BAB IV METODE PENELITIAN
4.5 Teknik Analisis Data
4.5.3 Uji Signifikansi Model
4.5.3.1 Uji Chow
Uji ini digunakan untuk pemilihan manakah model terbaik yang digunakan antara Fixed Effect Model (FEM) atau Common Effect Model (CEM).
Adapun ketentuan pemilihan model adalah Jika nilai probability lebih kecil dari taraf signifikansi 5% (<0,05) maka model yang digunakan adalah Fixed Effect Model (FEM). Adapun jika nilai probability lebih besar dari > 0,05 maka model yang digunakan adalah Common Effect Model (CEM).
Hipotesis yang diuji adalah sebagai berikut:
H0 :Model CEM lebih baik dibandingkan model FEM.
H1 : Model FEM lebih baik dibandingkan model CEM.
4.5.3.2. Hausman test
Hausman test atau Uji Hausman dilakukan untuk pengujian statistik memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan. Ide dasar Hausman test adalah hubungan yang berbanding terbalik
antara model yang bias dan model yang efisien. Adapun pengujian Hausman Test dilakukan dengan hipotesis sebagai berikut:
H0 :Model REM lebih baik dibandingkan model FEM.
H1 : Model FEM lebih baik dibandingkan model REM.
Jika hasil perhitungan Hausman Test signifikansi lebih < dari 0,05 maka H0 ditolak H1 diterima. Artinya, Fixed Effect Model (FEM) yang digunakan.
Begitu sebaliknya jika test signifikansi lebih dari > 0,05 maka H1 ditolak H0 diterima. Artinya, Random Effect Model (REM) yang digunakan.
4.5.3.3. Uji Lagrange Multiplier
Uji Lagrange Multiplier ini digunakan untuk menentukan manakah uji estimasi terbaik antara Common Effect Model (CEM) atau Random Effect Model (REM). Pengujian ini dilakukan apabila hasil uji chow menunjukkan bahwa model yang lebih tepat untuk digunakan adalah Common Effect Model (CEM) dan pada uji hausman menunjukkan bahwa model yang lebih tepat untuk digunakan adalah Random Effect Model (REM). Adapun hipotesis sebagai berikut :
H0 : Probability both breusch pagan >0,05, maka common effect valid digunakan.
H1 : Probability both breusch pagan < 0,05, maka random effect valid digunakan.
4.5.4. Uji Asumsi Klasik
Adapun Sebelum melakukan pengujian hipotesis, data yang telah dikumpulkan harus dilakukan pengujian yang wajib dipenuhi dalam uji asumsi klasik. Uji asumsi klasik yang wajib dipenuhi yaitu sebagai berikut:
4.5.4.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki nilai yang berdistribusi normal.
Pengujian normalitas dilakukan untuk menguji apakah error dalam data penelitian terdistribusi secara normal atau tidak. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal (Ghozali, 2013). Adapun untuk melihat adanya normalitas dalam penelitian yang menggunakan software STATA maka dapat dilakukan dengan Skewness/Kurtosis test, dengan kriteria jika nilai Prob Chi2< dari 0,05 maka terjadi gejala normalitas dan jika Chi2> dari 0,05 maka data berdistribusi normal.
4.5.4.2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah ada hubungan yang kuat atau sempurna antar variabel bebas. Untuk dapat memperoleh hasil yang tidak bias, tidak boleh terdapat hubungan linier antar variabel bebas (Ghozali, 2013). Model penelitian dianggap baik jika memiliki multikolinearitas yang rendah, sebab jika multikolinearitas tinggi maka model tidak bisa memisahkan efek parsial dari satu variabel bebas terhadap variabel bebas lainnya, hal ini yang menyebabkan kesimpulan yang salah sehubungan dengan manakah variabel bebas yang mempunyai pengaruh yang nyata dan yang tidak nyata.
Adapun untuk melihat adanya multikolinearitas dalam penelitian yang menggunakan alat bantu statistik software STATA dapat dilihat melalui pengujian Pairwise Pearson Correlation Matrix dan VIF (Variance Inflatian Factor). Dalam
pengujian Pairwise Pearson Correlation Matrix, suatu variabel di dalam model dapat dikatakan mengandung multikolinearitas bila angka korelasi atau hasil dari VIP menunjukkan angka yang lebih besar dari 10.
