BAB III METODE PENELITIAN
F. Teknik Analisis
1. Analisis Data Deskriptif
Analisis data deskriptif merupakan analisis yang digunakan untuk menganalisa data dengan cara menggambarkan atau mendeskripsikan data yang telah terkumpul. Hal ini bertujuan untuk menggambarkan karakteristik dari sebuah sampel ataupun populasi yang diamati dan dapat digambarkan lewat tabel dan gambar. Sebagaimana telah diketahui bahwa analisis deskriptif tidak dilakukan perhitungan dan uji klasik. Sehingga tidak dapat dilakukan referensial terhadap hasil analisis ini. Namun hasil analisis ini dapat memberikan informasi yang baik jika akan digunakan sebagai dasar pengambilan keputusan.
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji asumsi normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel dependen dan variabel independen memiliki distribusi normal atau mendekati normal. Model regresi yang baik yaitu jika memiliki data yang terdistribusi normal.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menentukan apakah ada korelasi yang tinggi antara variabel independen dalam model regresi linear berganda. Jika ada korelasi yang tinggi antara variabel independen, maka hubungan antara variabel independen dan variabel dependen akan terganggu. Identifikasi secara statistik yang biasa digunakan untuk menguji gangguan multikolinearitas adalah variance inflation factor (VIF).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Dalam regresi, salah satu asumsi yang harus dipenuhi adalah bahwa varians dari residual yang disebut homokedastisitas. Dasar dalam melihat suatu angket terjadi heteroskedastisitas ataupun tidak yaitu jika nilai signifikan > 0,05 maka dapat dikatakan tidak terjadi heteroskedastisitas dan sebaliknya jika nilai signifikan < 0,05 maka terjadi heteroskedastisitas.
d. Uji Autokorelasi
Menurut Singgih Santoso (2012), “tujuan uji autokorelasi adalah untuk mengetahui apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 (sebelumnya). Jika terdapat korelasi maka dikatakan terdapat problem autokorelasi. Autokorelasi pada sebagian besar kasus ditemukan pada regresi yang datanya adalah time series, atau berdasarkan waktu berkala, seperti bulan,tahun, dan
setersunya. Karena ciri khusus pada pengujian ini adalah waktu (Santoso, 2012). Untuk mendeteksi data autokorelasi dapat menggunakan uji Durbin-Wasten (D-W). dengan ketentuan (Santoso, 2012):
1) Bila nilai D-W dibawah -2 terjadi autokorelasi.
2) Bila nilai D-W terletak diantara -2 sampai +2 maka tidak ada autokorelasi.
3) Bila nilai D-W terletak diatas +2 berarti ada autokorelasi negativ.
3. Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen. Bentuk persamaan regresi linear berganda yang digunakan dalam penelitian ini sebagai berikut:
Y = a + b₁X₁ + b₂X₂ + b₃X₃ +b₄X₄ + b5X5 + e Keterangan:
Y = Peringkat Obligasi a = Nilai Konstanta b₁ ̵ ₄ = Koefisien Regresi X₁ = Profitabilitas X₂ = Likuiditas
X₃ = Leverage X₄ = Arus Kas X5 = Umur Obligasi e = Standar Error 4. Uji Hipotesis
Dalam uji hipotesis ini dilakukan melalui : a. Uji Determinasi (R2)
Pada model linear berganda ini, akan dilihat besarnya kontribusi untuk variabel bebas secara bersama-sama terhadap variabel terikatnya dengan melihat besarnya koefisien determinasi totalnya (R2). Jika (R2) yang diperoleh mendekati 1 (satu) maka dapat dikatakan semakin kuat model tersebut menerangkan hubungan antara variabel bebas dan variabel terikat.
b. Uji Parsial (t)
Pengujian hipotesis ini untuk mengetahui apakah pengaruh variabel bebas terhadap variabel terikat bermakna atau tidak. Pengujian dilakukan dengan membandingkan antara nilai t hitung variabel bebas dengan nilai t tabel variabel terikat dengan derajat kesalahan 5% (α = 0.05).
