BAB III Metode Penelitian Metode Penelitian
ANALISIS HASIL PENELITIAN
B. Analisis Data Penelitian
2. Pengujian Asumsi Klasik
Analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Hal ini berguna untuk menghasilkan suatu model regresi yang baik. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu.
a. Uji Normalitas Data
Uji normalitas data bertujuan untuk menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statitstik non parametrik Kolmogorov-Smirnov (K-S) dengan membuat hipotesis:
H0 : data residual berdistribusi normal,
Ha : data residual tidak berdistribusi normal.
Apabila nilai siginifikansi lebih besar dari 0,05 maka H0 diterima dan Ha ditolak, sebaliknya jika nilai signifikansi lebih kecil dari 0,05 maka H0
ditolak dan Ha diterima.
Hasil pengolahan data pada Tabel 4.7 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0,895 dan signifikansi pada 0,399. Nilai signifikansi lebih besar dari 0,05 maka H0 diterima yang berarti data residual berdistribusi normal. Data yang berdistribusi normal tersebut juga dapat dilihat melalui grafik histrogram dan grafik normal p-plot data.
Tabel 4.7 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 27
Normal Parametersa,,b Mean .0000000 Std. Deviation 5.65838481 Most Extreme Differences Absolute .172 Positive .172 Negative -.134 Kolmogorov-Smirnov Z .895
Asymp. Sig. (2-tailed) .399
a. Test distribution is Normal. b. Calculated from data. Sumber: Output SPSS
Grafik histogram pada Gambar 4.1 menunjukkan pola distribusi normal karena grafik tidak melenceng ke kiri maupun melenceng ke kanan. Demikian pula hasil uji normalitas dengan menggunakan grafik p-plot pada Gambar 4.2 dibawah ini.
Sumber: Output SPSS Gambar 4.1
Grafik Histogram Sumber: Output SPSS
Gambar 4.2 Grafik Normal P-Plot
Pada grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada model regresi terjadi multikolinieritas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Menurut Nugroho (2005:58), “deteksi multikolinieritas pada suatu model dapat dilihat, yaitu jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas.”
Tabel 4.8
Hasil Uji Multikolinieritas Coefficientsa Model Collinearity Statistics Toleranc e VIF 1 (Constant)
Dividend Payout Ratio .757 1.322 Current Ratio .967 1.034 Variance of Earning
Growth
Coefficientsa Model Collinearity Statistics Toleranc e VIF 1 (Constant)
Dividend Payout Ratio .757 1.322 Current Ratio .967 1.034 Variance of Earning
Growth
.737 1.357
a. Dependent Variable: Price Earning Ratio Sumber: Output SPSS
Dari data pada Tabel 4.8, dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel independen yang lebih besar dari 0,1 dan nilai VIF lebih kecil dari 10 yakni. Disimpulkan bahwa analisis lebih lanjut dapat dilakukan dengan menggunakan model regresi berganda.
c. Uji Heteroskedastisitas
Uji heteroskedastisitias bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastistas. Menurut Nugroho (2005:62) cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang
menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:
1) titik-titik data menyebar di atas, di bawah atau di sekitar angka 0, 2) titik-titik data tidak mengumpul hanya di atas dan dibawah saja, 3) penyebaran titik-titik data tidak boleh membentuk pola
bergelombang melebar kemudian menyempit dan melebar kembali, 4) penyebaran titik-titik data sebaiknya tidak berpola.
Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi PER perusahaan manufaktur yang terdaftar di BEI berdasarkan masukan variabel independen DPR, CR dan VEG.
Sumber: Output SPSS Gambar 4.3
d. Uji Autokorelasi
Pengujian autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode sebelumnya dalam model regresi. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin-Watson (D-W). Tabel 4.9 berikut menyajikan hasil uji D-W dengan menggunakan program SPSS Versi 17.0.
Tabel 4.9
Hasil Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .937a .878 .862 6.016103 1.927
a. Predictors: (Constant), Variance of Earning Growth, Current Ratio, Dividend Payout Ratio
b. Dependent Variable: Price Earning Ratio Sumber: Output SPSS
Kriteria untuk penilaian terjadinya autokorelasi yaitu:
2) nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, 3) nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif. Dari hasil tabel di atas diketahui bahwa nilai D-W yang didapat sebesar 1,927 yang berarti termasuk pada kriteria kedua, sehingga dapat disimpulkan bahwa model regresi bebas dari masalah autokorelasi.
