BAB IV HASIL DAN PEMBAHASAN
KAJIAN PUSTAKA DAN PENGEMBANGAN HIPOTESIS
B. Statistik Deskriptif Variabel Penelitian
3. Uji Multikoliniaritas
Uji multikoliniaritas perlu dilakukan pada saat peneliti menggunakan metode regresi berganda. Salah satu asumsi yang tidak boleh dilanggar dalam teknik analisis regresi adalah masing-masing variabel bebas tidak boleh saling
commit to user
45 mempengaruhi satu sama lain. Apabila variabel independen yang digunakan saling mempengaruhi variabel independen lainnya, maka akan menghasilkan
output yang tidak efisien.
Untuk dapat mengidentifikasi gejala multikoliniaritas dalam sebuah model regresi, bisa dilihat dari nilai R2 yang sangat tinggi dan hanya beberapa variabel saja yang signifikan berpengaruh terhadap variabel dependen. Selain itu, SPSS 17 juga menyediakan menu collinearity diagnostic yang dapat digunakan untuk mengidentifikasi gejala multikoliniaritas. Cara yang dapat dilakukan adalah dengan melihat nilai VIF (Variance Inflation Factor). Apabila nilai VIF dari masing-masing variabel lebih kecil dari 5, maka dapat dapat ditarik kesimpulan bahwa variabel yang digunakan tidak mengandung gejala multikoliniaritas (Arikunto, 2006). Berikut hasil pengujian multikoliniaritas dengan menggunakan SPSS versi 17.
commit to user
46 Tabel 4.4
Uji Multikoliniaritas Dengan VIF
Variabel
Collinearity Statistics
Tolerance VIF
BID ASK SPREAD 0,928 1,078
MARKET VALUE 0,697 1,434
VARIANCE RETURN 0,990 1,010
DEVIDEN PAY OUT 0,736 1,359
Sumber: Data penelitian diolah, (2013).
Berdasarkan hasil pengujian dengan menggunakan SPSS 17 di atas, maka dapat diperoleh informasi dari nilai VIF untuk masing-masing variabel yang diteliti. Nilai VIF menunjukkan bahwa keempat variabel penelitian yang digunakan dalam penelitian ini tidak mengandung gejala multikoliniaritas, di mana nilai VIF untuk variabel BS (BID ASK SPREAD) adalah sebesar 1,078 variabel MV (MARKET VALUE) sebesar 1,434 lalu variabel VR (VARIANCE RETURN) sebesar 1,010 dan variabel DP (DEVIDEN PAY OUT) sebesar 1,359. 4. Uji Autokorelasi
Pengujian autokoreasi merupakan salah satu uji asumsi klasik yang lazim dilakukan terhadap data-data keuangan, terutama data yang sifatnya time series maupun cross sectional. Tujuannya adalah untuk mengidentifikasi, apakah data
commit to user
47 yang digunakan dalam suatu penelitian mengikuti suatu tren atau pola. Apabila nilai residual dari data yang digunakan mengikuti sebuah tren (positif atau negatif) maka dapat dikatakan bawah hasil estimasi regresi kita megandung autokorelasi. Untuk mengidentifikasi apakah suatu model penelitian mengandung autokorelasi atau tidak dapat ditelusuri dengan menggunakan Durbin watson test.
Hasil pengujian dengan menggunakan durbin watson menunjukkan angka sebesar 1,610 (lihat Tabel 4.7). Berdasarkan hasil pengujian gejala autokorelasi tersebut, dapat ditarik kesimpulan bahwa model penelitian yang digunakan tidak mengandung gejala autokorelasi. Hal ini bisa dilihat dari nilai Durbin Watson test yang berada diantara 1,55 sampai dengan 2,46 (Arikunto, 2006).
D. Nilai F (ANOVA)
Jumlah variabel penelitian yang digunakan dalam penelitian ini terdiri dari empat variabel independen dan juga satu variabel dependen. Variabel independen terdiri dari bid/ask spread, market value, variance return dan juga deviden pay
out ratio yang diujikan terhadap variabel dependen (holding period). Tujuan
dilakukannya nilai F adalah untuk mengetahui apakah variabel independen secara bersama-sama mempengaruhi variabel dependen, atau paling tidak terdapat satu variabel independen yang berpengaruh terhadap variabel dependen.
Pengambilan keputusan apakah hasil Nilai F diterima atau ditolak adalah dengan membandingkan nilai F hitung dengan F tabel. Atau cara yang lebih mudah
commit to user
48 adalah dengan melihat nilai signifikansi dengan tingkat aplha (α) sebesar 5%. Apabila nilai signifikansi dari hasil nilai F lebih kecil dari nilai alpha 5%, dapat ditarik kesimpulan bahwa kempat variabel independen (bid/ask spread, market
value, variance return dan deviden pay out) yang digunakan dalam penelitian ini
secara bersama-sama berpengaruh terhadap variabel HP (holding period). Berikut hasil nilai F pada Tabel 4.5 yang diperoleh dengan pengolahan data menggunakan SPSS versi 17.
Tabel 4.5
Nilai F (ANOVA Test)
Model Sum of Squares df Mean Square F Sig.
1 Regression 77,306 4 19,327 4,167 0,009 Residual 129,864 28 4,638
Total 207,170 32
Sumber: Data penelitian diolah, (2013).