4.5.4.3. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah ada gejala heteroskedastisitas didalam model penelitian ini. Jika terdapat gejala heteroskedastisitas maka hal tersebut menunjukkan bahwa adanya ketidak seragaman didalam variasi model dan menyebabkan error menjadi tidak konsisten. Model penelitian yang baik adalah model penelitian yang variasinya seragam sehingga memiliki error konsisten.
Pengujian heteroskedastisitas dapat dilakukan dengan BrueschPagan/Cook-Weisberg test dalam software STATA. Pada pengujian BrueschPagan/CookWeisberg dapat disimpulkan ada tidaknya permasalahan heteroskedastisitas dengan melihat Prob. Chi2. Jika Prob Chi2 < α atau 0,05 maka dapat disimpulkan terjadi masalah heteroskedastisitas.
4.5.5. Uji Hipotesis
4.5.5.1. Analisis Regresi Berganda Dengan Data Panel
Pengujian hipotesis pertama dalam penelitian ini menggunakan analisis regresi data panel yaitu bertujuan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Adapun untuk melihat pengaruh simultan digunakan uji f, untuk uji parsial digunakan uji t dan untuk melihat besar variabel-variabel independen dalam menjelaskan variasi variabel-variabel dependen menggunakan
uji koefisien determinasi. Berdasarkan hipotesis yang diajukan, adapun persamaan regresi yang digunakan dalam penelitian ini dapat dirumuskan sebagai berikut:
Model I:
Keterangan:
Y = Nilai Perusahaan A = Konstanta
b1-b4 = Koefisien Regresi X1 = Ukuran Perusahaan X2 = Leverage
X3 = Profitabilitas X4 = Likuiditas e = Nilai error
4.5.5.2. Penilaian Goodness Of Fit Model
Goodness Of Fit Model dilakukan untuk mengetahui apakah model yang diperoleh telah tepat dalam menggambarkan hubungan antar variabel yang sedang diteliti sehingga dapat dikategorikan model yang baik.
4.5.5.2.1. Uji Koefisien Determinasi (R2)
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel-variabel dependen amat terbatas.
Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi-variabel dependen (Ghozali, 2013).
4.5.5.2.2. Uji Statistik F
Uji F digunakan untuk melihat pengaruh variabel independen (Ukuran Perusahaan, Leverage, Profitabilitas dan likuiditas) terhadap variabel dependen (Nilai Perusahaan) secara bersamasama (simultan). Jika F hitung ≥ F tabel atau Prob> lebih kecil dengan tingkat signifikan 5% (0,05), maka dapat disimpulkan bahwa secara bersama-sama variabel independen berpengaruh signifikan terhadap variabel dependen. Sebaliknya F hitung ≤ F tabel atau Prob> lebih besar dengan tingkat signifikan 5% (0,05), maka dapat disimpulkan bahwa secara bersama-sama variabel independen tidak berpengaruh signifikan terhadap variabel dependen (Ghozali, 2013).
4.5.5.2.3. Uji Statistik t
Uji t digunakan untuk melihat seberapa jauh pengaruh satu variabel independen secara individual (ukuran Perusahaan, leverage, profitabilitas dan likuiditas) dalam menerangkan variabel dependen (nilai perusahaan). Penerimaan atau penolakan hipotesis dalam suatu penelitian dapat dilakukan dengan kriteria sebagai berikut :
1. Jika nilai prob. t statistik > dari taraf signifikan 5% (>0,05) atau nilai t hitung < t tabel maka hal ini berarti bahwa suatu variabel independen secara individual atau parsial tidak memilki pengaruh terhadap variabel dependen.
2. Jika nilai prob. t statistik < dari taraf signifikan 5% (< 0,05) atau t hitung > t tabel maka hal ini berarti bahwa suatu variabel independen secara individual atau parsial memiliki pengaruh signifikan terhadap variabel dependen.