3. Pengujian Hipotesis
Peneliti menggunakan analisis regresi berganda untuk menguji hipotesis. Data diolah dengan menggunakan program SPSS Versi 17.0. Berdasarkan hasil pengolah data dengan program SPSS Versi 17.0, maka diperoleh hasil berikut ini.
Pada Tabel 4.10 di bawah ini, dapat dilihat hasil analisis regresi secara keseluruhan menunjukkan nilai R sebesar 0,937 menunjukkan bahwa korelasi atau hubungan antara PER (variabel dependen) dengan DPR, CR dan VEG (variabel independen) mempunyai tingkat hubungan yang sangat kuat, yaitu sebesar 93,7%. Tingkat hubungan yang sangat kuat ini dapat dilihat dari tabel pedoman untuk memberikan interpretasi koefisien korelasi.
Tabel 4.10 Model Summary Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .937a .878 .862 6.016103
a. Predictors: (Constant), Variance of Earning Growth, Current Ratio, Dividend Payout Ratio
b. Dependent Variable: Price Earning Ratio Sumber: Output SPSS
Nilai Adjusted R Square atau koefisien determinasi adalah sebesar 0,862. Angka ini mengidentifikasikan bahwa PER (variabel dependen) mampu dijelaskan oleh DPR, CR dan VEG (variabel independen) sebesar 86,2%, sedangkan selebihnya sebesar 13,8% dijelaskan oleh sebab-sebab lain. Kemudian standard error of the estimate adalah sebesar 6,016103 dimana semakin kecil angka ini akan membuat model regresi semakin tepat dalam memprediksi PER.
Tabel 4.11
Pedoman untuk Memberikan Interpretasi Koefisien Korelasi Interval Koefisien Tingkat hubungan 0,000 – 0,199 Sangat Rendah 0,200 – 0,399 Rendah 0,400 – 0,599 Sedang 0,600 – 0,799 Kuat 0,800 – 1,000 Sangat Kuat Sumber: Sugiyono (2007:183)
a. Uji Signifikansi Simultan (Uji-F)
Uji-F dilakukan untuk menilai pengaruh DPR, CR dan VEG secara simultan terhadap PER. Pada uji-F digunakan hipotesis sebagai berikut:
H0 : artinya variabel DPR, CR dan VEG secara bersama-sama tidak mempunyai pengaruh yang signifikan terhadap PER pada perusahaan manufaktur yang terdaftar di BEI,
Ha : artinya variabel DPR, CR dan VEG secara bersama-sama mempunyai pengaruh yang signifikan terhadap PER pada perusahaan manufaktur yang terdaftar di BEI.
Uji-F dilakukan dengan membandingkan signifkansi hitung dengan F-tabel dengan ketentuan:
- jika F-hitung < F-tabel, maka H0diterima dan Ha ditolak untuk α = 5%,
- jika F-hitung > F-tabel, maka H0ditolak dan Ha diterima untuk α = 5%.
Tabel 4.12
Hasil Uji Simultan (Uji-F) ANOVAb
Model
Sum of
Squares df Mean Square F Sig. 1 Regression 5991.858 3 1997.286 55.184 .000a
Residual 832.450 23 36.193 Total 6824.308 26
a. Predictors: (Constant), Variance of Earning Growth, Current Ratio, Dividend Payout Ratio
b. Dependent Variable: Price Earning Ratio Sumber: Output SPSS
Dari uji ANOVA (Analysis of Variance) pada Tabel 4.12 di atas didapat F-hitung sebesar 55,184 dengan tingkat signifikansi sebesar 0,000, sedangkan F-tabel diketahui sebesar 2,922. Berdasarkan hasil tersebut dapat diketahui bahwa F-hitung > F-tabel (55,184 > 2,922) dan tingkat signifikansi kecil dari 0,05 (0,000 < 0,05), sehingga H0 ditolak dan Ha diterima. Kesimpulan yang didapat bahwa variabel DPR, CR dan VEG secara bersama-sama atau simultan berpengaruh signifikan terhadap PER perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.
Tabel 4.13
Hasil Analisis Regresi Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 9.077 3.055 2.971 .007
Dividend Payout Ratio .856 5.590 .013 .153 .880 Current Ratio .347 .500 .051 .693 .495 Variance of Earning
Growth
.011 .001 .938 11.053 .000
a. Dependent Variable: Price Earning Ratio Sumber: Output SPSS
Berdasarkan Tabel 4.13 di atas, dapat disimpulkan bahwa PER dipengaruhi oleh variabel DPR, CR dan VEG dengan persaamaan matematis seperti dibawah ini.