Kriteria pengujian:
a) Jika nilai signifikansi > 0,05, berarti tidak ada pengaruh antara variabel bebas terhadap variabel terikat.
b) Jika nilai signifikansi < 0,05, berarti ada pengaruh antara variabel bebas terhadap variabel terikat.
42
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Bursa Efek Indonesia (BEI) merupakan Self Regulatory Organization (SRO) yang menyediakan infrasuktur untuk mendukung terselenggaranya perdagangan efek yang teratur, wajar dan efisien serta mudah diakses oleh seluruh pemangku kepentingan.
Secara historis, bursa efek atau pasar modal telah ada pada zaman kolonial Belanda pada tahun 1912 di Batavia jauh sebelum Indonesia merdeka yang didirikan bagi kepentingan kolonial.
Kegiatan pasar modal mengalami kevakuman beberapa periode karena pertumbuhan dan perkembangannya tidak berjalan seperti yang diharapkan. Faktor yang menyebabkan hal tersebut yaitu perang dunia I dan II, pindahnya kekuasaan pemerintah kolonial kepada pemerintah Republik Indonesia, serta operasi bursa efek yang tidak berjalan semestinya karena berbagai kondisi.
Pada tahun 1977, pemerintah Republik Indonesia mengaktifkan kembali pasar modal. Seiring dengan berbagai insentf dan regulasi yang dikeluarkan pemerintah, pasar modal mengalami pertumbuhan beberapa tahun kemudian.
Bursa Efek Indonesia memiliki visi menjadi bursa yang kompetitif dengan kredibilitas tingkat dunia dan misi menciptakan infrastruktur pasar
keuanganyang terpercaya dan kredibel untuk mewujudkan pasar yang teratur, wajar, dan efisien, serta dapat diakses oleh semua pemangku kepentingan melalui produk dan layanan yang inovatif.
B. Hasil Penelitian
1. Analisis Data
a. Analisis Data Deskriptif
Penelitian ini menggunakan data sekunder yang bersumber dari laporan keuangan tahunan perusahaan manufaktur barang dan konsumsi periode tahun 2016-2019 yang diperoleh melalui situs resmi Bursa Efek Indonesia (www.idx.co.id).Teknik pengambilan sampel menggunakan teknik purposive sampling yaitu pengambilan sampel sesuai dengan kriteria yang telah ditetapkan seperti perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia, perusahaan yang tidak termasuk dalam sektor industri barang dan konsumsi, perusahaan yang terdaftar setelah tahun 2016, dan perusahaan yang mengalami kerugian tahun 2016-2019.
Berdasarkan variabel yang ada dalam penelitian, maka deskriptif statistik sebagai berikut :
Tabel 4.1
Deskriptif Data Penelitian
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Profitabilitas 30 .03 .87 .1728 .17640
Likuiditas 30 .61 4.66 2.2160 1.17224
Leverage 30 .19 2.91 .9879 .72006
arus_kas 30 .00 .97 .3592 .25079
umur_obligasi 30 .00 1.00 .2000 .40684
peringkat_obligasi 30 .00 16.00 2.9667 6.06564
Valid N (listwise) 30 Sumber: data diolah tahun 2021
a). Deskriptif Profitabilitas (X₁)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Profitabilitas (X₁) diperoleh nilai tertinggi sebesar .87.Nilai terendah sebesar .03.Rata-rata sebesar ,1728, serta standar deviasi sebesar .17640. Dari tabel diatas dapat dilihat bahwa nilai rata-rata atau mean lebih besar dari standar deviasi yang dinyatakan baik.
b). Deskriptif Likuiditas (X₂)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Likuiditas (X₂) diperoleh nilai tertinggi 4.66.Nilai terendah sebesar .61.Rata-rata sebesar 2.2160, serta standar deviasi sebesar 1.17224.Dari tabel diatas dapat dilihat bahwa nilai rata-rata atau mean lebih besar dari standar deviasi yang dinyatakan baik.
c). Deskriptif Leverage (X₃)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Leverage (X₃)diperoleh nilai tertinggi sebesar 2.91. Nilai terendah
sebesar .19.Rata-rata sebesar .9879, serta standar deviasi sebesar .72006. Dari tabel diatas dapat dilihat bahwa nilai rata-rata atau mean lebih kecil dari standar deviasi yang dinyatakan kurang baik.
