BAB IV Pembahasan
4.2 Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai meliputi nilai rata-rata (mean),
minimum, maksimum dan standar deviasi. Hasil statistik deskriptif sampel yang digunakan dalam penelitian ini dapat dilihat pada tabel 4.2.
Table 4.2 Statistik Desktiptif
Minimum Maximum Mean Std. Deviation
Ukuran Perusahaan 1,43 1,52 1,4802 ,02106 Pertumbuhan Aset -2,49 -1,07 -2,0923 ,27886
Return On Asset -,18 -,04 -,0703 ,01755
Earning Per Share -,66 2,49 1,3407 ,67642 Sumber: Data yang diolah dengan SPSS 16.0
Berdasarkan statistik deskriptif tabel 4.2 diketahui komponen pertama ukuran perusahaan memiliki nilai minimum sebesar 1,43 dan maksimum sebesar 1,52. Nilai standar deviasi ukuran perusahaan sebesar 0,02106 dengan rata-rata sebesar 1,4802. Hal ini menunjukkan bahwa perusahaan memiliki total aset yang lebih besar mampu menghasilkan laba yang besar. Komponen kedua Pertumbuhan Aset memiliki nilai minimum sebesar -2,49 dan maksimum sebesar -1,07. Nilai standar deviasi 0,27886 dengan nilai rata-rata sebesar -2,0923. Hal tersebut menunjukkan bahwa kemampuan perusahaan dalam mengelola aset yang dimiliki untuk menghasilkan laba adalah -2,0923 dengan sebaran data sebesar 0,27886. Komponen ketiga Return On Assets (ROA) memiliki nilai minimum sebesar -0,18 dan maksimum sebesar -0,04. Nilai standar deviasi 0,01755 dengan nilai rata-rata -0,0703. Hal ini menunjukkan bahwa kemampuan perusahaan dalam mengelola aset mampu menghasilkan laba adalah 0,0703
24
dengan sebaran data 0,01755. Komponen keempat Earning Per Share (EPS) memiliki nilai minimum sebesar -0,66 dan maksimum sebesar 2,49. Nilai standar deviasi sebesar 0,67642 dengan rata-rata sebesar 1,3407. Hal tersebut kemampuan perusahaan menghasilkan laba untuk tiap lembar yang beredar adalah 1,3407 dengan sebaran data 0,67642.
4.3 UJi Asumsi Klasik
Sebelum dilakukan analisis regresi linier sederhana untuk mengetahui ada atau tidak pengaruh antara variabel independen terhadap variabel dependen, maka perlu dilakukan uji bawah ini:
4.3.1 Uji Normalitas
Uji ini bertujuan untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Normalitas data dapat dilihat dengan menggunakan uji normal kolmogorov-smirnov. Kriteria pengambilan keputusannya adalah jika signifikan korelasi > 0,05 maka data terdistribusi normal dan jika signifikan korelasi < 0,05 maka data tidak terdistribusi normal (Ghozali, 2012). Hasil uji ini dapat dilihat pada tabel 4.3.
Table 4.3 Uji Normalitas Ukuran Perusahaan Terhadap EPS
Unstandardized
Residual
Kolmogorov-Smirnov Z 1,096
Asymp. Sig. (2-tailed) ,181
Berdasarkan tabel 4.3, besarnya Kolmogorov-Smirnov adalah 1,096 dan nilai signifikansinya (two-tailed) adalah 0,181. Penelitian ini melakukan uji hipotesis satu arah (one-tailed) maka nilai signifikansi (two-tailed) harus dibagi dua terlebih dahulu, 0,181/2 = 0,0905. Nilai signifikansi tersebut lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data residual telah berdistribusi normal.
Table 4.4 Uji Normalitas Pertumbuhan Aset Terhadap EPS
Unstandardized
Residual
Kolmogorov-Smirnov Z 1,014
Asymp. Sig. (2-tailed) ,255
Sumber: Data yang diolah dengan SPSS 16.0
Berdasarkan tabel 4.4, besarnya Kolmogorov-Smirnov adalah 1,014 dan nilai signifikansinya (two-tailed) adalah 0,255. Penelitian ini melakukan uji hipotesis satu arah (one-tailed) maka nilai signifikansi (two-tailed) harus dibagi dua terlebih dahulu, 0,255/2 = 0,1275. Nilai signifikansi tersebut lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data residual telah berdistribusi normal.
Table 4.5 Uji Normalitas ROA Terhadap EPS
Unstandardized
Residual
Kolmogorov-Smirnov Z 1,131
Asymp. Sig. (2-tailed) ,155
Sumber: Data yang diolah dengan SPSS 16.0
Berdasarkan tabel 4.5, besarnya Kolmogorov-Smirnov adalah 1,131 dan nilai signifikansinya (two-tailed) adalah 0,155. Penelitian ini melakukan uji
26
hipotesis satu arah (one-tailed) maka nilai signifikansi (two-tailed) harus dibagi dua terlebih dahulu, 0,155/2 = 0,0775. Nilai signifikansi tersebut lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data residual telah berdistribusi normal.