Keterangan:
1) konstanta sebesar 9,077 menunjukkan bahwa apabila variabel independen ditiadakan maka PER adalah sebesar 9,077,
2) sebesar 0,856 menunjukkan bahwa setiap kenaikan DPR sebesar satu satuan maka akan diikuti oleh kenaikan PER sebesar 0,535 dengan asumsi variabel lain tetap,
3) sebesar 0,347 menunjukkan bahwa setiap kenaikan CR sebesar satu satuan maka akan diikuti oleh kenaikan PER sebesar 0,347 dengan asumsi variabel lain tetap, dan
4) sebesar 0,011 menunjukkan bahwa setiap kenaikan VEG sebesar satu satuan maka akan diikuti oleh kenaikan PER sebesar 0,011 dengan asumsi variabel lain tetap.
b. Uji Signifikansi Parsial (Uji-t)
Uji-t dilakukan untuk mengetahui seberapa jauh pengaruh suatu variabel independen terhadap variabel dependen secara parsial. Pada uji-t digunakan hipotesis berikut.
H0 : artinya variabel DPR, CR dan VEG secara parsial tidak berpengaruh signifikan terhadap PER pada perusahaan manufaktur yang terdaftar di BEI,
Ha : artinya variabel DPR, CR dan VEG secara parsial berpengaruh signifikan terhadap PER pada perusahaan manufaktur yang terdaftar di BEI.
Uji-t ini dilakukan dengan membandingkan signifikansi hitung dengan t-tabel dengan ketentuan:
− jika t-hitung < t-tabel, maka H0diterima dan Ha ditolak untuk α = 5%
atau signifikansi > 0,05,
− jika t-hitung > t-tabel, maka H0ditolak dan Ha diterima untuk α = 5%
atau signifikansi < 0,05. −
Tabel 4.14
Hasil Uji Parsial (Uji-t) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 9.077 3.055 2.971 .007
Dividend Payout Ratio .856 5.590 .013 .153 .880 Current Ratio .347 .500 .051 .693 .495
Variance of Earning Growth
.011 .001 .938 11.053 .000
a. Dependent Variable: Price Earning Ratio Sumber: Output SPSS
Hasil pengujian statistik t pada Tabel 4.14 dapat dijelaskan sebagai berikut.
1) Pengaruh DPR terhadap PER
Nilai t-hitung untuk variabel DPR adalah sebesar 0,013 dan t-tabel
dengan α = 5% diketahui sebesar 2,042. Hal ini berarti t-hitung lebih kecil dari t-tabel (0,013 < 2,042) dan nilai signifikansi sebesar 0,880 (lebih kecil dari 0,05) artinya H0 diterima dan Ha ditolak, bahwa DPR secara parsial tidak berpengaruh terhadap PER pada perusahaan manufaktur pada tingkat kepercayaan 95%.
2) Pengaruh CR terhadap PER
Nilai t-hitung untuk variabel CR adalah sebesar 0,693 dan t-tabel
dengan α = 5% diketahui sebesar 2,042. Hal ini berarti t-hitung lebih besar dari t-tabel (0,693 > 2,042) dan nilai signifikansi sebesar 0,495 (lebih kecil dari 0,05) artinya H0 diterima dan Ha ditolak, bahwa CR secara parsial tidak berpengaruh terhadap PER pada perusahaan manufaktur pada tingkat kepercayaan 95%.
3) Pengaruh VEG terhadap PER
Nilai t-hitung untuk variabel VEG adalah sebesar 11,053 dan t-tabel
dengan α = 5% diketahui sebesar 2,042. Hal ini berarti t-hitung lebih besar dari t-tabel (11,053 > 2,042) dan nilai signifikansi sebesar 0,000 (lebih kecil dari 0,05) artinya H0 ditolak dan Ha diterima, bahwa VEG secara parsial berpengaruh secara signifikan terhadap PER pada perusahaan manufaktur pada tingkat kepercayaan 95%.
