BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.2.2. Uji Asumsi Klasik
1. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Prasyarat yang harus terpenuhi dalam model
One-Sample Kolmogorov-Smirnov Test
63 63 63 63 63 .9347 .1475 2.5244 19.8933 17.3460 .42968 .12006 3.34877 9.81175 1.45836 .116 .098 .314 .087 .146 .082 .097 .314 .087 .146 -.116 -.098 -.239 -.050 -.093 .924 .782 2.492 .693 1.160 .360 .574 .095 .723 .135 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Beta SahamAsset Grwth DER NPm Firm Size
Test distribution is Normal. a.
Calculated from data. b.
regresi adalah tidak adanya gejala heteroskedastisitas. Pengujian heteroskedastisitas dilakukan berdasarkan scatterplots dari hasil pengolahan data SPSS 17. Adapun hasil dari pengujian heteroskedastisitas adalah sebagai berikut :
Gambar 4.2. Hasil Uji Heteroskedastisitas
Sumber : Output SPSS Dilihat dari grafik tersebut, terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
Pada regresi linier, nilai residual tidak boleh ada hubungan dengan variabel (X). Hal ini bisa diidentifikasi dengan menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas dimana nilai probabilitas yang diperoleh harus lebih besar dari 0,05. Hal ini bisa diidentifikasikan dengan cara menghitung korelasi Rank Spearman antara residual dengan seluruh variabel independen atau yang menjelaskan dimana nilai signifikansi yang
diperoleh harus lebih besar dari 0,05. Hasil pengujian heteroskedastisitas pada penelitian ini dapat dilihat pada tabel berikut ini :
Tabel 4.7. Hasil Pengujian Heteroskedastisitas
Sumber : Output SPSS, diolah
Berdasarkan tabel diatas dapat diketahui bahwa. tingkat signifikan koefisien Rank Spearman untuk semua variabel bebas terhadap residual adalah lebih besar dari 0,05 yang berarti pada model regresi ini tidak terjadi heteroskedastisitas.
2. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui adanya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Cara yang dapat digunakan untuk mengetahui
Correlations .262* .136 .038 .288 63 63 .079 .269** .537 .059 63 63 1.000 .251* . .058 63 63 .251* 1.000 .048 . 63 63 Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N Asset Grwth DER NPm Firm Size Spearman's rho NPm Firm Size
Correlation is significant at the 0.05 level (2-tailed). *.
Correlation is significant at the 0.01 level (2-tailed). **.
adanya multikolinearitas adalah dengan cara menggunakan uji VIF
(Variance Inflation Factor). Tidak adanya multikolinearitas dapat diketahui jika nilai VIF ≤ 10 dan nilai Tolerance ≥ 0,10. Dari hasil pengujian terhadap gejala mulitikolinieritas diperoleh hasil sebagai berikut :
Tabel 4.8. Hasil Uji Multikolinieritas
No Variabel bebas Tolerance VIF 1 Asset Growth 0.935 1.069 2 Debt Equity to Ratio 0.283 3,530 3 Net Profit Margin 0.870 1.149
4 Firm Size 0.287 3.483
Sumber : Output SPSS, diolah
Dapat dilihat dari tabel tersebut, masing-masing variabel memiliki nilai Tolerance lebih dari 0,10 dan nilai VIF tidak lebih dari 10 yang berarti tidak ada korelasi antar variabel independent maka model regresi dapat dikatakan terbebas dari masalah multikolinearitas (Ghozali, 2001:57).
3. Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai “korelasi antara data observasi yang diurutkan berdasarkan urut waktu (data time series) atau data yang diambil pada waktu tertentu (data cross sectional)” (Gujarati, 1999:201). Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang
terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi.
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi berganda ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada penyakit autokorelasi (Ghazali, 2005).
Tabel 4.9. Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .233a .054 -.011 .43206 2.362
a. Predictors: (Constant), Firm Size, Net Profit Margin, Asset Growth, Debt Equity to Ratio
b. Dependent Variable: Beta Saham
Sumber : Output SPSS, diolah
Petunjuk dasar pengambilan keputusan pada kurva ada tidaknya autokorelasi dengan melihat besarnya Durbin Watson yaitu, angka DW dibawah -4 terdapat autokorelasi positif, angka DW -4 sampai +4 tidak terdapat autokorelasi, dan angka DW diatas 4 terdapat autokorelasi negative.