4.5.5.3. Uji Variabel Moderasi Interaksi
Uji moderasi interaksi bertujuan untuk menguji apakah variabel moderasi (kebijakan dividen) mampu memoderasi variabel-variabel independen (ukuran perusahaan, leverage, profitabilitas dan likuiditas) terhadap variabel dependen (nilai perusahaan). Adapun dalam penelitian ini dikatakan variabel moderasi (kebijakan dividen) mampu moderasi dan memperkuat atau memperlemah variabel independen terhadap variabel dependen, apabila nilai probabilitas dalam penelitian ini < dari taraf signifikan 0,05 dan disesuaikan dengan hipotesis yang ada dalam penelitian ini, maka hal tersebut dikatakan bahwa kebijakan dividen mampu memoderasi dengan memperkuat atau memperlemah. Penelitian ini menggunakan analisis regresi variabel moderasi dengan model interaksi (Moderated Regression Analysis). Persamaan regresi linear berganda untuk hipotesis kedua adalah sebagai berikut:
Keterangan:
Y = Nilai Perusahaan A = Konstanta
b1-b8 = Koefisien Regresi X1 = Ukuran Perusahaan X2 = Leverage
X3 = Profitabilitas X4 = Likuiditas
Z = Kebijakan Dividen e = Nilai error
BAB V
HASIL PENELITIAN DAN PEMBAHASAN
5.1. Analisis Statistik Deskriptif Data
Analisa bagian ini akan digambarkan atau dideskripsikan dari masing-masing variabel yang diolah menggunakan software STATA, adapun hasil pengolahan data dalam bentuk deskriptif statistik akan menampilkan karakteristik sampel yang digunakan didalam penelitian ini antara lain meliputi: nilai rata-rata (mean), nilai minimum, nilai maksimum dan standar deviasi untuk masing-masing variabel. Deskripsi dalam penelitian ini meliputi enam (6) variabel, yakni ukuran perusahaan (X1), leverage (X2), profitabilitas (X3), likuiditas (X4), kebijakan dividen (Z) dan nilai perusahaan (Y). Hasil statistik deskriptif dari data penelitian ini dapat dilihat pada tabel 5.1 berikut ini :
Tabel 5.1 Statistik Deskriptif Data
Variabel Mean Std.
Deviasi Minimum Maximum
Ukuran Perusahaan 21.458.990.514.393 23.072.450.300.798 1.386.739.149.721 91.831.526.000.000
Leverage 0.29562 0.3326067 0.001909 1.411908
Profitabilitas 0.1645568 0.1197162 0.026125 0.421351
Likuiditas 2.339523 1.176175 0.242548 6.5677409
Nilai Perusahaan 4.964682 5.201884 0.63639 23.28575
Kebijakan Dividen 0.4519886 0.2144206 0.14392 1.0409
Sumber: Lampiran 5 hasil output software STATA, 2020
Statistik deskriptif, sesuai dengan namanya teknik analisis ini bermaksud untuk mendeskripsikan data yang telah terkumpul tanpa melakukan generalisasi.
Analisis deskriptif digunakan untuk menghasilkan gambaran dari data yang telah terkumpul. Analisis deskriptif yang digunakan dalam penelitian ini adalah nilai
rata-rata (mean), maksimum, minimum, dan standar deviasi. Berdasarkan tabel 5.1. statistik deskriptif yang dilakukan dengan menggunakan software STATA, dapat diketahui bahwa :
1. Ukuran perusahaan memiliki nilai minimum sebesar 1.386.739.149.721 yang terdapat pada kode emiten KAEF atau PT Kimia Farma Tbk pada tahun 2007 hal ini dikarenakan PT Kimia Farma Tbk tahun 2007 yang memiliki total aset yang masih dalam kategori usaha berkembang. Nilai maksimum ukuran perusahaan sebesar 91.831.526.000.000 yang terdapat pada kode emiten INDF atau PT Indofood Tbk pada tahun 2015 hal ini dikarenakan aset yang dimiliki oleh PT Indofood tahun 2015 berkembang pesat.
Standar deviasi untuk ukuran perusahaan adalah sebesar 23.072.450.300.798 dan rata-rata (mean) ukuran perusahaan adalah sebesar 21.458.990.514.393 Sehingga dapat disimpulkan bahwa rata-rata ukuran perusahaan perusahaan Industri Barang Konsumsi yang terdaftar di Bursa Efek Indonesia periode 2007-2018 tergolong dalam kategori perusahaan besar (Rp. 21.458.990.514.393 > Rp. 10.000.000.000).
