA AKR Corporindo Tbk. 2016
5 AKRA AKR Corporindo Tbk. 2017
6 AKRA AKR Corporindo Tbk. 2018
7 ANTM Aneka Tambang Tbk. 2016
8 ANTM Aneka Tambang Tbk. 2017
9 ANTM Aneka Tambang Tbk. 2018
10 ASII Astra International Tbk. 2016
11 ASII Astra International Tbk. 2017
12 ASII Astra International Tbk. 2018
13 BRPT Barito Pacific Tbk. 2016
14 BRPT Barito Pacific Tbk. 2017
15 BRPT Barito Pacific Tbk. 2018
16 BSDE Bumi Serpong Damai Tbk. 2016
17 BSDE Bumi Serpong Damai Tbk. 2017
18 BSDE Bumi Serpong Damai Tbk. 2018
19 CTRA Ciputra Development Tbk. 2016
20 CTRA Ciputra Development Tbk. 2017
21 CTRA Ciputra Development Tbk. 2018
22 EXCL XL Axiata Tbk. 2016
23 EXCL XL Axiata Tbk. 2017
24 EXCL XL Axiata Tbk. 2018
25 ICBP Indofood CBP Sukses Makmur Tbk. 2016 26 ICBP Indofood CBP Sukses Makmur Tbk. 2017 27 ICBP Indofood CBP Sukses Makmur Tbk. 2018
28 INCO Vale Indonesia Tbk. 2016
29 INCO Vale Indonesia Tbk. 2017
30 INCO Vale Indonesia Tbk. 2018
31 INDF Indofood Sukses Makmur Tbk. 2016
32 INDF Indofood Sukses Makmur Tbk. 2017
33 INDF Indofood Sukses Makmur Tbk. 2018
34 INDY Indika Energy Tbk. 2016
35 INDY Indika Energy Tbk. 2017
36 INDY Indika Energy Tbk. 2018
37 INTP Indocement Tunggal Prakarsa Tbk. 2016 38 INTP Indocement Tunggal Prakarsa Tbk. 2017 39 INTP Indocement Tunggal Prakarsa Tbk. 2018
40 ITMG Indo Tambangraya Megah Tbk. 2016
41 ITMG Indo Tambangraya Megah Tbk. 2017
42 ITMG Indo Tambangraya Megah Tbk. 2018
43 KLBF Kalbe Farma Tbk. 2016
44 KLBF Kalbe Farma Tbk. 2017
45 KLBF Kalbe Farma Tbk. 2018
46 LPKR Lippo Karawaci Tbk 2016
47 LPKR Lippo Karawaci Tbk 2017
48 LPKR Lippo Karawaci Tbk 2018
49 LPPF Matahari Department Store Tbk. 2016 50 LPPF Matahari Department Store Tbk. 2017 51 LPPF Matahari Department Store Tbk. 2018 52 LSIP PP London Sumatra Indonesia Tbk 2016 53 LSIP PP London Sumatra Indonesia Tbk 2017 54 LSIP PP London Sumatra Indonesia Tbk 2018
55 MYRX Hanson International Tbk 2016
56 MYRX Hanson International Tbk 2017
57 MYRX Hanson International Tbk 2018
58 PGAS Perusahaan Gas Negara (Persero) Tbk. 2016 59 PGAS Perusahaan Gas Negara (Persero) Tbk. 2017 60 PGAS Perusahaan Gas Negara (Persero) Tbk. 2018
61 PTBA Bukit Asam Tbk. 2016
62 PTBA Bukit Asam Tbk. 2017
63 PTBA Bukit Asam Tbk. 2018
64 PTPP PP (Persero) Tbk. 2016
65 PTPP PP (Persero) Tbk. 2017
66 PTPP PP (Persero) Tbk. 2018
67 SCMA Surya Citra Media Tbk. 2016
68 SCMA Surya Citra Media Tbk. 2017
69 SCMA Surya Citra Media Tbk. 2018
70 SMGR Semen Indonesia (Persero) Tbk. 2016
71 SMGR Semen Indonesia (Persero) Tbk. 2017 72 SMGR Semen Indonesia (Persero) Tbk. 2018
73 SMRA Summarecon Agung Tbk. 2016
74 SMRA Summarecon Agung Tbk. 2017
75 SMRA Summarecon Agung Tbk. 2018