Setelah dilakukan pengujian uji autokorelasi, diperoleh nilai Durbin Watson sebesar 2.362. Berdasarkan kriteria yang telah ditentukan bahwa nilai Durbin Watson (DW-test) berada diantara -4
dan 4 yaitu -4 < 2.362< 4 maka dapat disimpulkan bahwa penelitian ini tidak terindikasi masalah autokorelasi.
4.2.3 Pengujian Hipotesis
1. Analisis Regr esi Linier Berganda
Dalam penelitian ini regresi linier berganda digunakan untuk mengetahui kelinieran pengaruh secara bersamaan antara variabel pembiayaan terhadap profitabilitas. Adapun rumus regresi linier berganda adalah sebagai berikut :
Y = β0 + β1X1 + β2X2 + β3X3+ β4X4 + e
Tabel 4.10. Hasil Regr esi Linear Berganda
Sumber : Output SPSS, diolah
Hasil analisis regresi menunjukkan bahwa besarnya nilai konstanta yang dihasilkan adalah 0.210, koefisien regresi asset growth adalah 0.158, koefisien regresi untuk DER adalah 0.003, koefisien NPM
Model Unstandardized
Coefficients
B Std. Error 1 (Constant) 0.210 1.149 Asset Growth 0.158 0.473 Debt Equity to Ratio 0.008 0.031 Net Profit Margin -0.007 .006
adalah -0.007 serta koefisien Firm Size adalah 0.048. Adapun persamaan regresinya adalah sebagai berikut:
Y = 0.210+ 0.158X1 + 0.008X2 -0.007X3 + 0.048X4
Adapun yang dimaksud (interprestasi) dari persamaan regresi yang dihasilkan adalah:
βo = nilai konstanta sebesar 0,210 menunjukkan bahwa apabila faktor ASSET GROWTH (X1), DER (X2), NPM (X3), dan FIRM SIZE
(X4), konstan maka Beta Saham naik sebesar 0,210 satu satuan.
β1 = 0,158 menunjukkan bahwa faktor ASSET GROWTH (X1)
berpengaruh positif, dapat di artikan apabila setiap ada kenaikan ASSET GROWTH satu satuan maka Beta Saham akan mengalami peningkatan sebesar 0,158 dengan asumsi X2, X3,
dan X4, Konstan.
β2 = 0,008 menunjukkan bahwa faktor DER (X2) berpengaruh positif,
dapat diartikan apabila setiap ada kenaikan DER satu satuan maka Beta Saham akan mengalami peningkatan sebesar 0,008 dengan asumsi X1, X3, dan X4 Konstan.
β3 = - 0,007 menunjukkan bahwa faktor NPM (X3) berpengaruh negatif,
dapat diartikan apabila setiap ada kenaikan NPMsatu satuan maka Beta Saham akan mengalami penurunan sebesar 0,007 dengan asumsi X1, X2, dan X4 Konstan.
Β4 = 0,048 menunjukkan bahwa faktor FIRM SIZE (X3) berpengaruh
satu satuan maka Beta Saham akan mengalami peningkatan sebesar 0,048 dengan asumsi X1, X2, dan X3 Konstan
2. Uji Koefisien Deter minasi (R2)
Koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Koefisien determinasi digunakan untuk menguji goodness-fit dari model regresi. Nilai koefisien determinasi R2 adalah diantara nol dan satu (0 ≤ R 2 ≥ 1). Nilai yang mendekati 1 berarti variabel-variabel independen hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Dari hasil uji yang telah dilakukan, diperoleh besarnya nilai adjusted R2 sebesar 0,054 yang berarti bahwa variabel dependen yang dapat dijelaskan oleh variabel independent sebesar 5,4%. sedangkan sisanya 94,6% dijelaskan oleh variabel lainnya yang tidak dimasukkan dalam model regresi.
Tabel 4.11. Model Uji Koefeisien Determinasi (R2)
Sumber : Output SPSS Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .233a .054 -.011 .43206 2.362
a. Predictors: (Constant), Firm Size, Net Profit Margin, Asset Growth, Debt Equity to Ratio
3. Uji Signifikansi Simultan (Uji Statistik F)
Uji F digunakan untuk menunjukkan apakah semua variabel bebas atau independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat atau dependen.
Hasil yang diperoleh dari Uji F yang dilakukan dengan menggunakan SPSS 17 dapat dilihat dari tabel ANOVA. Hasil F Test menunjukkan variabel independent secara bersama-sama berpengaruh terhadap variabel dependen jika p-value (pada kolom signifikan) lebih kecil dari level of significant yaitu 0,05.