2. Variabel leverage diketahui bahwa nilai minimum adalah sebesar 0.001909 yang terdapat pada kode emiten HMSP atau PT Hanjaya Mandala Sampoerna Tbk. pada tahun 2015 hal ini berarti leverage HMSP pada tahun 2015 dikatakan bagus karena memiliki jumlah hutang sebesar 0,2% lebih kecil dari pada modal yang dimiliki. Nilai maksimum leverage adalah sebesar 1.411908 yang terdapat pada kode emiten INDF atau PT Indofood Tbk pada tahun 2008 hal ini berarti emiten INDF memiliki jumlah hutang
141,2% lebih banyak dari modal yang dimiliki. Standar deviasi adalah sebesar 0,3326067 dan nilai (mean) variabel leverage adalah sebesar 0.29562 maka dapat disimpulkan bahwa perusahaan Sektor Industri Barang Konsumsi yang terdaftar di Bursa Efek Indonesia secara umum sudah memiliki rasio leverage yang cukup baik (29,6%).
3. Profitabilitas memiliki nilai maksimum sebesar 0.421351 yang terdapat pada kode emiten UNVR atau PT Unilever Indonesia Tbk pada tahun 2013.
Nilai minimum profitabilitas yaitu sebesar 0.026125 yang terdapat pada kode emiten INDF atau PT Indofood Tbk pada tahun 2008. Adapun standar deviasi profitabilitas sebesar 0.1197162. Selain itu, nilai mean profitabilitas diketahui adalah sebesar 0.1645568. Sehingga dengan nilai tersebut dapat diketahui bahwa secara umum, kemampuan perusahaan-perusahaan Sektor Industri Barang Konsumsi yang terdaftar di BEI dalam menghasilkan laba termasuk cukup baik yaitu sebesar 16.4%.
4. Likuiditas memiliki nilai maksimum sebesar 6.5677409 yang terdapat pada kode emiten HMSP atau PT Hanjaya Mandala Sampoerna Tbk pada tahun 2015. Dan nilai minimum likuiditas sebesar 0.242548 yang terdapat pada kode emiten KAEF atau PT Kimia Farma Tbk pada tahun 2010.
Adapun standar deviasi untuk likuiditas sebesar 1.176175. Diketahui juga bahwa nilai mean likuiditas adalah sebesar 2.339523. Sehingga dapat disimpulkan bahwa tingkat likuiditas pada perusahaan-perusahaan Sektor Industri Barang Konsumsi yang terdaftar di Bursa Efek Indonesia termasuk dalam kategori yang baik.
5. Nilai perusahaan memiliki nilai maksimum sebesar 23.28575 yang terdapat pada kode emiten UNVR atau PT Unilever indonesia Tbk pada tahun 2017 sedangkan nilai minimum untuk nilai perusahaan yaitu sebesar 0.63639 yang terdapat pada kode emiten KAEF atau PT Kimia Farma Tbk pada tahun 2008. Adapun standar deviasi nilai perusahaan yaitu sebesar 5.201884. mean sebesar 4.964682. Dengan nilai tersebut maka dapat disimpulkan bahwa nilai perusahaan pada Sektor Industri Barang Konsumsi yang terdaftar di Bursa Efek Indonesia termasuk dalam kategori tinggi.
6. Variabel kebijakan dividen sebagai variabel pemoderasi memiliki nilai maksimum sebesar 1.0409 yang terdapat pada kode emiten HMSP atau PT Hanjaya Mandala Sampoerna Tbk pada tahun 2010. Nilai minimum kebijakan dividen sebesar 0.14392 yang terdapat pada kode emiten KLBF atau PT Kalbe Farma Tbk pada tahun 2007. Adapun standar deviasi untuk kebijakan dividen sebesar 0.2144206. Diketahui bahwa kebijakan dividen memiliki nilai mean sebesar 0.4519886 sehingga dapat disimpulkan bahwa kebijakan dividen pada perusahaan sektor industri barang konsumsi yang terdaftar di BEI termasuk dalam kategori yang baik.
5.2. Pemilihan Model Estimasi
Terdapat tiga metode yang dapat digunakan untuk data panel dalam penelitian yaitu model regresi Common Effect (CE), Fixed Effect (FE) dan Random Effect (RE). Untuk menentukan model estimasi yang terbaik dalam penelitian ini maka dilakukan Uji Chow, Uji Hausman dan Uji Lagrange Multiplier.