d). Deskriptif Arus Kas (X4)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Arus Kas (X5) diperoleh nilai tertinggi sebesar .97.Nilai terendah sebesar 0.Rata-rata sebesar .3952, serta standar deviasi sebesar .25079.Dari tabel diatas dapat dilihat bahwa nilai rata-rata lebih kecil dari standar deviasi yang dinyatakan kurang baik.
e). Deskriptif Umur Obligasi (X5)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Umur Obligasi (X₄) diperoleh nilai tertinggi sebesar 1.Nilai terendah sebesar 0.Rata-rata sebesar .2000. serta standar deviasi sebesar .40684. Dari tabel diatas dapat dilihat bahwa nilai rata-rata atau mean lebih kecil dari standar deviasi yang dinyatakan kurang baik.
f). Deskriptif Peringkat Obligasi (Y)
Berdasarkan tabel 4.1 hasil uji data diketahui bahwa data Peringkat Obligasi (Y) diperoleh nilai tertinggi sebesar 16.00.Nilai terendah sebesar 0.Rata-rata sebesar 2.9667, serta standar deviasi sebesar 6.06564.Dari tabel diatas dapat dilihat bahwa nilai rata-rata lebih kecil dari standar deviasi yang dinyatakan kurang baik.
b. Hasil Asumsi Klasik
Untuk mengetahui model telah memenuhi asumsi BLUE (Best linier unbiased estimator) atau tidak, maka perlu dilakukan beberapa
pengujian yaitu uji multikolinearitas, uji heteroskedastisitas dan uji normalitas.
a) Hasil Uji Normalitas
Uji asumsi normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel dependen dan variabel independen memiliki distribusi normal atau mendekati normal. Model regresi yang baik yaitu jika memiliki data yang terdistribusi normal.
Tabel 4.2
One-sample kolmogrov-8mirnow
Berdasarkan hasil uji di atas pada table 4.2. data yang digunakan pada penelitian ini tidak berdistribusi normal karena terdapat beberapa nilai yang tinggi yang dapat mempengaruhi data tidak berdistribusi normal. Adapun data tertinggi yang dihilangkan dengan menggudata uji
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 32
Normal Parametersa,b Mean .0000000
Std. Deviation .57597589
Most Extreme Differences Absolute .170
Positive .088
Negativ -.170
Test Statistic .170
Asymp. Sig. (2-tailed) .019c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
boxplot atau data out layer. Dimana data Pengujian ini memiliki tujuan untuk mengetahui kenormalan distribusi untuk menghindar dari terjadinya bias data, data yang terdistribusi normal dapat memperkecil kemungkinan terjadinya bias. Awal pengujian data menunjukan bahwa data tidak trdistribusi normal dimana nilai signifikannya yaitu 0,019 Maka perlu dilakukan uji outlier. Outlier adalah kasus atau data yang mempunyai karakteristik unik yang terlihat sangan jauh berbeda dari observasi – observasi lainnya serta muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal maupun variabel kombinasi (Ghozali). Berikut merupakan hasil uji outlier :
Gambar 4.1 Hasil Output Boxplot
Gambar di ats mengidikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variable profitabilitas.
Data yang berada di atas kotak menunjukkan daa ekstrem tinggi, dan data yang berada di bawah kotak menunjukkan ekstrem rendah,
semakin jauh dari kotak maka semakin ekstrem data tersebut. Data output di atas dapat dilihat bahwa subjek nomor 1, 2, 24.
Gambar 4.2 Hasil Output Boxplot
Gambar di ats mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variable likuiditas. Dari output di atas dapat dilihat bahwa pada variable likuiditas tidak terdapat data yang ekstrem.
Gambar 4.3 Hasil Output Boxplot
Gambar di atas mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variable leverage. Data yang berada di atas kotak menunjukkan data ekstrem tinggi, data yang berada di bawah kotak menunjukkan data ekstrem rendah, semakin jauh dari kotak maka semakin ekstrem data tersebut. Dari output di atas dapat dilihat bahwa subjek nomor 29, 30, 32.
Gambar 4.4 Hasil Output Boxplot
Gambar di atas mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variable arus kas. Dari output di atas dapat dilihat bahwa pada variabel arus kas tidak terdapat data yang ekstrem.