76 TLKM Telekomunikasi Indonesia (Persero) Tbk. 2016 77 TLKM Telekomunikasi Indonesia (Persero) Tbk. 2017 78 TLKM Telekomunikasi Indonesia (Persero) Tbk. 2018 79 TPIA Chandra Asri Petrochemical Tbk. 2016 80 TPIA Chandra Asri Petrochemical Tbk. 2017 81 TPIA Chandra Asri Petrochemical Tbk. 2018
82 UNTR United Tractors Tbk. 2016
83 UNTR United Tractors Tbk. 2017
84 UNTR United Tractors Tbk. 2018
85 UNVR Unilever Indonesia Tbk. 2016
86 UNTR United Tractors Tbk. 2017
87 UNTR United Tractors Tbk. 2018
88 WSBP Waskita Beton Precast Tbk. 2016
89 WSBP Waskita Beton Precast Tbk. 2017
90 WSBP Waskita Beton Precast Tbk. 2018
4.2 ANALISIS STATISTIK DESKRIPTIF
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, maksimum, dan minimum. Hasil analisis statistik deskriptif dari variabel-variabel yang digunakan dalam penelitian ini adalah :
Tabel 4.3
Hasil Uji Statistik Deskriptif
(Sumber : Output SPSS 22) (Sumber : Data yang diolah,2019)
Berdasarkan output SPSS di atas, maka diperoleh hasil sebagai berikut :
a. Nilai Perusahaan
Nilai perusahaan ditunjukkan oleh proksi PBV. Dari tabel 4.1 statistik deskriptif, besarnya nilai perusahaan pada 30 perusahaan mempunyai nilai minimum 0,10 dan nilai maksimum 2,92 dengan rata-rata 0,865 pada standar deviasi 0,533.
b. Kebijakan Hutang
Kebijakan hutang ditunjukkan oleh proksi DER. Dari tabel 4.1 statistik deskriptif, besarnya kebijakan hutang pada 30 perusahaan mempunyai nilai minimum -0,01 dan nilai maksimum 0,53 dengan rata-rata 0,100 pada standar deviasi 0,110.
c. Profitabilitas
Profitabilitas ditunjukkan oleh proksi ROA. Dari tabel 4.1 statistik deskriptif, besarnya profitabilitas pada 30 perusahaan mempunyai nilai minimum 0,22 dan nilai maksimum 66,40 dengan rata-rata 4,379 pada standar deviasi 9,607.
4.3 PENGUJIAN HIPOTESIS DAN PEMBAHASAN 4.3.1 Uji Asumsi Klasik
4.3.1.1 Uji Normalitas
Uji normalitas digunakan untuk menguji apakah data sebuah model regresi, variabel independen atau variabel dependen atau keduanya terdistribusi normal atau tidak. Uji normalitas dideteksi dengan cara melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.
Uji normalitas dapat dilakukan melalui dua pendekatan
yaitu melalui pendekatan grafik (grafik histogram dan P-P Plot) atau dapat juga dilakukan dengan menggunakan uji
kolmogrov-smirnov.
Uji normalitas data pada penelitian ini dilakukan dengan diagram P-P- Plot, hasil penelitian sebagai berikut :
Gambar 4.1 Hasil Uji Normalitas
Selain uji normal P-P Plot, hasil uji normalitas juga didukung dengan analisis Uji Histogram dibawah ini :
(Sumber : Output SPSS 22)
Gambar 4.2 Hasil Uji Histogram Dependent Variable :PBV
Berdasarkan hasil uji normalitas terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal dan grafik histogramnya menunjukkan pola distribusi normal. Dari hasil tersebut dapat disimpulkan bahwa data dari variabel nilai perusahaan, kebijakan hutang dan profitabilitas sudah berdistribusi normal.