5.2.1. Uji Chow
Untuk menentukan model fixed effect atau common effect yang paling tepat digunakan dalam mengestimasi data panel, maka dilakukan Uji Chow. Uji ini bertujuan untuk menentukan manakah model yang paling baik di antara keduanya yaitu fixed effect (FE) atau common effect (CE). Hipotesis yang digunakan dalam uji Chow adalah sebagai berikut:
1. H0: maka model estimasi yang terbaik digunakan adalah common effect.
2. H1: maka model estimasi yang terbaik digunakan adalah fixed effect
Ketentuannya, apabila nilai probabilitas ≥ 0,05 maka H0 diterima, artinya model common effect yang akan digunakan, tetapi jika nilai probabilitas < 0,05 maka H1 diterima, berarti menggunakan pendekatan fixed effect. Berikut hasil pengujian untuk memilih apakah estimasi yang terbaik adalah fixed effect (FE) atau common effect (CE) dengan uji Chow yang disajikan pada tabel 5.2 sebagai berikut :
Tabel 5.2 Hasil Uji Chow
Effect Test Prob.
F (7,76) 12.34
Prob. > F 0.0000
Sumber: Lampiran 9 hasil output software STATA, 2020
Berdasarkan tabel 5.2 hasil Uji Chow diketahui nilai probability tabel sebesar 0.0000 yang lebih kecil dari < 0,05. Berdasarkan hasil tersebut maka H1 diterima. Maka Uji Chow menyatakan bahwa model estimasi yang lebih baik adalah fixed effect (FE) daripada common effect (CE).
5.2.2. Uji Hausman
Setelah melakukan Uji Chow dan menentukan estimasi yang terbaik adalah Fixed Effect (FE) daripada Common Effect (RE)., maka langkah selanjutnya yaitu melakukan uji Hausman untuk menguji kembali model yang lebih baik antara fixed effect atau random effect. Hipotesis yang digunakan dalam Uji Hausman adalah sebagai berikut :
1. H0: model estimasi yang terbaik untuk digunakan adalah random effect 2. H1: model estimasi yang terbaik untuk digunakan adalah fixed effect.
Ketentuannya, apabila nilai probabilitas ≥ 0,05 maka H0 diterima, artinya model random effect yang akan digunakan. Tetapi jika nilai probabilitas < 0,05, maka H1 diterima, berarti menggunakan pendekatan fixed effect. Berikut hasil pengujian untuk memilih apakah model estimasi yang terbaik adalah random effect atau fixed effect dengan uji Hausman yang disajikan pada tabel sebagai berikut :
Tabel 5.3 Hasil Uji Hausman
Effect Test Prob.
Chi-square (4) 50.34
Prob>Chi2 0.0000
Sumber: Lampiran 10 hasil output software STATA, 2020
Berdasarkan Tabel 5.3 hasil Uji Hausman diketahui bahwa nilai Prob.
Chi2 lebih kecil dari 0.05 yaitu 0.0000 (0.000<0.05). Maka H1 diterima yang berarti model terbaik yang harus digunakan adalah fixed effect daripada random effect. Berdasarkan hasil Uji Chow dapat diketahui bahwa model yang lebih baik adalah fixed effect daripada common effect. Adapun dari hasil Uji Hausman
menunjukkan bahwa fixed effect juga lebih baik daripada random effect. Maka tidak perlu dilakukan uji lanjutan yaitu Uji Lagrange Multiplier karena fixed effect terbukti lebih baik daripada random effect maupun common effect.
5.3. Uji Asumsi Klasik
Dilakukannya pengujian asumsi klasik untuk memperoleh hasil regresi Best Linier Unbiaxed Estimator atau biasa yang disebut dengan BLUE. Model yang baik maka harus memenuhi asumsi klasik, yaitu data residual harus berdistribusi normal, dengan tidak adanya gejala multikolinearitas dan heteroskedasitas dalam model penelitian.