Tabel 4.12. Hasil Uji F
Sumber: Output SPSS. Diolah
Berdasarkan tabel diatas nilai p-value sebesar 0,830 dengan signifikansi 0,512 (lebih besar p-value sebesar 0,05), ini berarti asset growth, debt equity to ratio, net profit margin dan firm size secara bersama-sama mampu menjelaskan perubahan variabel Y (Beta Saham) namun tidak signifikan.
ANOVAb .620 4 .155 .830 .512a 10.827 58 .187 11.447 62 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Firm Size, Asset Grwth, NPm, DER a.
Dependent Variable: Beta Saham b.
4. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji t digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel terikat atau independen secara individual dalam menerangkan variasi variabel dependen. Hasil uji t yang dilakukan dalam SPSS 17 dapat dilihat dari tabel Coefficients, hubungan dari masing-masing variabel independent terhadap variabel dependent dapat dilihat dari nilai p-value yang memenuhi standart adalah lebih kecil dari 0,05. Hasil uji t disajikan dalam tabel berikut ini.
Tabel 4.13. Hasil Uji t
Sumber : Output SPSS, diolah
a) Asset growth
Dari tabel uji t yang telah dilakukan pada variabel asset growth, diketahui bahwa nilai p-value > α (0,739 > 0,05) artinya 0,739 lebih besar daripada 0,05 yang berarti tidak signifikan. Dengan demikian
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .210 1.149 .183 .856 Asset Growth .158 .473 .044 .334 .739 Debt Equity to Ratio .008 .031 .063 .262 .794
Net Profit Margin -.007 .006 -.165 -1.204 .233
Firm Size .048 .070 .161 .677 .501
dapat disimpulkan bahwa variabel asset growth tidak mempunyai pengaruh terhadap beta saham. Ini berarti HA atau H1 ditolak. b) Debt to equity ratio
Dari tabel uji t yang telah dilakukan pada variabel kredit bermasalah, diketahui bahwa nilai p-value > α (0,794 > 0,05) artinya 0,794 lebih besar daripada 0,05 yang berarti tidak signifikan. Dengan demikian dapat disimpulkan bahwa variabel debt to equity ratio tidak mempunyai pengaruh terhadap variabel beta saham. Ini berarti HA atau H2 ditolak.
c) Net profit margin
Dari tabel uji t yang telah dilakukan pada variabel kredit bermasalah, diketahui bahwa nilai p-value > α (0,233 > 0,05) artinya 0,233 lebih besar daripada 0.05 yang berarti tidak signifikan. Dengan demikian dapat disimpulkan bahwa variabel net profit margin tidak mempunyai pengaruh terhadap beta saham. Ini berarti Ho diterima atau H3 diterima.
d) Firm size
Dari tabel uji t yang telah dilakukan pada variabel kredit bermasalah, diketahui bahwa nilai p-value > α (0,501 > 0,05) artinya 0,501 lebih besar daripada 0.05 yang berarti tidak signifikan. Dengan demikian dapat disimpulkan bahwa variabel firm size tidak mempunyai pengaruh terhadap variabel beta saham. Ini berarti Ho atau H4 diterima.
4.3. Pembahasan
Dari hasil pengujian data dapat disimpulkan bahwa data menyebar secara normal pada P-P Plot yang menggambarkan kenormalan data. Maka model regresi memenuhi asumsi normalitas. Hasil estimasi dan pengujian asumsi klasik yang telah dilakukan ternyata hasil estimasi beta saham tidak terdapat multikolinearitas, heteroskedastisitas, dan autokorelasi.
Analisis determinasi besarnya nilai R square atau R2 sebesar 0,054 yang berarti bahwa variabel asset growth (X1), debt to equity ratio (X2), net
profit margin (X3) dan firm size (X4) mampu menjelaskan perubahan yang
terjadi pada variabel beta saham (Y) sebesar 5,4%.
Berdasarkan hasil uji simultan F nilai p-value sebesar 0,830, dapat disimpulkan bahwa nilai p-value lebih besar daripada nilai level of significant yang telah ditentukan yaitu 0,05. Ini berarti asset growth, debt equity to ratio, net profit margin, dan firm size tidak berpengaruh terhadap beta saham secara simultan. Ini berarti Ho diterima.
Dari hasil pengujian yang dilakukan terhadap pengaruh asset growth,
debt to equity ratio, net profit margin, dan firm size terhadap beta saham diperoleh hasil bahwa nilai koefisien korelasi berganda (R) sebesar 0,233 atau sebesar 23,3% menunjukkan korelasi yang kurang kuat antara variabel asset growth (X1), debt to equity ratio (X2), net profit margin (X3) dan firm size