44
1. Statistik Deskriptif
Penelitian ini menguji profitabilitas dan Asset growth terhadap nilai perusahaan pada sektor kesehatan yang go public di Indonesia. Populasi yang digunakan yaitu 30 perusahaan yang melaporkan laporan keuangan tahunan secara 3 tahun berturut-turut dengan jumlah sampel sebanyak 60 perusahaan data gabungan dan dilakukan outlier sehingga diperoleh 50 perusahaan yang sudah tersaring melalui metode purposive sampling. Pada tabel 4.1 Dibawah ini menunjukkan hasil analisis statistik deskriptif masing-masing variabel yang meliputi jumlah data (N), rata-rata sampel (mean), nilai maksimum, nilai minimum, dan standar deviasi :
Tabel 4. 1 Hasil Statistik Deskriptif
N Minimum Maximum Mean Std. Deviation
ROE 50 -.06358 .31514 .0865690 .09584124
AG 50 -.24159 .40728 .0860986 .11952852
Tobins 50 .28380 6.38984 2.1967308 1.48871693
Valid N
(listwise) 50
Sumber : data diolah (2023)
Profitabilitas merupakan rasio untuk menilai kemampuan perusahaan dalam mencari keuntungan. Berdasarkan hasil analisis statistik deskriptif pada tabel 4.1 dapat dijelaskan bahwa nilai minimum return on equity sebesar -0,063 dan nilai maximumnya sebesar 0,315. Sedangkan nilai rata-rata (mean) return on equity sebesar 0,086 dan nilai standar deviasi sebesar 0,095. Berdasarkan data di atas menunjukkan perbedaan yang besar antara nilai ROE terendah dan nilai ROE
tertinggi yaitu antara -0,063 dengan 0,315. Nilai ini menunjukkan bahwa return on equity mengalami kenaikan pada tahun 2020 sampai dengan 2022.
Pada Variabel asset growth pada tabel 4.1 dapat diketahui bahwa nilai maksimum sebesar 0,407 dan nilai minimumnya sebesar -0,241 dengan rata-rata (mean) asset growth sebesar 0,086 dan nilai standar deviasinya sebesar 0,119.
Maka dapat disimpulkan bahwa nilai mean lebih kecil dari nilai deviasi (0,086 ≤ 0,119 ) sehingga terdapat penyimpangan data yang relatif besar karena nilai standar deviasi lebih besar dari mean. .
Tobin’s Q mencerminkan nilai suatu perusahaan. Berdasarkan dalam tabel 4.1 terlihat nilai Tobin’s Q pada maximum sebesar 6,38 dan nilai terendah sebesar 0,28.
Sedangkan nilai rata-rata Tobin’s Q sebesar 2.196 dan nilai standar deviasi sebesar 1.488. hal ini menunjukkan bahwa nilai Tobin’s Q lebih dari 1 sehingga nilai perusahaan dikatakan baik.
2. Uji Asumsi Klasik
Pengujian terhadap asumsi klasik dilakukan untuk memverifikasi dan memastikan bahwa data yang digunakan dalam penelitian bebas dari masalah- masalah asumsi klasik. Pengujian asumsi klasik dilakukan menggunakan program IBM SPSS 22. Dalam penelitian ini, dilakukan pengujian asumsi klasik berupa uji normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi. Adapun hasil dan penjelasan uji tersebut pada data dalam penelitian ini adalah sebagai berikut:
a. Uji Normalitas
Uji normalitas digunakan untuk memeriksa apakah model regresi, variabel independen, dan variabel dependen memiliki distribusi yang berdistribusi normal.
Dalam penelitian ini, uji normalitas dilakukan menggunakan metode uji Kolmogorov-Smirnov. Hasil dan penjelasan dapat dilihat pada tabel 4.2 berikut :
Tabel 4. 2 Hasil Uji Normalitas
Unstandardized Residual
N 60
Normal Parametersa,b Mean .0000000
Std. Deviation 1.95385739
Most Extreme Differences Absolute .187
Positive .187
Negative -.126
Test Statistic .187
Asymp. Sig. (2-tailed) .000c
Sumber : data diolah (2023)
Berdasarkan hasil uji normalitas pada tabel uji normalitas Kolmogorov- Smirnov diketahui sig sebesar 0,00 < 0,05 maka dapat disimpulkan bahwa nilai residual berdistribusi tidak normal.
Sehingga dilakukan outlier menjadi 50 data perusahaan dan di uji menggunakan uji p-plot serta monte carlo. Hasil dan penjelasan outlier dapat dilihat pada gambar sebagai berikut :
1. Return on equity (ROE) boxplot
Gambar 4. 1 Boxplot ROE Sumber : data diolah (2023)
Berdasarkan gambar 4.1 tersebut terdapat 2 data di outlier yang dimana data tersebut merupakan data ekstream pada varibel Return on equity (ROE).
2. Asset growth (AG) boxplot
Gambar 4. 2 Boxplot AG Sumber : data diolah (2023)
Berdasarkan gambar 4.2 tersebut terdapat 6 data di outlier yang dimana data tersebut merupakan data ekstream pada varibel asset growth (AG).
3. Tobins’Q boxplot
Gambar 4. 3 Boxplot Tobins’Q Sumber : data diolah (2023)
Berdasarkan gambar 4.3 tersebut terdapat 4 data di outlier yang dimana data tersebut merupakan data ekstream pada varibel Tobins’s Q.
Gambar boxplot diatas adalah data yang di outlier dan dihilangkan sebanyak 10 data sehingga yang dipakai dalam penelitian ini sebanyak 50 data. Pengujian selanjutnya menggunakan statistic yaitu probability plot. Hasil dan penjelasan probability plot. dapat dilihat pada gambar 4.4 sebagai berikut :
Gambar 4. 4 P-Plot Sumber : data diolah (2023)
Dari gambar diatas terlihat titik-titik menyebar di sekitar garis diagonal serta penyebarannya mengikuti arah garis diagonal. Sehingga dalam penelitian ini memiliki data yang normal.