4.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah pada suatu model regresi tejadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan lain. Model regresi yang baik adalah Heteroskedastisitas atau tidak terjadi Heteroskedatisitas (Ghozali, 2012). Jika nilai signifikan korelasi > 0,05 maka dapat disimpulkan model regresi tidak terjadi heteroskedastisitas. Jika sebaliknya maka nilai signifikan korelasi < 0,05 maka dapat disimpulkan terjadi Heteroskedastisitas. Penelitian ini menggunakan uji Glejser untuk menguji heteroskedastisitas. Hasil uji heteroskedastisitas dapat dilihat pada tabel 4.6.
Table 4.6 Uji Heteroskedastisitas
Model Sig
Ukuran Perusahaan ,387
Pertumbuhan Aset ,894
Return On Assets ,282 Sumber: Data diolah dengan SPSS 16.0
Tabel 4.6 menunjukkan bahwa variabel independen yang berupa ukuran perusahaan memiliki probabilitas signifikan sebesar 0,387, pertumbuhan aset memiliki probabilitas signifikan sebesar 0,894, dan return on assets memiliki probabilitas signifikan sebesar 0,282. Hal ini menunjukkan bahwa tidak terdapat
heteroskedastisitas karena nilai sig > 0,05 sehingga dapat disimpulkan model regresi tidak mengandung adanya heteroskedastisitas.
4.4 Pengujian Hipotesis
Pengujian hipotesis dilakukan dengan menggunakan analisis regresi linier sederhana serta uji parsial (uji statistik t) yang diolah dengan menggunakan SPSS versi 16.0. Uji statistik menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen.
4.4.1 Hasil Pengujian Hipotesis Pertama (H1)
Hipotesis pertama yang diajukan dalam penelitian ini menyatakan bahwa ukuran perusahaan berpengaruh positif terhadap Earning Per Share (EPS). Hipotesis ini dapat didukung apabila nilai signifikansinya menunjukkan nilai < 0,05 dan tidak dapat didukung jika sebaliknya. Hasil uji signifikansi t model persamaan pertama dalam penelitian ini dapat dilihat pada tabel 4.7.
Table 4.7 Hasil Uji Hipotesis Pertama (H1)
Variabel B Standar
Eror t-hitung Sig.
Konstanta -28,445 3,440 -8,268 ,000
Ukuran Perusahaan 20,122 2,324 8,659 ,000**
R-Square ,393
Adjusted R-Square ,387
**Signifikansi pada α=5%
28
Hasil uji statistik t model persamaan pertama menunjukkan bahwa variabel independen ukuran perusahaan memiliki nilai signifikansi untuk two-tailed = 0,000, karena penelitian ini melakukan uji hipotesis satu arah (one-tailed) maka nilai signifikansi (two-tailed) harus dibagi dua terlebih dahulu 0,000/2 = 0,000. Hasil tersebut lebih kecil dari 0,05 (0,000 < 0,05) dan nilai t-hitung 8.659 (positif), sehingga hipotesis yang menyatakan bahwa ukuran perusahaan berpengaruh positif terhadap Earning Per Share (EPS) dapat diterima atau terdukung. Persamaan regresi dapat ditulis sebagai berikut:
EPS = -28,445 + 20,122 UPs
Definisi dari persamaan regresi tersebut adalah Earning Per Share (EPS) sebesar -28.445 akan meningkat sebesar 20,122 jika variabel ukuran perusahaan naik satu satuan. Konstanta sebesar -28,445 menunjukkan bahwa jika variabel independen ukuran perusahaan dianggap konstan. Koefisien regresi ukuran perusahaan sebesar 20,122, koefisien regresi ini mengindikasikan bahwa semakin tinggi ukuran perusahaan maka akan semakin tinggi Earning Per Share (EPS). Koefisien determinasi (Adjusted R2) sebesar 0,387, hal ini berarti hanya 38,7% variabel dependen yaitu Earning Per Share (EPS) dapat dijelaskan oleh variabel independen yaitu ukuran perusahaan, sedangkan sisanya (100% - 38,7% = 61,30%) sebab-sebab lain di luar model.
4.4.2 Hasil Pengujian Hipotesis Kedua (H2)
Hipotesis kedua yang diajukan dalam penelitian ini menyatakan bahwa pertumbuhan aset berpengaruh positif terhadap Earning Per Share (EPS). Hipotesis ini dapat didukung apabila nilai signifikansinya menunjukkan nilai < 0,05 dan tidak dapat didukung jika sebaliknya. Hasil uji signifikansi t model persamaan kedua dalam penelitian ini dapat dilihat pada tabel 4.8.
