ANALISIS DAN PEMBAHASAN
B. DATA PENELITIAN
1. Statistik Deskriptif
Setelah data variabel bebas (independen) dan variabel terikat (dependen) diperoleh kemudian diolah dengan menggunakan perhitungan SPSS Versi 17.00 for windows, maka hasil analisis statistik deskriptif adalah sebagai berikut:
Tabel 4.1
Uji Statistik Dekriptif ROE, DER, PBV, dan DPR Tahun 2009-2011 Statistics ROE DER PBV DPR N Valid 60 60 60 60 Missing 0 0 0 0 Mean 1.6717 1.6769 1.5713 .3326 Std. Error of Mean .09634 .13917 .09611 .02766 Median 1.6229 1.5848 1.4550 .2697 Mode 1.15a .15a 1.01a .02a Std. Deviation .74623 1.07800 .74448 .21423 Variance .557 1.162 .554 .046 Range 3.97 4.55 2.65 .85 Minimum .16 .15 .28 .02 Maximum 4.13 4.70 2.93 .87
a. Multiple modes exist. The smallest value is shown
Sumber: SPSS versi 17.00 for windows
Dari hasil pengolahan SPSS Versi 17.00 tersebut diperoleh: a) Price Book Value (Y)
Untuk Variabel Y diketahui bahwa rata-rata (mean) PBV adalah sebesar 1.5713, nilai tengahnya (median) sebesar 1.4550, nilai yang sering muncul (mode) sebesar 1,01, dan standar deviasi sebesar 0.74448.
b) Return On Equity (X1)
Untuk Variabel X1 diketahui bahwa rata-rata (mean) ROE adalah sebesar 1.6717, nilai tengahnya (median) sebesar 1.6229, nilai yang sering muncul (mode) sebesar 1,15, dan standar deviasi sebesar 0.74623.
c) Debt to Equity Ratio (X2)
Untuk Variabel X2 diketahui bahwa rata-rata (mean) DER adalah sebesar 1.6769, nilai tengahnya (median) sebesar 1.5848, nilai yang sering muncul (mode) sebesar 0.15, dan standar deviasi sebesar 1.07800.
d) Dividen Payout Ratio (Z)
Untuk variabel Z diketahui bahwa rata-rata (mean) DPR adalah sebesar 0.3326, nilai tengahnya (median) sebesar 0.2697, nilai yang sering muncul (mode) sebesar 0.02, dan standar deviasi 0.21423.
2. Uji Normalitas Data
Uji normalitas dalam penelitian ini menggunakan uji Kolmogorov-Smirnov dengan tingkat signifikan (α) = 5% maka data berdistribusi normal, begitupun sebaliknya jika tingkat signifikan lebih kecil dari (α) = 5% maka data dikatakan tidak berdistribusi normal.
Tabel 4.2.1
Uji Normalitas ROE, DER, PBV, dan DPR Tahun 2009-2011
Sumber: SPSS versi 17.00 for windows
Berdasarkan tabel diatas terlihat jelas hasil output Return On Equity (ROE), Debt to Equity Ratio (DER), Price Book Value (PBV), dan Dividen Payout Ratio (DPR) melalui One-Sample Kolmogorov-Smirnov test. Dari nilai Asymp. Sig. (2-tailed) terlihat bahwa nilai variabel ROE bernilai 0.59 lebih besar dari 0.05 berarti bisa dikatakan bahwa nilai ROE memiliki nilai distribusi normal, variabel DER memiliki nilai signifikan 0.855 yang berarti lebih besar dari 0.05 jadi nilai dari DER berdistribusi normal, variabel PBV bernilai 0.681 lebih besar dari 0.05 berarti bisa dikatakan bahwa nilai PBV memiliki nilai distribusi normal, dan variabel terakhir DPR memiliiki nilai 0.279 lebih besar dari 0.05 yang berarti nilai DPR juga berdistribusi normal. Karena semua data telah berdistribusi normal maka pengujian dapat dilanjutkan.