5.3.1. Uji Normalitas
Uji normalitas merupakan uji yang dilakukan sebagai prasyarat untuk melakukan analisis data. Uji normalitas dilakukan sebelum data diolah berdasarkan model-model penelitian yang diajukan. Pengujian normalitas dalam penelitian ini dilakukan dengan Skewness/Kurtosis test. Hasil uji normalitas disajikan pada tabel sebagai berikut :
Tabel 5.4 Hasil Uji Normalitas
Variable Pr(Skewness) Pr(Kurtosis) Adj. Chi(2) Prob>Chi2
X1 0.1179 0.0815 5.34 0.0694
X2 0.0288 0.2842 5.68 0.0583
X3 0.5083 0.0248 5.33 0.0694
X4 0.6389 0.4130 0.91 0.6344
Y 0.1474 0.1548 4.26 0.1190
Sumber: Lampiran 11 hasil output software STATA, 2020
Berdasarkan tabel 5.4 maka dapat diketahui bahwa semua variabel yang digunakan dalam penelitian ini telah memiliki data yang normal karena masing-masing nilai Prob>Chi2 yang lebih besar dari 0,05. Sehingga dapat disimpulkan
bahwa ukuran perusahaan, leverage, profitabilitas, likuiditas dan nilai perusahaan telah memenuhi asumsi normalitas.
5.3.2. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat apakah terdapat hubungan yang kuat/sempurna antara variabel-variabel bebas yang digunakan dalam penelitian ini. Model penelitian dianggap baik jika memiliki multikolinearitas yang rendah, sebab jika multikolinearitas tinggi maka model tidak bisa memisahkan efek parsial dari satu variabel bebas terhadap variabel bebas lainnya.
Untuk melihat adanya multikolinearitas dalam penelitian yang menggunakan STATA dapat dilihat melalui pengujian VIF (Variance Inflatian Factor). Berikut disajikan tabel hasil pengujian multikolinearitas berdasarkan VIF (Variance Inflatian Factor) sebagai berikut :
Tabel 5.5 Hasil Uji Multikolinearitas (VIF)
Variable VIF 1/VIF
X1 1.20 0.836561
X2 1.70 0.587749
X3 1.44 0.696143
X4 1.36 0.735924
Mean VIF 1.42
Sumber: Lampiran 12 hasil output software STATA, 2020
Berdasarkan tabel 5.5 diketahui nilai VIF nilai mean VIF sebesar 1,42.
Sehingga hasil pengujian multikolinearitas pada tabel 5.5. di atas menunjukkan bahwa data yang digunakan dalam model penelitian ini sudah terbebas dari gejala multikolinearitas karena memiliki nilai mean VIF yang tidak lebih besar dari 10.
5.3.3. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah ada gejala heteroskedastisitas di dalam model penelitian ini. Jika terdapat gejala heteroskedastisitas maka hal tersebut menunjukkan bahwa adanya ketidakseragaman di dalam variasi model dan menyebabkan error menjadi tidak konsisten. Pengujian heteroskedastisitas dapat dilakukan dengan BrueschPagan/Cook-Weisberg test. Pengujian BrueschPagan/CookWeisberg dapat disimpulkan ada tidaknya permasalahan heteroskedastisitas dengan melihat Prob. Chi2. Adapun dengan ketentuan Jika Prob Chi2< α (atau Chi2 stat > Chi2 tabel) maka dapat disimpulkan terdapat masalah heteroskedastisitas. Berikut hasil pengujian heteroskedastisitas dengan BrueschPagan/Cook-Weisberg test yang disajikan pada tabel sebagai berikut :
Tabel 5.6 Hasil Uji Heteroskedastisitas Bruesch Pagan/
Cook-Weisberg test Prob.
Chi-square (1) 1.58
Prob>Chi2 0.2092
Sumber: Lampiran 13 hasil output software STATA, 2020
Berdasarkan tabel 5.6 bahwa hasil uji heteroskedastisitas dengan BrueschPagan/Cook-Weisberg test memiliki nilai probabilitas Chi2adalah sebesar 0,2092 yang lebih besar dari taraf siginifikansi 5% atau 0,05 (0,2092 > 0,05).
Sehingga dapat disimpulkan bahwa model penelitian ini telah terbebas dari gejala heteroskedastisitas.