Gambar 4.5 Hasil Output Boxplot
Gambar di atas mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variabel umur obligasi.
Data yang berada di atas kotak menunjukkan data ekstrem tinggi, data yang berada di bawah kotak menunjukkan data ekstrem rendah, semakin jaug dari kotak maka semakin ekstrem data tersebut. Data output di atas dapat dilihat bahwa subjek nomor 12, 20, 23, 24.
Gambar 4.6 Hasil Output Boxplot
Gambar di atas mengindikasikan data-data yang terindikasi merupakan data ekstrem atau outliers pada variabel ( y ) peringkat obligasi. Data yang di atas kotak menunjukkan data ekstrem tinggi, data yang berada di bawah kotak menunjukkan data ekstrem rendah, semakin jauh dari kotak maka semakin ekstrem data tersebut. Dari output di atas dapat dilihat bahwa subjek nomor 2, 6, 7, 12, 20, 23, 24.
Dari Hasil uji di atas terlihat terdapat angka-angka serta tanda bintang dan bulat-bulat dimana tanda bintang menunjukkan bahwa data pada nomor tersebut sudah terlalu ekstrem maka harus dihilangkan sedangkan untuk yang bulat masih terdapat toleransi.
Dari hasil uji outlier terdapat sebelas ( 11 ) angka yang bertanda bintang yang kemudian akan dihapuskan gar data dapat terdistibusi normal maka sampel awalnya 32 dikurangkan 2 sehingga menjadi 30.
Adapun pengujian normalitas diukur dengan menggunakan uji one sample Kolmogrov-smirno dan grafik normal P-P Plot of Regression Standardized Residual setelah dilakukan uji outlier.
Berikut hasil dari analisis normalitas data yang diuraikan pada tabel 4..3
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 30
Normal Parametersa,b Mean .0000000
Std. Deviation .45818991
Most Extreme Differences Absolute .145
Positive .130
Negativ -.145
Test Statistic .145
Asymp. Sig. (2-tailed) .108c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber :data diolah tahun data 2021
Berdasarkan tabel 4.3 menunjukkan nilai Test Statistic .145 (sig .108) untuk semua variabel tersebut diatas 0,05 maka dapat diambil kesimpulan bahwa variabel Profitabilitas (X₁), Liabilitas (X₂), Leverage (X₃), Arus Kas (X4), Umur Obligasi (X5), dan Peringkat Obligasi (Y) dinyatakan bahwa data dari masing-masing variabel penelitian tersebut secara statistik telah terdistribusi normal dan layak digunakan sebagai data penelitian.
b) Hasil Uji Multikolinearitas
Pengujian multikolinearitas bertujuan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu menguji modal regresi ditemukan korelasi antar variabel bebas atau independent.Sebuah model regresi bisa dikatakan multikolinearitas
apabila terjadi hubungan linear yang sempurna atau pasti diantara beberapa atau semua variabel bebas dari suatu model regresi.
Akibatnyaakan kesulitan untuk dapat melihat pengaruh variabel independen terhadap variabel dependennya. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas (tidak terjadi multikolinearitas).Tabel 4.4 dibawah ini memperlihatkan uji multikolinearitas.
Tabel 4.4
a. Dependent Variable: peringkat_obligasi Sumber : data diolah tahun 2021
Berdasarkan tabel 4.4 dapat disimpulkan bahwa nilai Tolerance semua variabel lebih besar dari 0,05 (>5%) serta nilai VIF semua variabel independen lebih kecil dari 10 (VIF<10). Maka dapat disimpulkan bahwa tidak terjadi multikolinearitas.
c) Uji Heteroskedasitas
Uji heteroskedasitas bertujuan untuk menguji apakah dalam model dalam regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lainnya, Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka terjadi homokedastisitas dan jika berbeda disebut heteroskedasitas. Model yang baik adalah tidak terjadi heteroskedasitas .
Penelitian untuk menguji ada atau tidaknya heteroskedasitas, dalam model regresi digunakan analisis dengan uji park . Tabel dibawah ini memperlihatkan uji heteroskedasitas.