3. Uji Asumsi Klasik
d) Uji Normalitas Regresi
One-Sample Kolmogorov-Smirnov Test
ROE DER PBV DPR
N 60 60 60 60
Normal Parametersa,,b Mean 1.6717 1.6769 1.5713 .3326
Std. Deviation .74623 1.07800 .74448 .21423
Most Extreme Differences Absolute .172 .078 .093 .128
Positive .140 .078 .087 .128
Negative -.172 -.078 -.093 -.106
Kolmogorov-Smirnov Z 1.328 .607 .718 .991
Asymp. Sig. (2-tailed) .059 .855 .681 .279
a. Test distribution is Normal. b. Calculated from data.
Menurut imam Ghozali (2009) menyataan bahwa uji normalitis adalah untuk menguji apakah dalam model regresi, variabel independen dan dependennya memilki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Pada prinsipnya normalitas data dapat diketahui dengan melihat penyebaran data (titik) pada sumbu diagonal pada grafik atau histogram dari residualnya. Model regresi diasumsikan normal, jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Model regresi diasumsikan tidak normal, jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal. Maka hasil uji normalitas regresi adalah sebagai berikut:
Gambar 4.3.1
Uji Normalitas Regresi ROE, DER, PBV, dan DPR Tahun 2009-2011
Dari gambar grafik normal P-P Plot diatas dapat disimpulkan bahwa sebaran titik-titik residual berada disekitar garis normal. Hal tersebut terjadi karena titik-titik residual tersebut berasal dari data dengan distribusi normal. Dengan demikian dapat disimpulkan bahwa data telah memenuhi persyaratan normalitas regresi.
e) Uji Multikolinearitas
Multikolinearitas adalah adanya hubungan yang kuat antar variabel independent dalam persamaan regresi. Adanya Multikolinearitas akan mengakibatkan ketidaktepatan estimasi, sehingga mengarahkan kesimpulan yang menerima hipotesis nol. Hal ini menyebabkan koefisien dan standar sangat sensitif terhadap perubahan harga. Konsekuensi dari multikolinearitas akan menyebabkan koefisien regresi nilainya kecil, standart error regresi nilainya besar sehingga pengujian individunya menjadi tidak signifikan. Adapun ciri-ciri yang menunjukkan bahwa antara variabel independennya memiliki multikolinearitas adalah R2 tinggi, F-test signifikan, tetapi t-testnya banyak yang tidak signifikan. Maka hasil uji multikolineritas adalah sebagai berikut :
Tabel 4.3.2
Hasil Uji Multikolinearitas ROE, DER, PBV, dan DPR Tahun 2009-2011
Sumber : SPSS Versi 17.0 for windows
Coefficientsa Model Collinearity Statistics Tolerance VIF 1 ROE .889 1.125 DER .967 1.034 DPR .906 1.104 a. Dependent Variable: PBV
Dari hasil tabel diatas dapat diketahui nilai variance inflation factor (VIF) ke tiga variabel independen, yaitu ROE sebesar 1.125, DER sebesar 1.034, dan DPR sebesar 1.104. Berdasarkan hasil tersebut, terlihat bahwa nilainya lebih kecil dari 10, sehingga bisa diduga bahwa antarvariabel independen tidak terjadi persoalan multikolinearitas.
f) Uji Heteroskeditas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain berbeda. Sedangkan untuk mengetahui apakah dengan model regresi terjadi ketidaksamaan variansi dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas.
Jika varians bersifat heterogen, berarti telah terjadi pelanggaran terhadap asumsi klasik yang menyatakan bahwa varians dari error harus bersifat homogen. Model regresi yang baik adalah homoskedastisitas. Cara untuk mendeteksi adalah dengan melihat grafik plot antara nilai prediksi variable terikat (ZPRED) dengan residualnya (ZRESID) yakni dengan melihat pola grafik tertentu pada grafik scatterplot antara ZRESID dan ZPRED. Jika ada pola tertentu, seperti titik yang membentuk pola tertentu yang teratur (bergelombang), maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Maka hasil uji heteroskeditas adalah sebagai berikut :
Grafik 4.3.3
Hasil Uji Heteroskeditas ROE, DER, PVB, dan DPR Tahun 2009-2011
Sumber : SPSS Versi 17.0 for windows
Dari grafik scatterplot diatas terlihat bahwa titik – titik menyebar antara – 2 sampai 2, hal ini menunjukan bahwa model regresi ROE, DER, PBV dan DPR maka mengindikasikan tidak terjadi heteroskedastisitas.
