BAB 3. METODE PENELITIAN
4.2 Statistik Deskriptif
Statistik deskriptif dilakukan agar dapat memberikan gambaran tentang suatu data yang dilihat dari nilai minimum, maksimum, rata-rata (mean) dan standar deviasi yang dihasilkan dari variabel-variabel independen dan dependen. Variabel-variabel yang digunakan dalam penelitian ini adalah struktur modal, kinerja keuangan, dan keputusan investasi sebagai variabel independen, serta nilai perusahaan sebagai variabel dependen. Hasil uji statistik deskriptif dengan menggunakan program SPSS disajikan dalam table 4.1. berikut ini:
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Struktur_Modal 72 .108242 2.137302 .731768 .472883 Kinerja_Keuangan 72 .005548 174.515954 2.657288 20.540534 Keputusan_Investasi 72 2.932098 69.498069 19.546919 10.769800 Nilai_Perusahaan 72 .36 46.63 5.4111 8.63376 Valid N (listwise) 72 Sumber: Lampiran 6
Berdasarkan hasil statistik deskriptif pada table 4.1 di atas menunjukkan bahwa variabel struktur modal memiliki nilai minimum sebesar 0,108242, nilai maksimum sebesar 2,137302, nilai rata-rata 0,731768, dan standar deviasinya sebesar 0,472883. Variabel kinerja keuangan memiliki nilai minimum sebesar 0,005548, nilai maksimum sebesar 174,515954, nilai rata-rata sebesar 2,657288, dan standar deviasinya sebesar 20,540534. Variabel keputusan investasi memiliki nilai minimum sebesar 2,932098, nilai maksimum sebesar 69,498069, nilai rata-rata sebesar 19,546919 dan standar deviasinya sebesar 10,769800. Variabel nilai perusahaan memiliki nilai minimum sebesar 0,36, nilai maksimum sebesar 46,63, nilai rata-rata sebesar 5,4111 dan standar deviasinya sebesar 8,63376.
4.3. Uji Asumsi Klasik 4.3.1. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam model regresi kedua variabel (variabel dependen dan variabel independen) mempunyai distribusi normal atau tidak. Model regresi yang baik adalah datanya terdistribusi normal atau setidaknya mendekati normal. Analisis grafik merupakan cara yang mudah untuk mendeteksi normalitas yaitu dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik normal probability plot. Pengambilan keputusan dalam uji normalitas menggunakan analisis grafik ini didasarkan pada :
• Jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal, maka model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Untuk melengkapi hasil analisis grafik normal probability plot
digunakan uji statistic non-parametrik Kolomogorov-Smirnoc (K-S). Pada uji statistic one-sample Kolmogorov Smirnov dapat dilihat probabilitas signifikan terhadap variabel. Jika probabilitas signifikan diatas 0,05, maka variabel tersebut terdistribusi secara normal (Ghozali, 2013). Uji normalitas dalam penelitian ini dapat dilihat pada tabel 4.2. berikut ini:
Tabel 4.2
Hasil Uji Normalitas Data
Berdasarkan tabel 4.2, diketahui nilai probabilitas atau Asymp. Sig. (2-tailed) sebesar 0,476. Nilai probabilitas sebesar 0,476 lebih besar
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 72
Normal Parametersa,b Mean .0000000
Std. Deviation 6.51898677
Most Extreme Differences
Absolute .112
Positive .112
Negative -.069
Kolmogorov-Smirnov Z .951
dibandingkan tingkat signifikansi yaitu 0,05. Hal ini berarti asumsi normalitas terpenuhi.
Uji normalitas juga dapat menggunakan pendeketan analisis grafik, yaitu Normal Probability Plot dan Histogram. Pada pendekatan Normal Probability Plot, jika titik-titik menyebar jauh maka diindikasi asumsi normalitas tidak dipenuhi. Jika titik-titik menyebar sangat dekat dengan garis diagonal, maka asumsi normalitas dipenuhi. Sedangkan untuk pendekatan Histogram, jika kurva berbentuk kurva normal, maka asumsi normalitas dipenuhi. Berikut adalah grafik histogram dan plot data yang terdistribusi normal.