Table 4.8 Hasil Uji Hipotesis Kedua (H2)
Variabel B Standar
Eror t-hitung Sig.
Konstanta ,201 ,463 ,435 ,665
Pertumbuhan Aset -,545 ,219 -2,481 ,015**
R-Square ,050
Adjusted R-Square ,042
**Signifikansi pada α=5%
Sumber: Data diolah dengan SPSS 16.0
Hasil uji statistik t model persamaan kedua menunjukkan bahwa variabel independen pertumbuhan aset memiliki nilai signifikansi untuk two-tailed = 0,000, karena penelitian ini melakukan uji hipotesis satu arah (one-tailed) maka nilai signifikansi (two-tailed) harus dibagi dua terlebih dahulu 0,015/2 = 0,0075. Hasil tersebut lebih kecil dari 0,05 (0,0075 > 0,05) dan nilai t-hitung -2,481 (negatif), sehingga hipotesis yang menyatakan bahwa pertumbuhan aset berpengaruh negatif terhadap Earning Per Share (EPS) tidak dapat diterima atau tidak terdukung. Persamaan regresi dapat ditulis sebagai berikut:
30
Definisi dari persamaan regresi tersebut adalah Earning Per Share (EPS) sebesar 0,201 akan menurun sebesar -0,545 jika variabel pertumbuhan aset turun satu satuan. Konstanta sebesar 0,201 menunjukkan bahwa jika variabel independen pertumbuhan aset dianggap konstan. Koefisien regresi pertumbuhan aset sebesar -0,545, koefisien regresi ini mengindikasikan bahwa semakin tinggi pertumbuhan aset maka akan semakin rendah Earning Per Share (EPS). Koefisien determinasi (Adjusted R2) sebesar 0,042, hal ini berarti hanya 4,2% variabel dependen yaitu Earning Per Share (EPS) dapat dijelaskan oleh variabel independen yaitu pertumbuhan aset, sedangkan sisanya (100% - 4,2% = 95,80%) sebab-sebab lain di luar model.
4.4.3 Hasil Pengujian Hipotesis Ketiga (H3)
Hipotesis ketiga yang diajukan dalam penelitian ini menyatakan bahwa
Return On Assets (ROA) berpengaruh positif terhadap Earning Per Share (EPS).
Hipotesis ini dapat didukung apabila nilai signifikansinya menunjukkan nilai < 0,05 dan tidak dapat didukung jika sebaliknya. Hasil uji signifikansi t model persamaan kedua dalam penelitian ini dapat dilihat pada tabel 4.9.
Table 4.9 Hasil Uji Hipotesis Ketiga (H3)
Variabel B Standar
Eror t-hitung Sig.
Konstanta 3,284 ,181 18,189 ,000
Return On Asset 27,654 2,493 11,091 ,000**
R-Square ,515
Adjusted R-Square ,510
**Signifikansi pada α=5%
Sumber: Data diolah dengan SPSS 16.0
Hasil uji statistik t model persamaan ketiga menunjukkan bahwa variabel independen Return On Assets (ROA) memiliki nilai signifikansi untuk two-tailed = 0,472, karena penelitian ini melakukan uji hipotesis satu arah (one-tailed) maka nilai signifikansi (two-tailed) harus dibagi dua terlebih dahulu 0,000/2 = 0,000. Hasil tersebut lebih kecil dari 0,05 (0,000 < 0,05) dan nilai t-hitung 11,091 (positif), sehingga hipotesis yang menyatakan bahwa Return On Assets (ROA) berpengaruh positif terhadap Earning Per Share (EPS) dapat diterima atau terdukung. Persamaan regresi dapat ditulis sebagai berikut:
EPS = 3,284 + 27,654 ROA
Definisi dari persamaan regresi tersebut adalah Earning Per Share (EPS) sebesar 3,284 akan meningkat sebesar 27,654 jika variabel Return On Assets (ROA) naik satu satuan. Konstanta sebesar 3,284 menunjukkan bahwa jika variabel independen Return On Assets (ROA) dianggap konstan. Koefisien regresi
Return On Assets (ROA) sebesar 27,654, koefisien regresi ini mengindikasikan
32
Per Share (EPS). Koefisien determinasi (Adjusted R2) sebesar 0,510%, hal ini
berarti hanya 51,00% variabel dependen yaitu Earning Per Share (EPS) dapat dijelaskan oleh variabel independen yaitu Return On Assets (ROA), sedangkan sisanya (100% - 51,00% = 49,00%) sebab-sebab lain di luar model.