Tabel 4.5 di atas memperlihatkan bahwa nilai Fhitung(4,167) jauh lebih besar bila dibandingkan dengan Ftabel(2,714). Lebih lanjut, nilai signifikansi dari hasil estimasi menunjukkan nilai sebesar 0,009% yang jauh lebih kecil bila dibandingkan nilai alpha 0,05%. Dengan begitu, dapat ditarik kesimpulan bahwa berdasarkan hasil nilai F (ANOVA), seluruh variabel independen yang diujikan
commit to user
49 (bid/ask spread, market value, variance return dan deviden pay out)secara bersama-sama berpengaruh terhadap variabel dependen yaitu holding period.
E. Nilai t (Penilaian Hipotesis Secara Parsial)
Penilaian hipotesis secara parsial atau individual dimaksudkan untuk mengetahui pengaruh dari masing-masing variabel independen terhadap variabel dependen. Hal yang perlu diperhatikan dalam tahapan ini adalah kesesuaian hipotesis yang dibangun dengan dasar teori pada penjelasan di bab sebelumnya. Arah dari nilai koefisien beta variabel independen sangat menentukan diterima atau ditolaknya hipotesis penelitian yang telah dikembangkan. Berikut hasil penilaian hipotesis secara parsial yang dapat disimak pada Tabel 4.6.
commit to user
50 Tabel 4.6
Penilaian Hipotesis Secara Parsial Untuk Masing-Masing Variabel
Model
Unstandardized
Coefficients t Sig. Beta Std. Error
1 (Constant) 0,532 12,655 0,042 0,967
BID ASK SPREAD 2,560 5,621 0,455 0,652
MARKET VALUE 0,004 0,409 0,010 0,992
VARIANCE RETURN -2,482 2,305 -1,077 -0,291
DEVIDEN PAY OUT 0,089 0,026 3,444 0,002
Sumber: Data penelitian diolah, (2013).
Tabel 4.6 di atas menyajikan informasi mengenai penilaian keempat variabel independen yang terdiri dari bid/ask spread (BS), market value (MV), variance
return saham (VR) dan deviden pay out (DP) yang dinilai pengaruhnya terhadap
variabel dependen yaitu holding period (HP). Hipotesis pertama menduga bahwa terdapat pengaruh yang positif dari variabel bid ask spread (BS) terhadap holding
period (HP). Sesuai dengan hasil penilaian statistik pada Tabel 4.7 di atas,
diperoleh hasil estimasi output yang memiliki nilai koefisien beta positif, yaitu sebesar 2,560 namun tidak signifikan pada tingkat alpha 5%. Dengan demikian
commit to user
51 dapat ditarik kesimpulan bahwa hipotesis pertama berbunyi bid/ask spread tidak berpengaruh terhadap holding period.
Selanjutnya penilaian hipotesis kedua dilakukan dengan tahapan dan proses yang sama. Justifikasi pengambilan keputusan apakah hipotesis kedua didukung atau tidak dilakukan dengan melihat nilai dan tanda dari koefisien beta dari variabel market value (MV). Sejalan dengan hasil estimasi output statistik pada tabel 4.8 di atas, nilai koefisien beta untuk variabel MV yaitu market value bernilai positif yaitu sebesar 0,004 namun tidak signifikan pada alpha 5%. Dengan demikian dapat ditarik kesimpulan bahwa hipotesis kedua berbunyi
market value tidak berpengaruh terhadap holding period.
Hipotesis ketiga yang berbunyi variance return berpengaruh negatif terhadap
holding period menunjukkan hasil yang searah dengan hipotesis, di mana nilai
koefisien beta dari variabel variance return (VR) menunjukkan hasil yang negatif namun tidak signifikan pada alpha 5%. Hasil ini mengindikasikan bahwa variabel
variance return tidak berpengaruh terhadap holding period.
Selanjutnya hipotesis penelitian terakhir yaitu H4 dijustifikasi dengan melihat nilai koefisien beta dari variabel deviden payout ratio (DP). Hasil estimasi pada Tabel nilai t (lihat Tabel 4.6) menunjukkan bahwa variabel deviden payout ratio berpengaruh positif terhadap holding period.
commit to user
52 F. Goodness of Fit Model (R2)
Goodness of fit model merupakan uji kebaikan model statistik yang digunakan
pada saat peneliti melakukan pengujian model regresi. Sesuai dengan model penelitian di atas, analisis regresi dilakukan dengan menggunakan empat variabel independen yang dinilai terhadap satu variabel dependen. Tujuannya adalah untuk melihat seberapa besar pengaruh variabel independen (BS, MV, VR dan DP) terhadap variabel dependen (HP). Dengan demikian, kita akan dapat mengetahui besaran persentase pengaruh yang dihasilkan dari keempat variabel independen tersebut berdasarkan hasil uji R2 sebagai berikut.
Tabel 4.7
Goodness of Fit Model (R2)
Model R R Square
Std. Error of the
Estimate Durbin-Watson
1 0,611a 0,373 2,1536 1,610
Sumber: Data penelitian diolah, (2013).
Tabel 4.7 di atas menunjukkan bahwa nilai R2 dari hasil pengujian goodness
of fit model yang dilihat dari nilai koefisien determinasi adalah sebesar 0,373 atau
commit to user
53
bid/ask spread, market value, variance return dan deviden pay out dalam
menjelaskan variasi perubahan nilai variabel dependen (holding period) adalah sebesar 37,3%, sedangkan sisanya yang 62,7% lagi dijelaskan oleh variabel-variabel lainnya yang berada di luar model penelitian.