BAB III METODE PENELITIAN
3.8. Teknik Analisis Data
Pada tahap ini diperhitungkan masing-masing variabel yaitu variabel terikat (dependen) dan variabel bebas (independen) berdasarkan rumus yang telah dikemukakan sebelumnya. Selanjutnya pada deskripsi variabel akan dijelaskan gambaran umum dari masing-masing variabel untuk mendapatkan gambaran awal permasalahan yang menjadi objek dalam penelitian ini.
3.8.2. Metode Analisis Regresi Berganda
Penelitian ini bertujuan untuk menguji apakah hubungan Struktur Modal, Ukuran Perusahaan, dan Pertumbuhan Perusahaan berpengaruh Terhadap Kinerja Perusahaan Sektor Industri Dasar dan Kimia di Bursa Efek Indonesia. Untuk itu digunakan teknik analisis regresi linier berganda dengan model sebagai berikut: Y = a + b1X1 + b2X2 + b3X3 + b4X4 + e Dimana: Y = Kinerja Perusahaan a = Konstanta X1 = Struktur Modal X2 = Ukuran Perusahaan X3 = Pertumbuhan Perusahaan X4 = Kinerja Perusahaan
b1 = Koefisien Regresi Struktur Modal b2 = Koefisien Regresi Ukuran Perusahaan b3 = Koefisien Regresi Pertumbuhan Perusahaan b4 = Koefisien Regresi Kinerja Perusahaan e = Standar error
3.8.3 Uji Asumsi Klasik
Persamaan yang diperoleh dari sebuah estimasi dapat dioperasikan secara statistik jika memenuhi asumsi klasik, yaitu memenuhi asumsi bebas Uji Multikolinieritas, heterokedastisitas, dan autokorelasi (Ghozali 2005:97). Pengujian ini dilakukan agar mendapatkan model persamaan regresi yang baik dan benar-benar mampu memberikan estimasi yang handal dan tidak bisa sesuai dengan BLUE (Best Linier Unbiased Estimator). Pengujian ini dilakukan dengan bantuan software SPSS.
Uji Klasik ini dapat dikatakan senagai kriteria ekometrika untuk melihat apakah hasil estimasi memenuhi dasar linier klasik atau tidak. Setelah data dipastikan bebas dari penyimpangan asumsi klasik, maka dilanjutkan dengan uji hipotesis yakni uji individual (uji t), pengujian secara serentak (uji F), dan koefisien determinasi (R2). Uji asumsi klasik terdiri dari :
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel mengganggu atau residual memiliki distribusi normal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan
keputusannya jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, atau grafik histogramnya menunjukan pola distribusi normal, maka model regresi memenuhi asumsi normalitas (Ghazali, 2012).
2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Heteroskedastisitas menunjukan bahwa varians dari setiap error bersifat heterogen yang berarti melanggar asumsi klasik yang mensyaratkan bahwa varians dari error harus bersifat homogennya. Hipotesis dalam uji Heteroskedastisitas ini adalah : H0 : tidak ada heteroskedastisitas
H1 : ada heteroskedastisitas
Dalam pengujian dilakukan dengan menggunakan uji individu (t-test) untuk masing-masing variabel. Pengambilan keputusan tersebut dilakukan dengan kriteria :
Jika signifikan (probabilitas) dari thitung< 0,05 maka H0 ditolak Jika signifikan (probabilitas) dari thitung > 0,05 maka H1diterima
a. Uji Multikolinieritas
Multikolonieritas merupakan fenomena situasi dimana ada korelasi antara variabel independen satu dengan yang lainnya. Konsekuansi praktis yang timbul sebagai akibat adanya multikolonieritas ini adalah kesalahan standar penaksir semakin besar dan probabilitas untuk menerima hipotesis yang salah semakin
besar sehingga mengakibatkan diperolehnya kesimpulan yang salah. Dalam asumsi klasik OLS (Ordinasy Least Square) diterangkan bahwa tidak ada multikolonieritas yang sempurna antar variabel independen. Jika terdapat nilai korelasi diantara variabel independen adalah satu maka koefisiennya : (a) koefisien untuk nilai-nilai regresi tidak dapat diperkirakan (b) nilai standard error dari setiap nilai koefisien regresi menjadi nilai yang tak terhingga.
Untuk mendeteksi ada atau tidaknya multikolonieritas dapat dilihat dari (1) Nilai tolerance (TOL) dan lawannya (2) variance inflation factor (VIF). Nilai tolera nce yang rendah sama dengan nilai VIF yang tinggi (karena VIF=1/Tolerance). Nilai Cut off yang umum dipakai untuk menunjukan adanya multikolonieritas adalah nilai Tolerance <0,10 atau sama dengan nilai VIF>10 (Ghazali, 2012).