g) Uji Auto Kolerasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengunaan pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Maka hasil uji auto kolerasi adalah sebagai berikut:
Hasil Uji Auto Kolerasi ROE, DER, PBV, dan DPR Tahun 2009-2011
Sumber : SPSS Versi 17.0 for windows
Hasil uji DW menunjukan nilai sebesar 2.047. nilai tersebut jika dibandingkan dengan nilai table dengan menggunakan derajat kepercayaan 5%, jumlah sampel 60, variable bebas (K) = 3, nilai table DW (DL = 1.479) dan DW (DU = 1.688), maka nilai DW terletak diantara batas atas DU dan (4-DU), 1.688 < 2.047 < 2.311, maka hasilnya tidak ada auto kolerasi.
h) Uji Lineritas Regresi
Uji Linearitas digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Dengan uji linearitas maka akan diperoleh informasi apakah model empiris sebaiknya linear, kuadrat atau kubik. Linearitas regresi diuji dengan Scatter Plots. Pada grafik Scatter Plots terdapat titik-titik yang menyebar secara acak (random) baik diatas maupun dibawah angka 0 pada sumbu Y. Jika terdapat hubungan bahwa kira-kira sebesar 95 % dari residual terletak antara -2 dan +2 dalam scatterplots, maka asumsi linearitas terpenuhi.
Grafik 4.3.5 Model Summaryb Model Durbin-Watson 1 2.047a a. Predictors: (Constant), DPR, DER, ROE b. Dependent Variable: PBV
Hasil Uji Lineritas Regresi ROE, DER, PBV, dan DPR Tahun 2009-2011
Sumber : SPSS Versi 17.0 for windows
Dari grafik scatterplot diatas terlihat bahwa 95% titik – titik menyebar antara – 2 sampai 2, hal ini menunjukan bahwa model regresi ROE, DER, PBV dan DPR memenuhi asumsi klasik lineritas.
i) Uji Moderated Regression Analysis
Uji Interaksi atau sering disebut dengan Moderated Regression Analysis (MRA) merupakan aplikasi khusus regresi berganda linear di mana dalam persamaan regresinya mengandung unsur interaksi (perkalian dua atau lebih variabel independen) (Ghozali, 2006). Variabel perkalian antara Kinerja Keuangan (Profitabilitas X1, Leverage X2) dan Kebijakan dividen (Z) merupakan variabel moderating oleh karena menggambarkan pengaruh moderating variabel Kebijakan dividen (Z) terhadap hubungan Kinerja Keuangan (X) dan Nilai Perusahaan (Ŷ).
Arsintadiani dan Harsono (2002) dalam penelitiannya menyatakan bahwa hasil interaksi variabel independen (VI) dan variabel dependen (VD) dengan memasukkan variabel Moderating (VMO). Nilai efek-efek utama
dan efek moderasi (VI*VMO) jika mengalami peningkatan nilai R square dari efek utama, peningkatan R square tidak signifikan karena tingkat signifikansi b3 (VI*VMO) > 0.05 ( Los = 5 %) dan dikatakan signifikan jika tingkat signifikansi b3 (VI*VMO) < 0.05 ( Los = 5 %). Sebelum model regresi, maka terlebih dahulu dilakukan pengujian asumsi klasik yang meliputi uji normalitas dan uji heteroskedastisitas serta untuk memastikan bahwa data yang dihasilkan berdistribusi normal. Maka hasil uji moderasi regresi analisis adalah sebagai berikut :
Table4.3.6-1
Hasil Uji Regresi ROE (X1), PBV (Y) dan DPR (Z) Tahun 2009-2011
Sumber: SPSS versi 17.00 for windows
Berdasarkan Tabel 4.3.6-1 tersebut, maka dapat diperoleh persamaan regresi sebagai berikut:
Nilai Perusahaan (PBV) sebesar 1.617, profitabilitas (ROE) 0.134, kebijakan dividen (DPR) 1.662 dan interaksi ROE dan DPR terhadap Nilai Perusahaan (MO_1) sebesar 1.215.