5.4. Uji Hipotesis Penelitian
5.4.1. Analisis Regresi Linier Berganda Dengan Data Panel
Teknik analisis yang digunakan dalam penelitian ini adalah analisis regresi linier berganda dengan data panel fixed effect model untuk mengetahui gambaran mengenai pengaruh ukuran perusahaan, leverage, profitabilitas dan likuiditas terhadap nilai perusahaan. Pada pemilihan metode estimasi bagian sebelumnya dapat diketahui bahwa metode estimasi yang terbaik digunakan dalam penelitian ini adalah fixed effect. Berikut hasil analisis regresi linear berganda data panel dengan menggunakan model fixed effect yang disajikan pada tabel sebagai berikut :
Tabel 5.7 Hasil Analisis Regresi Berganda Data Panel (Fixed Effect Model)
Variable Coef. Std. Err. T P > [t]
X1 2.158 0.430 5.02 0.000
X2 2.529 0.986 2.56 0.012
X3 25.735 4.805 5.36 0.000
X4 0.203 0.214 0.95 0.346
_cons -65.359 12.701 -5.15 0.000
Sumber: Lampiran 14 hasil output software STATA, 2020
Berdasarkan tabel 5.7 dapat diketahui bahwa persamaan atas regresi data panel dalam penelitian ini yaitu sebagai berikut:
Adapun persamaan regresi data panel di atas masih terdapat bentuk Ln yang digunakan pada variabel independen (X1), maka untuk mendapatkan persamaan regresi yang sebenarnya harus ditransformasikan dahulu ke dalam bentuk anti Ln sebagai berikut:
Berdasarkan persamaan regresi maka dapat dijelaskan bahwa :
1. Konstanta (a) = -65.359 menunjukkan nilai konstan, adapun jika nilai seluruh variabel independen sama dengan nol, maka variabel nilai perusahaan (Y) sama dengan -65.359. konstanta negatif umumnya terjadi jika ada rentang nilai yang cukup jauh antara variabel X dan Y.
2. Koefisien ukuran perusahaan (X1) = 2.158, artinya berdasarkan penelitian ini jika variabel lain nilainya tetap dan ukuran perusahaan mengalami kenaikan 1% maka nilai perusahaan juga akan mengalami kenaikan sebesar (2,158%).
3. Koefisien leverage (X2) = 2.529, artinya berdasarkan penelitian ini jika variabel lain nilainya tetap dan leverage mengalami kenaikan 1% maka nilai perusahaan juga akan mengalami kenaikan sebesar (2,529%). Nilai Coefficients yang bernilai positif ini menunjukkan bahwa terjadi pengaruh yang positif antara leverage (X2) terhadap nilai perusahaan (Y). Artinya jika leverage meningkat maka nilai perusahaan akan meningkat pula.
4. Koefisien profitabilitas (X3) = 25.735, artinya jika variabel lain nilainya tetap dan profitabilitas mengalami kenaikan 1% maka nilai perusahaan juga akan mengalami kenaikan sebesar (25,735%). Nilai Coefficients yang bernilai positif ini menunjukkan bahwa terjadi pengaruh yang positif antara profitabilitas (X3) terhadap nilai perusahaan (Y). Artinya jika profitabilitas meningkat maka nilai perusahaan akan meningkat pula.
5. Koefisien likuiditas (X4) = 0.203, artinya berdasarkan penelitian ini jika variabel lain nilainya tetap dan likuiditas mengalami kenaikan 1%, maka
nilai perusahaan akan mengalami kenaikan sebesar (0,203%). Nilai Coefficients yang bernilai positif menunjukkan bahwa terjadi pengaruh positif likuiditas (X4) terhadap nilai perusahaan (Y). Artinya jika likuiditas meningkat maka nilai perusahaan akan meningkat pula.
6. Standar error (e) menunjukkan tingkat kesalahan pengganggu.
5.4.2. Penilaian Goodness of Fit Model 5.4.2.1. Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model menerangkan variasi variabel dependen. Range nilainya adalah 0 sampai 1, apabila nilai R2 kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas.
Sebaliknya apabila R2 besar (mendekati nilai 1) berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel-variabel dependen besar. Hasil uji koefisien determinasi disajikan pada tabel sebagai berikut :
Tabel 5. 8 Hasil Koefisien Determinasi R-square
Within 0.4696
Between 0.4538
Overall 0.4535
Sumber: Lampiran 14 hasil output software STATA, 2020
Sumber: Lampiran 14 hasil output software STATA, 2020