C. Pembahasan Hasil Analisis Penelitian
Berdasarkan hasil penelitian dan analisis yang menyebutkan bahwa F-hitung lebih besar dari F-tabel (55,184> 2,922) dengan tingkat signifikansi 0,000 yang lebih kecil dari 0,05. Penelitian ini berarti menolak hipotesis nol (Ho) dan menerima hipotesis alternatif (Ha), dengan demikian DPR, CR dan VEG berpengaruh secara signifikan terhadap PER pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2007-2009. Hal ini berarti bahwa investor dalam memprediksi PER investor dapat menggunakan DPR, CR dan VEG secara bersama-sama. Nilai R sebesar 0,937 menunjukkan bahwa korelasi atau hubungan antara PER dan DPR dan CR mempunyai tingkat hubungan yang sangat kuat yaitu sebesar 93,7%. Nilai Adjusted R Square atau koefisien determinasi adalah sebesar 0,862. Nilai ini mengidentifikasikan bahwa PER mampu dijelaskan oleh DPR dan CR sebesar 86,2% sedangkan selebihnya sebesar 13,8% dijelaskan oleh sebab-sebab lain. Standard error of the estimate adalah sebesar 6,016103 dimana semakin kecil angka ini akan membuat model regresi
semakin tepat dalam memprediksi variabel dependen yaitu PER perusahaan manufaktur yang terdaftar di BEI.
Hasil penelitian ini juga menunjukkan bahwa secara parsial variabel independen yaitu DPR dan CR tidak memiliki pengaruh signifikan terhadap variabel independen. Bukti tidak berpengaruh DPR dan CR dapat dilihat dari nilai signifikansi DPR dan CR yang lebih besar dari 0,05, yang memiliki makna bahwa Ho diterima dan Ha ditolak.
DPR secara parsial tidak memiliki pengaruh signifikan terhadap PER, sebagaimana ditunjukkan oleh angka signifikansinya sebesar 0,880 > 0,05, setelah dilakukan uji t. Hal ini berarti bahwa H1 ditolak atau DPR tidak berpengaruh signifikan terhadap PER. Hal ini sesuai dengan hasil penelitian yang dilakukan Sembiring (2008) yang menemukan bahwa variabel DPR tidak berpengaruh signifikan terhadap PER, pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. Hasil penelitian menunjukkan bahwa investor kurang tertarik dengan adanya penawaran dividen oleh perusahaan tetapi lebih memperhatikan prospek perusahaan perusahaan dimasa yang akan datang yang nantinya akan memberikan keuntungan yang lebih kepada investor. Semakin tingginya DPR yang ditetapkan oleh suatu perusahaan, semakin kecil dana yang tersedia untuk ditanamkan kembali di dalam perusahaan yang berarti akan menghambat pertumbuhan perusahaan. Ada kemungkinan perusahaan yang pertumbuhan labanya kurang stabil ataupun mengalami kerugian mengalokasikan keuntungan yang diperoleh untuk membayarkan dividen kepada investor, sehingga dapat mengurangi keseimbangan investor tentang keuntungan perusahaan. Selain itu investor perlu memperhatikan bahwa perusahaan yang membayar dividen yang
besar mengindikasikan bahwa perusahaan tersebut hanya menjadikan dividen sebagai penarik bagi pihak luar agar menanamkan dananya ke dalam perusahaan.
Berdasarkan hasil penelitian menunjukkan bahwa CR tidak bepengaruh terhadap PER. Hal ini ditunjukkan dengan nilai signifikansi t-hitung untuk CR sebesar 0,495 > 0,05. Berdasarkan hasil tersebut dapat diketahui bahwa seorang investor dalam melakukan investasi tidak memperhatikan faktor CR yang dimiliki oleh perusahaan. Rasio ini hanya menunjukkan kemampuan perusahaan untuk menutupi hutang lancar dengan aktiva lancar yang dimiliki perusahaan. Hasil penelitian ini berbeda dengan yang dilakukan oleh Halim (2005) yang menemukan bahwa CR memiliki pengaruh terhadap PER.
Penelitian juga menghasilkan variabel varians of earning growth (VEG) berpengaruh signifikan terhadap price earning ratio (PER), ditunjukkan dengan nilai t-hitung sebesar 11,053, lebih besar dari t-tabel (2,042), dengan signifikansi 0,000, lebih kecil dari 0,05. Berdasarkan hasil penelelitian tersebut terlihat bahwa seorang investor dalam melakukan investasi memperhatikan faktor risiko yang akan diterma, sehingga dapat mengambil keputusan yang tepat dalam berinvestasi dengan risiko yang minimal. Umumnya PER akan meningkat jika tingkat risiko mengalami penururan. Namun, investor juga harus memperhatikan proxi risiko tersebut karena variabel tersebut merupakan ukuran penyimpangan dari nilai yang diharapkan dengan nilai yang diperoleh.
BAB V