Regresi Model 1b (Moderasi)_Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 1.617 .407 3.972 .000 ROE .134 .248 .135 .542 .590 DPR 1.662 1.223 .478 1.359 .180 MO_1 1.215 .673 .823 2.007 .046 a. Dependent Variable: PBV
Table 4.3.6-2
Hasil Uji Regresi DER (X2), PBV (Y), dan DPR (Z) Tahun 2009-2011
Sumber: SPSS versi 17.00 for windows
Berdasarkan Tabel 4.3.6-2 tersebut, maka dapat diperoleh persamaan regresi sebagai berikut:
Nilai Perusahaan (PBV) sebesar 1.786, leverage (DER) -0.262, kebijakan dividen (DPR) -0.039 dan interaksi DER dan DPR terhadap Nilai Perusahaan (MO_2) sebesar 0.417.
a. Uji Normalitas MRA
Asumsi data telah berdistribusi normal adalah salah satu asumsi yang penting dalam melakukan penelitian dengan regresi. Uji ini
bertujuan untuk menguji apakah dalam model regresi, variabel independen, Regresi Model 2b (Moderasi)_Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 1.786 .332 5.381 .000 DER -.262 .170 -.380 -1.546 .128 DPR -.039 .931 -.011 -.042 .966 MO_2 .417 .474 .306 .880 .382 a. Dependent Variable: PBV
dependen dan moderasi terdistribusi secara normal atau tidak. Pengujian dalam penelitian dengan melihat normal probability plot, dimana pada grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal.
Grafik 4.3.6-1a
Hasil Uji Normalitas (MRA) ROE, DPR, dan PBV Tahun 2009-2011
Sumber : SPSS Versi 17.0 for windows
Dari gambar grafik normal P-P Plot diatas dapat disimpulkan bahwa sebaran titik-titik residual berada disekitar garis normal. Hal tersebut terjadi karena titik-titik residual tersebut berasal dari data dengan distribusi normal. Dengan demikian dapat disimpulkan bahwa data telah memenuhi persyaratan normalitas MRA.
Grafik 4.3.6-1b
Hasil Uji Normalitas (MRA) DER, DPR, dan PBV Tahun 2009-2011
Sumber : SPSS Versi 17.0 for windows
Dari gambar grafik normal P-P Plot diatas dapat disimpulkan bahwa sebaran titik-titik residual berada disekitar garis normal. Hal tersebut terjadi karena titik-titik residual tersebut berasal dari data dengan distribusi normal. Dengan demikian dapat disimpulkan bahwa data telah memenuhi
persyaratan normalitas MRA. b. Uji Heteroskedastisitas MRA
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Cara memprediksi ada tidaknya heteroskedastis pada suatu model dapat dilihat dari pola gambar scatterplot model tersebut. Maka hasil uji heteroskeditas (MRA) adalah sebagai berikut :
Gambar 4.3.6-2a
Hasil Uji Heteroskeditas (MRA) ROE, PBV, dan DPR Tahun 2009-2011
Sumber : SPSS Versi 17.0 for windows
Dari grafik scatterplot diatas terlihat bahwa 95% titik – titik menyebar antara – 2 sampai 2, hal ini menunjukan bahwa model moderasi regresi analisis ROE, DPR, dan PBV memenuhi asumsi klasik lineritas.
Gambar 4.3.6-2b
Hasil Uji Heteroskeditas (MRA) DER, PBV, dan DPR Tahun 2009-2011
Sumber : SPSS Versi 17.0 for windows
Dari grafik scatterplot diatas terlihat bahwa 95% titik – titik menyebar antara – 2 sampai 2, hal ini menunjukan bahwa model moderasi regresi analisis ROE, DPR, dan PBV memenuhi asumsi klasik lineritas.
4. Uji Hipotesis