Cara mengatasi multikolonieritas adalah (a) transformasi variabel. Jika terlihat pada model awal dengan adanya gejala multikolonieritas maka dapat dilakukan transformasi variabel yang bersangkutan kedalam bentuk logaritma natural atau bentuk-bentuk tranformasi lainnya, sehingga nilai t hitung yang dihasilkan secara individu variabel independen dapat secara signifikan mempengaruhi variabel terikat, (b) Meningkatkan jumlah data sampel. Dengan adanya peningkatan jumlah data sampel diharapkan mampu menurunkan standar error disetiap variabel independen dan akan diperoleh yang benar-benar bisa menaksirkan koefisien regresi secara tepat.
b. Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi terdapat korelasi antara kesalahan pengganggu padaperiode t -1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan antara satu dengan lainnya. Model regresi yang baik adalah yang bebas dari autokorelasi (Ghozali, 2012). Untuk mendeteksi ada atau tidaknya autokorelasi, dilakukan dengan uji Durbin Watson. Pengambilan keputusan mengenai ada atau tidaknya autokorelasi adalah sebagai berikut:
1. Bila nilai D-W terletak antara angka -2 sampai +2, maka koefisien pada regresi tidak terdapat autokorelasi.
2. Bila D-W lebih rendah atau di bawah angka -2, maka koefisien pada regresi mengalami autokorelasi positif.
3. Bila nilai D-W lebih besar atau di atas angka +2, maka koefisien pada regresi mengalami autokorelasi negatif.
3.8.4. Pengujian Hipotesis
Model regresi yang sudah memenuhi syarat asumsi klasik tersebut akan digunakan untuk menganalisis, yaitu melalui pengujian hipotesis sebagai berikut:
1. Uji Signifikan Simultan (Uji-F)
Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak dilakukan uji-F. Pada dasarnya uji statistik F menunjukkan apakah semua variabel bebas (variabel independent) mempunyai pengaruh secara simultan terhadap variabel terikat (variabel dependent). Bentuk pengujiannya adalah:
H0;bi= b2= b3= b4, =0; Secara simultan antara Struktur Modal, Ukuran Perusahaan,
Pertumbuhan Perusahaan dan Kinerja Perusahaan berpengaruh tidak signifikan terhadap Nilai Perusahaan Sektor Industri Dasar dan Kimiadi Bursa Efek Indonesia. Ha; minimal satu bi ≠0; Secara simultan Struktur Modal, Ukuran Perusahaan,
Pertumbuhan Perusahaan dan Kinerja Perusahaan berpengaruh signifikan terhadap Nilai Perusahaan Sektor Industri Dasar dan Kimiadi Bursa Efek Indonesia.
Kriteria Pengujian :
1. Jika nilai Fhitung > Ftabel dan nilai Sig. F < 0,05, H0 ditolak dan Ha diterima.
2. Jika nilai Fhitung < Ftabel dan nilai Sig. F > 0,05, H0 diterima dan Ha ditolak
2. Uji Signifikan Determinasi (Uji-t)
Pengujian ini dilakukan untuk mengetahui pengaruh suatu variabel independen terhadap variasi variabel dependen secara parsial.
Bentuk penyajiannya adalah:
H0;bi =0; Secara parsial Struktur Modal, Ukuran Perusahaan,
Pertumbuhan Perusahaan dan Kinerja perusahaan tidak berpengaruh signifikan terhadap Nilai Perusahaan Sektor Industri Dasar dan Kimiadi Bursa Efek Indonesia.
Ha; bi ≠0; Secara parsial Struktur Modal, Ukuran Perusahaan,
Pertumbuhan Perusahaan dan Kinerja perusahaan tidak berpengaruh signifikan terhadap Nilai Perusahaan Sektor
Industri Dasar dan Kimiadi Bursa Efek Indonesia. Kriteria Pengujian :
1. Jika nilai thitung > ttabel dan nilai Sig. t > 0,05, H0 ditolak dan Ha diterima.
2. Jika nilai thitung < ttabel dan nilai Sig. t < 0,05, H0 diterima dan Ha ditolak
3. Koefisien Determinasi (Uji Goodness Fit)
Pengukuran besarnya koefisien dari uji regresi dapat dilihat melalui nilai koefisien determinasi multiple R2 (koefisien determinasi mengukur proporsi dari variabel yang dapat dijelaskan oleh variabel independen).
Tabel 3.3
Hubungan Antarvariabel
Nilai Interpretasi
0,0 – 0,19 Sangat Tidak Kuat
0,2 – 0,39 Tidak Erat
0,4 – 0,59 Cukup Erat
0,6 – 0,79 Erat
0,8 – 0,99 Sangat Erat
Sumber: (Situmorang dan Lufti, 2012:155)
Tabel diatas menjelaskan bahwa apabila R2 suatu regresi semakin mendekati 1 (satu), maka sangat erat regresi tersebut semakin mendekati 0 (nol), maka variabel independen secara keseluruhan bisa menjelaskan variabel dependen.
Adjusted R Squa re ini digunakan untuk melihat berapa besar pengaruh faktor-faktor yang ditimbulkan oleh variabel-variabel independen terhadap variabel dependen.