Gambar 4.1
Dari gambar 4.1 diatas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data mengikuti garis diagonal yang tidak menceng (skewness) kiri maupun menceng (skewness) kanan.
Gambar 4.2 Grafik P-Plot
Sumber: Lampiran 6
Dengan melihat tampilan grafik normal plot dapat disimpulkan bahwa grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal serta mengikuti arah garis diagonal. Dapat dikatakan bahwa distribusi data model regresi adalah normal.
4.3.2. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen.Pada model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen.Untuk mendeteksi ada tidaknya multikolinearitas di dalam model regresi adalah dengan cara melihat nilai Tolerance dan nilai
Variance Inflation Factor (VIF). Jika nilai Tolerance > 0,10 dan nilai
Variance Inflation Factor (VIF) < 10 maka tidak terjadi gejala multikolinearitas (Ghozali, 2013: 103).
Berikut adalah hasil uji multikolinearitas disajikan pada tabel 4.3 berikut ini:
Tabel 4.3
Hasil Uji Multikolinearitas Data
Model Collinearity Statistics
Tolerance VIF 1 (Constant) Struktur_Modal .985 1.015 Kinerja_Keuangan .991 1.009 Keputusan_Investasi .989 1.011 Sumber: Lampiran 6
Berdasarkan tabel 4.3. di atas diperoleh nilai Tolerance untuk semua variabel independen yang diteliti lebih besar dari 0,1 (Tolerance > 0,1) dan juga diperoleh nilai Variance Inflation Factor (VIF) untuk semua variabel independen yang diteliti lebih kecil dari 10 (VIF < 10), maka dapat disimpulkan tidak ada gejala multikolinearitas terhadap variabel independen yang diteliti.
4.3.3. Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah pada suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode satu dengan periode sebelumya. Jika terjadi korelasi, berarti dijumpai problem autokorelasi. Uji autokorelasi dilakukan dengan menggunakan Run test. Apabila nilai Asymptotic Significance > 0,05 maka tidak terjadi gejala autokorelasi sementara itu jika nilai Asymptotic Significance < 0,05 maka telah terjadi gejala autokorelasi. Berikut ini adalah hasil dari Run Test:
Tabel 4.4
Hasil Uji Autokorelasi Data
Runs Test
Unstandardized Residual
Test Valuea -.87553
Cases < Test Value 36
Cases >= Test Value 36
Number of Runs 40
Z .712
Asymp. Sig. (2-tailed) .476
a. Median
Sumber: Lampiran 6
Berdasarkan hasil run test di atas, diperoleh nilai Asymptotic Significance sebesar 0,476 > 0,05. Dengan demikian dapat ditarik kesimpulan bahwa data yang digunakan cukup random sehingga tidak terdapat masalah autokorelasi pada data yang diuji.
4.3.4. Uji Heterokedastisitas
Uji heterokedastisitas digunakan untuk menguji apakah model regresi terjadi ketidaksamaan variabel dari residual pengamatan satu ke pengamatan lainnya. Jika varians dari residual pengamatan satu ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heterokedastisitas. Metode yang digunakan untuk menguji ada atau tidaknya heterokedastisitas adalah melihat grafik plot antara nilai variabel dependen (ZPRED) dengan nilai residual (SRESID). Berikut ini dilampirkan grafik Scatterplot untuk mengetahui adakah gejala heterokedastisitas dengan melihat penyebaran titik-titik yang terdapat dalam grafik. Adapun grafik tersebut adalah sebagai berikut:
Gambar 4.3
Hasil Uji Heterokedastisitas
Sumber: Lampiran 6
Berdasarkan gambar 4.3 diatas dapat dilihat bahwa titik-titik menyebar di atas dan di bawah nol pada sumbu Y dan tidak membentuk suatu pola tertentu. Dengan demikian dapat ditarik kesimpulan bahwa tidak terjadi heterokedastisitas pada uji regresi yang dilakukan.