Tabel 4.5 Uji Heteroskedasitas
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -.488 3.372 -.145 .909
Profitabilitas .885 1.109 .536 .798 .571
Likuiditas 5.113 3.248 1.176 1.574 .360
Laverage 2.836 4.650 .999 .610 .651
Arus Kas .970 2.529 .574 .384 .767
a. Dependent Variable: Peringkat Obligasi Sumber: data diolah tahun 2021
Berdasarkan data hasil uji park pada tabel 4.5 menunjukkan bahwa nilai signifikansi variable x1,x2,x3,dan x4 lebih besar dari nilai signifikansi alpa yaitu variabel profitabilitas 0.571, variabel Likuiditas 0.360, variabel Leverage 0.651, variabel Arus kas 0.767. dan variabel Umur obligasi tidak terbaca dikarenakan semua nilainya 0
d). Uji Autokorelasi
Menurut Singgih Santoso (2012), “tujuan uji autokorelasi adalah untuk mengetahui apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terdapat korelasi maka dikatakan terdapat problem autokorelasi. Autokorelasi pada
sebagian besar kasus ditemukan pada regresi yang datanya adalah time series, atau berdasarkan waktu berkala, seperti bulan,tahun, dan
setersunya. Karena ciri khusus pada pengujian ini adalah waktu (Santoso, 2012). Untuk mendeteksi data autokorelasi dapat menggunakan uji Durbin-Wasten (D-W). dengan ketentuan (Santoso, 2012):
1) Bila nilai D-W dibawah -2 terjadi autokorelasi.
2) Bila nilai D-W terletak diantara -2 sampai +2 maka tidak ada autokorelasi.
3) Bila nilai D-W terletak diatas +2 berarti ada autokorelasi negativ.
Tabel 4.6 Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .997a .994 .993 .50422 1.793
a. Predictors: (Constant), umur_obligasi, leverage, arus_kas, profitabilitas, likuiditas b. Dependent Variable: peringkat_obligasi
Sumber : Data diolah tahun 2021
Berdasarkan nilai diatas Durbin-Waston yang diperoleh adalah 1.793, Jadi dapat disimpulkan bahwa tidak terdapat autokorelasi karena nilai DW adalah 1,793, berada diantara -2 sampai +2.
c. Analisis Regresi Berganda
Penelitian ini menggunakan regresi linier berganda yang bertujuan untuk mengetahui faktor-faktor yang mempengaruhi prediksi peringkat obligasi perusahaan manufaktur barang dan konsumsi yang terdaftar di
bursa efek Indonesia tahun 2015-2019. Analisis regresi linear berganda dilakukan dengan memanfaatkan aplikasi SPSS (Statistical Package for Social Science) 20 for windows, sedangkan tingkat kepercayaan yang
digunakan dalam perhitungan regresi linear berganda adalah 5% atau dengan tingkat signifikansi 0,05 (a= 0,05).
Tabel 4.7
Hasil Analisis Regresi Berganda
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) -.339 .444 -.763 .453
Profitabilitas -2.185 .696 -.064 -3.138 .004
Likuiditas .151 .142 .029 1.061 .299
Leverage .493 .200 .059 2.463 .021
arus_kas -.346 .514 -.014 -.674 .507
umur_obligasi 14.933 .247 1.002 60.393 .000
a. Dependent Variable: peringkat_obligasi
Sumber : data diolah tahun 2021
Berdasarkan tabel 4.7 diatas dapat diketahui persamaan regresi linear berganda sebagai berikut:
1. Analisis Data Inferensial
Sebelum melakukan pengujian hipotesis maka terlebih dahulu dilakukan analisis regresi linear berganda. Berikut persamaan regresinya :
Y = a + b₁X₁ + b₂X₂ + b₃X₃ +b₄X₄ +b5X5+ e
Y = -0.339 - 2.285 + 0.151 + 0.493 - 0.346 + 14.933
Adapun persamaan regresi diatas dapat dijelaskan sebagai berikut :
a. Konstanta (a)
Ini berarti jika variabel Profitabilitas (X₁),Likuiditas (X₂), Leverage
(X₃),Arus Kas (X₄), dan Umur Obligasi (X5) tidak mengalami perubahan maka nilai peringkat obligasi (Y) sebesar -0.339
b. Profitabilitas (X₁)terhadap Peringkat obligasi (Y)
Jika variabel profitabilitas menurun sebesar 1% maka peringkat obligasi juga akan menurun sebesar 2.285. Dengan mengasumsikan variabel lainnya konstan.