Selain uji pendekatan grafik (grafik histogram dan P-P Plot), hasil uji normalitas juga didukung dengan analisis
uji kolmogrov-smirnov. Dengan dasar pengambilan keputusan dalam uji kolmogorov smirnov (K-S) sebagai berikut :
c. Jika nilai Asymp. Sig. (2 – tailed) ≥ 0,05 data berdistribusi normal.
d. Jika nilai Asymp. Sig. (2 – tailed) ≤ 0,05 data tidak berdistribusi normal.
(Sumber : Output SPSS 22)
Hasil uji kolmogorov smirnov (K-S) diuraikan dalam tabel di bawah ini :
Tabel 4.4
Hasil Uji Kolmogorov Smirnov (K-S)
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 90
Normal Parametersa,b Mean ,8849
Std. Deviation ,28833
Most Extreme Differences Absolute ,068
Positive ,068
Negative -,061
Test Statistic ,068
Asymp. Sig. (2-tailed) ,200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Berdasarkan tabel 4.4 di atas menghasilkan nilai Adymp.
Sig. (2-tailed) atau probabilitasnya menunjukkan angka 0,200.
Nilai tersebut lebih besar dari tingkat signifikansi 0,05. Maka dapat disimpulkan bahwa distribusi data dalam penelitian ini adalah terdistribusi normal.
4.3.1.2 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mendeteksi ada tidaknya gejala multikolinearitas, maka dilakukan analisis terhadap korelasi antara variabel independen, dimana dalam hal ini digunakan analisis pada nilai tolerance dan VIF. Nilai tolerance yang lebih dari 0,1 berarti antar variabel independen tidak terjadi korelasi, sedangkan bila dilihat menggunakan VIF (Sumber : Output SPSS 22)
maka jika hasil VIF lebih kecil dari 10 berarti antara variabel independen tidak terjadi korelasi.
Hasil uji multikolinearitas dapat dilihat pada tabel di bawah ini :
Tabel 4.5
Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 (Constant) DER ROA
,475 ,475
2,107 2,107 a. Dependent Variable : PBV
Hasil uji multikolinearitas yang terdapat pada tabel 4.5 menunjukkan bahwa :
DER = nilai tolerance 0,475 > 0,1 dan nilai VIF 2,107 < 10 ROA = nilai tolerance 0,475 > 0,1 dan nilai VIF 2,107 < 10
Berdasarkan nilai tersebut menunjukkan bahwa nilai tolerance lebih dari 0,1 dan nilai VIF tidak ada yang lebih besar dari 10. Berdasarkan hasil uji multikolinearitas tersebut maka persamaan model regresi yang diajukan tidak terdapat masalah multikolinearitas dan layak untuk digunakan.
4.3.1.3 Uji Heteroskedastisitas
Gejala heteroskedastisitas akan muncul bila dalam sebuah model regresi terjadi ketidaksamaan varian dari residual dan pengamatan. Model regresi dikatakan baik jika homoskedastisitas atau tidak terjadi heteroskedastisitas.
Uji heteroskedastisitas dilakukan dengan grafik scatterplot, hasil penelitian sebagai berikut :
(Sumber : Output SPSS 22)
Gambar 4.3
Hasil Uji Heteroskedastisitas
Hasil analisis dari grafik di atas yaitu tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Untuk mengetahui ada tidaknya heteroskedastisitas juga dapat diketahui dengan melakukan pengujian lainnya seperti uji glejser. Jika variabel bebas signifikan secara statistik maka mempengaruhi variabel terikat, sehingga ada indikasi terjadi heteroskedastisitas.
Untuk memastikan dan memperkuat pengujian bahwa tidak terjadi heteroskedastisitas, maka dilakukan uji glejser, dengan dasar pengambilan keputusan pada uji glejser yaitu apabila nilai Sig. > 0,05 maka, dapat disimpulkan tidak
Untuk memastikan dan memperkuat pengujian bahwa tidak terjadi heteroskedastisitas, maka dilakukan uji glejser, dengan dasar pengambilan keputusan pada uji glejser yaitu apabila nilai Sig. > 0,05 maka, dapat disimpulkan tidak