4.4. Analisis Regresi Linear Berganda
Pada penelitian ini, analisi regresi linear berganda digunakan untuk menguji pengaruh variabel independen, yaitu struktur modal, kinerja keuangan, dan keputusan investasi terhadap variabel dependennya, yaitu nilai
perusahaan. Hasil dari analisis regresi linear berganda ditampilkan pada tabel berikut ini:
Tabel 4.5
Hasil Analisis Regresi Linear Berganda dan Uji T Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) -7.343 1.973 -3.722 .000 Struktur_Modal 8.820 1.685 .483 5.236 .000 Kinerja_Keuangan .004 .039 .010 .107 .915 Keputusan_Investasi .322 .074 .401 4.359 .000 Sumber: Lampiran 6
Berdasarkan tabel 4.5 hasil analisis regresi linear berganda di atas, dapat diketahui persamaan regresi linear berganda sebagai berikut:
Y = -7,343 + 8,820X1 + 0,004X2 + 0,322X3 + ε Keterangan: Y = Nilai Perusahaan X1 = Struktur Modal X2 = Kinerja Keuangan X3 = Keputusan Investasi
Interpretasi dari regresi di atas adalah sebagai berikut:
1. Konstanta (α)
Nilai konstanta menunjukkan bahwa apabila semua variabel independen memiliku nilai 0 (nol) makan variabel dependen (Y) sebesar -7,343. 2. Struktur Modal (X1) terhadap Nilai Perusahaan (Y)
Nilai koefisien struktur modal untuk variabel X1 sebesar 8,820. Hal ini
mengandung arti bahwa setiap kenaikan Struktur Modal (DER) satu satuan maka variabel beta (Y) akan naik sebesar 8,820 dengan asumsi bahwa variabel bebas yang lain dari model regresi yaitu kinerja keuangan dan keputusan investasi adalah tetap.
3. Kinerja Keuangan (X2) terhadap Nilai Perusahaan (Y)
Nilai koefisien kinerja keuangan untuk variabel X2 sebesar 0,004. Hal ini mengandung arti bahwa setiap kenaikan Kinerja Keuangan (ROE) satu satuan maka variabel beta (Y) akan naik sebesar 0,004 dengan asumsi bahwa variabel bebas yang lain dari model regresi yaitu struktur modal dan keputusan investasi adalah tetap.
4. Keputusan Investasi (X3) terhadap Nilai Perusahaan (Y)
Nilai koefisien keputusan investasi untuk variabel X3 sebesar 0,322. Hal
ini mengandung arti bahwa setiap kenaikan Keputusan Investasi (PER) satu satuan maka variabel beta (Y) akan naik sebesar 0,322 dengan asumsi bahwa variabel bebas yang lain dari model regresi yaitu struktur modal dan kinerja keuangan adalah tetap.
4.5. Uji Hipotesis
4.5.1. Uji Signifikansi Parsial (Uji T)
Uji T dilakukan untuk mengetahui signifikansi secara parsial antara variabel independen dengan variabel dependen dengan mengasumsikan bahwa variabel independen lainnya konstan. Dasar penerimaan atau penolakan hipotesis dapat dilihat dengan membandingkan nilai thitung
dengan ttabel, apabila thitung lebih besar dari ttabel maka Ho ditolak dan Ha diterima (Ghozali, 2013: 99).
Berdasarkan tabel 4.5 dapat dilihat bahwa, variabel struktur modal memiliki nilai thitung sebesar 5,236 dan ttabel sebesar 1,995 (Lampiran 7).
Hal ini berarti thitung lebih besar dari ttabel. Selain itu nilai signifikansinya
0,000 < 0,05, maka Ho ditolak dan Ha diterima. Dalam penelitian ini dinyatakanbahwa:
Ho : Struktur modal berpengaruh negatif terhadap nilai perusahaan H1 : Struktur modal berpengaruh positif terhadap nilai perusahaan
Maka disimpulkan bahwa struktur modal secara parsial berpengaruh positif terhadap nilai perusahaan, dimana setiap kenaikan atau penurunan nilai struktur modal dalam perusahaan maka nilai perusahaan juga akan mengalami kenaikan atau penurunan.