c. Likuiditas (X₂) terhadap Peringkat Obligasi (Y)
Jika variabel likuiditas naik sebesar 1% maka peringkat obligasi juga akan naik sebesar 0.151. Dengan mengasumsikan variabel lainnya konstan.
d. Leverage (X₃)terhadap Peringkat Obligasi (Y)
Jika variable leverage menurun sebesar 1% maka peringkat obligasi juga akan menurun sebesar 0.493. Dengan mengasumsikan variabel lainnya konstan.
e. Arus Kas (X5)terhadap Peringkat Obligasi (Y)
Jika variable arus kas naik sebesar 1% maka peringkat obligasi menurun sebesar -0.346
f. Umur Obligasi (X₄) terhadap Peringkat Obligasi (Y)
Jika variabel umur obligasinaiksebesar 1% maka peringkat obligasi juga akannaik sebesar 15.162.Dengan mengasumsikan variabel lainnya konstan.
2. Uji Hipotesis a. Uji Parsial (uji t)
Uji t digunakan untuk menguji tingkat signifikansi variabel X terhadap Y secara parsial. Jika nilai signifikansi a < 0,05, maka dapat dikatakan bahwa terdapat pengaruh secara signifikan antara variabel independen dan variabel dependen. Sebaliknya jika nilai signifikansi a > 0,05 maka tidak terjadi pengaruh yang signifikan. Berikut hasil uji regresi secara parsial (uji t) yang terdapat pada tabel 4.5 yang telah dibahas pada uji analisis regresi berganda :
a) Profitabilitas (X₁) menunjukkan bahwa thitung(-3,138) < ttabel (3.182) dan tingkat signifikansi 0,004 > 0,05, maka dapatdisimpulkan bahwa variabel Profitabilitas(X₁) terhadap Peringkat Obligasi (Y) atau hipotesis pertama (H1) diterima.
b) Likuiditas (X₂) menunjukkan bahwa thitung (1.061) <ttabel(3.182) dan tingkat signifikansi 0,299 > 0,05, maka dapat disimpulkan bahwa variabel Likuiditas (X₂) terhadap Peringkat Obligasi (Y) atau hipotesis kedua (H2) ditolak.
c) Leverage (X₃) menunjukkan bahwa thitung (2,463) <ttabel (3.182) dan tingkat signifikansi 0,021 < 0,05, maka dapat disimpulkan bahwa variabel Leverage (X₃)terhadap Peringkat Obligasi (Y) atau hipotesis ketiga (H3) diterima.
d) Arus Kas (X₄) menunjukkan bahwa thitung (-0,674) < ttabel (3.182) dan tingkat signifikansi 0,507 > 0,05, maka dapat disimpulkan bahwa variabel
Arus Kas (X₄) terhadap Peringkat Obligasi (Y) atau hipotesis keempat (H4) ditolak.
e) Umur Obligasi (X5) menunjukkan bahwa thitung (60,693) > ttabel (3.182) dan tingkat signifikansi 0,000 < 0,05, maka dapat disimpulkan bahwa variabel Umur Obligasi (X5) terhadap Peringkat Obligasi (Y) atau hipotesis keempat (H5) diterima.
b. Koefisien Determinasi (R2)
Pada model linier berganda ini, akan dilihat besarnya kontribusi untuk variabel bebas secara bersama-sama terhadap variabel terikatnya dengan melihat besarnya koefisien determinasi totalnya (R2). Jika (R2) yang diperoleh mendekati 1 (satu) maka dapat dikatakan semakin kuat model tersebut menerangkan hubungan antar variabel bebas dengan variabel terikat.Sebaliknya jika (R2) makin mendekati 0 (nol) maka semakin lemah.
Tabel dibawah ini memperlihatkan koefisien determinasi :
Tabel 4.8
Koefisien Determinasi (R2)
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .997a .994 .993 .50422 1.793
a. Predictors: (Constant), umur_obligasi, leverage, arus_kas, profitabilitas, likuiditas b. Dependent Variable: peringkat_obligasi
Sumber : data diolah tahun 2021
Berdasarkan tabel diatas dapat dilihat bahwa koefisien determinasi sebesar 0,993 yang berarti bahwa 99,3% dipengaruhi oleh profitabilitas,
likuiditas, leverage, arus kas dan umur obligasi, sedangkan selebihnya dipengaruhi faktor lain. Dalam penelitian ini koefisien determinasi (R2) yang digunakan adalah Adjusted R Square, karena penelitian menggunakan ini lebih dari dua variabel.
C. Pembahasan
Setelah melakukan analisa data, maka langkah selanjutnya yaitu membahas hasil data yang telah diperoleh tentang pengaruh variabel independen terhadap variabel dependen sebagai berikut :
1. Hasil temuan hipotesis pertama atau H1 (Profitabilitas berpengaruh negatif dan signifikan terhadap Peringkat Obligasi)
Berdasarkan hasil pengujian hipotesis pertama menyatakan bahwa Profitabilitas (X₁) berpengaruh negatif signifikan terhadap peringkat obligasi (Y). Hal ini dibuktikan dengan nilai koefisien regresi sebesar (-3.138) dengan nilai signifikansi sebesar 0,004 < 0,05. Hal ini menunjukkan bahwa besar kecilnya profitabilitas yang diperoleh akan mempengaruhi peringkat obligasi yang diterbitkan oleh perusahaan (pefindo). Dimana profitabilitas suatu perusahaan diukur dengan kesuksesaan perusahaan dan kemampuan aktivanya secara produktif, dengan demikian profitabilitas suatu perusahaan dapat diketahui dengan membandingkan antara laba diperoleh dalam suatu periode dengan jumlah aktiva . dengan hal tersebut dapat menunjukkan hubungan yang searah, pengaruh ini menandakan bahwa semakin tinggi profitabilitas perusahaan maka semakin tinggi kemampuan perusahaan dalam menghasilkan laba. Pernyataan ini sesuai dengan teori signal yang menekankan pada informasi untuk menggambarkan mengenai kinerja perusahaan. perusahaan yang profitabilitasnya tinggi memberikan sinyal
positif bagi pemeringkatan obligasi. Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Nurakhiroh (2015) yang menyatakan bahwa profitabilitas berpengaruh signifikan terhadap peringkat obligasi, namun penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh Ika Prasetianti,S.E . 2016 yang menyatakan bahwa profitabilitas tidak berpengaruh terhadap peringkat obligsai.
2. Hasil temuan hipotesis kedua atau H2 (Likuiditas tidak berpengaruh signifikan terhadap Peringkat Obligasi)
Berdasarkan hasil pengujian hipotesis kedua menyatakan bahwa Likuiditas (X2) tidak berpengaruh signifikan terhadap peringkat obligasi (Y).
Hal ini dibuktikan dengan hasil nilai signifikansi sebesar 0,299 > 0,05. Hal ini disebebkan karena perusahaan terlalu banyak menyimpan asset lancarnya.
Meskipun nilai CR diperusahaan itu tinggi, belum tentu menjamin akan dapat dibayarnya hutang perusahaan yang jatuh tempo karena proporsi dari aktiva lancar yang tidak mengguntungkan. Current ratio yang terlalu tinggi kemungkinan menunjukkan kelebihan uang kas atau aktiva lancar lainnya dibandingkan dengan yang dibutuhkan sekarang atau tingkat likuiditas yang rendah daripada aktiva lancar atau sebaliknya. Asset lancar kurang menghasilkan retrun yang tinggi dibandingkan asset tetap. Asset lancar pada perusahaan manufaktur ( sector barang dankonsumsi ) salah satunya berasal dari persediaan. Pada akhir periode pada perusahaan manufaktur biasanya terdapat produk yang belum selesai dikerjakan. Produk yang belum selesai ini dinamakan persediaan barang dalam proses. Persediaan inilah yang membuat aktiva lancar menjadi lebih besar daripada hutang lancar.
Persediaan merupakan asset yang paling tidak likuid. Hal ini berkaitan