Variabel kinerja keuangan memiliki nilai thitung sebesar 0,107 dan
ttabel sebesar 1,995 (Lampiran 7). Hal ini berarti thitung lebih kecil dari ttabel.
ditolak. Dalam penelitian ini dinyatakan bahwa: Ho : Kinerja keuangan berpengaruh negatif terhadap nilai perusahaan H2 : Kinerja keuangan berpengaruh positif terhadap nilai perusahaan
Maka disimpulkan bahwa kinerja keuangan secara parsial berpengaruh negatif terhadap nilai perusahaan, dimana setiap kenaikan atau penurunan nilai kinerja keuangan dalam perusahaan tidak akan mempengaruhi naik turunnya nilai perusahaan.
Variabel keputusan investasi memiliki nilai thitung sebesar 4,359
dan ttabel sebesar 1,995 (Lampiran 7). Hal ini berarti thitung lebih besar dari ttabel. Selain itu nilai signifikansinya 0,000 < 0,05, maka Ho ditolak dan Ha
diterima. Dalam penelitian ini dinyatakan bahwa: Ho :Keputusan investasi berpengaruh negatif terhadap nilai perusahaan H3 :Keputusan investasi berpengaruh positif terhadap nilai perusahaan
Maka disimpulkan bahwa keputusan investasi secara parsial berpengaruh positif terhadap nilai perusahaan, dimana setiap kenaikan atau penurunan nilai keputusan investasi dalam perusahaan maka nilai perusahaan juga akan mengalami kenaikan atau penurunan.
4.5.2. Uji Signifikansi Simultan (Uji F)
Uji F statistik pada dasarnya menunjukkan apakah semua variabel yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau tidak. Berikut merupakan hasil uji F pada penelitian ini:
Tabel 4.6 Hasil Uji F
ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 2275.173 3 758.391 17.092 .000b
Residual 3017.300 68 44.372
Total 5292.473 71
Sumber : Lampiran 6
Berdasarkan hasil penelitian dapat dilihat bahwa nilai Fhitung yaitu sebesar 17,092 dan Ftabel sebesar 2,74 (Lampiran 8) dengan taraf signifikansi yaitu 0,000 < 0,05. Berdasarkan hal tersebut maka Ho ditolak dan H4 diterima. Dalam penelitian ini menyatakan bahwa:
Ho : Struktur modal, kinerja keuangan, dan keputusan investasi secara simultan berpengaruh negatif terhadap nilai perusahaan.
H4 : Struktur modal, kinerja keuangan, dan keputusan investasi secara simultan berpengaruh positif terhadap nilai perusahaan.
Ini menunjukkan bahwa struktur modal, kinerja keuangan, dan keputusan investasi secara simultan berpengaruh positif terhadap nilai perusahaan.
4.5.3. Uji Koefisien Determinasi (Adjusted R2)
Nilai R2 digunakan untuk mengukur seberapa jauh kemampuan model regresi dalam menerangkan variabel dependen. Nilai R2 yang semakin mendekati 1 berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel
Tabel 4.7
Hasil Uji Koefisien Determinasi
Sumber : Lampiran 6
Dari hasil penelitian, besarnya Adjusted R2 berdasarkan hasil analisis diperoleh sebesar 0,405. Dengan demikian besarnya pengaruh yang diberikan oleh variabel struktur modal, kinerja keuangan, dan keputusan investasi terhadap nilai perusahaan adalah sebesar 40,5 % sedangkan sisanya sebesar 59,5% adalah dipengaruhi oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini seperti ukuran perusahaan, profitabilitas, kepemilikan manajerial, keputusan pendanaan, kebijakan dividen dan faktor lainnya.