Selanjutnya pengujian dengan menggunakan uji monte carlo. Hasil dan penjelasan monte carlo dapat dilihat pada tabel 4.3 sebagai berikut :
Tabel 4. 3 Hasil Uji Normalitas
Unstandardized Residual
N 50
Normal Parametersa,b Mean .0000000
Std. Deviation 1.24597367
Absolute .140
Most Extreme Differences
Positive .140
Negative -.070
Test Statistic .140
Asymp. Sig. (2-tailed) .016c
Monte Carlo Sig. (2- tailed)
Sig. .258d
99% Confidence Interval
Lower
Bound .247
Upper
Bound .270
Sumber : data diolah (2023)
Berdasarkan tabel 4.3 diatas dapat disimpulkan bahwa data residual dengan model regresi telah terdistribusi secara normal. Hal ini membuktikan dengan besarnya nilai test statistik 0,140, dengan tingkat signifikan 0,258 yang berarti ˃ 0,05, karena suatu data dikatakan memiliki distribusi normal apabila nilai Monte Carlo Sig. (2-tailed) atau tingkat signifikansi ≥ 0,05.
b. Uji Multikolinearitas
Uji multikolinearitas dapat dilakukan dengan melihat dari tolerance value atau nilai Variance Inflation Factor (VIP) .Hasil dan penjelasan dapat dilihat pada tabel 4.4 berikut :
Tabel 4. 4 Hasil Uji Multikolonieritas
Model
Correlations
Partial Part Tolerance VIF
1 (Constant)
ROE .529 .522 .987 1.013
AG .122 .103 .987 1.013
Sumber : data diolah (2023)
Berdasarkan pada tabel 4.4 di atas di bagian “Collinearity Statistics”
diketahui nilai tolerance untuk variabel return on equity (X1) dan asset growth (X2) adalah 0,987 yang artinya lebih besar dari 0,10. Sementara pada nilai VIF untuk variabel return on equity (X1) dan asset growth (X2) adalah 1,013 < 10,00. Maka pada dasar dalam pengambilan keputusan dalam uji multikolinieritas dapat disimpulkan tidak terjadi gejala multikolinieritas.
c. Uji Heteroskedastisitas
Cara yang dilakukan untuk mendeteksi heteroskedastisitas dalam suatu model penelitian bisa dilakukan melalui uji Glejser, jika nilai signifikansi >0,05 maka tidak terdapat masalah heteroskedastisitas. Hasil dan penjelasan dapat dilihat pada tabel 4.5 berikut :
Tabel 4. 5 Hasil UjiHeteroskedastisitas menggunakan uji Glejser Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) .687 .152 4.515 .000
ROE 2.456 1.082 .311 2.270 .028
AG .938 .867 .148 1.082 .285
a. Dependent Variable: ABRESID Sumber : data di olah (2023)
Hasil dari uji glejser diatas menunjukkan nilai signifikansi variabel ROE lebih kecil dari 0,05,maka terjadi gejala heteroskedastisitas. Sehingga dapat disimpulkan bahwa pengujian dengan menggunakan uji glejser mengandung gangguan heteroskedastisitas dan tidak dapat dipakai dalam pengujian pada model regresi ini.
Untuk melihat ketidaksamaan dari variance ke residual antar variabel salah satunya dengan menggunakan analisis statistik grafik scatterplot. Dapat dilihat hasil uji heteroskedastisitas dengan menggunakan uji scatterplot sebagai berikut:
Gambar 4. 5 Scatterplot Sumber : data di olah (2023)
Dari grafik scatterplot, terlihat bahwa titik-titik tersebar secara acak dan merata baik di atas maupun di bawah angka nol pada sumbu Y. Berdasarkan hal ini, dapat disimpulkan bahwa tidak ada heteroskedastisitas yang terjadi pada model regresi ini.
d. Uji Autokorelasi
Dalam analisis statistik, terdapat beberapa metode untuk melakukan uji autokorelasi, termasuk uji Durbin-Watson dan uji run test. Di antara metode-
metode tersebut, peneliti sering menggunakan metode Durbin-Watson untuk menguji autokorelasi. Hasil dan penjelasan dapat dilihat pada tabel 4.6 berikut :
Tabel 4. 6 Hasil Uji Autokorelasi
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .547a .300 .270 1.27220757 2.107
Sumber : data diolah (2023)
Berdasarkan hasil uji autokorelasi pada tabel 4.6 diatas menunjukkan nilai Durbin-Watson adalah 2,107. Kemudian jika dibandingkan dengan nilai tabel Durbin-Watson dengan rumus (K:N) dimana K adalah jumlah variabel indpenden (pada penelitian ini terdapat 3 variabel) dan N adalah banyaknya sampel penelitian.
Maka (K:N) = (3:50) dan jika dilihat pada tabel Durbin-Watson diketahui nilai dL 1,46246, nilai dU sebesar 1,62833, nilai 4-dU adalah 2,37167 dan nilai 4-dL sebesar 2,53754. Sehingga dapat disimpulkan bahwa nilai Durbin-Watson telah memenuhi kriteria dL < dU < dW < 4-dU < 4-dL atau 1,46246 < 1,62833 < 2,107 < 2,37167 <
2,53754 maka dapat disimpulkan bahwa model regresi dalam penelitian ini terbebas dari autokorelasi.
3. Regresi Liner Berganda
Berikut bentuk dasar dari model persamaan regresi linear berganda yang dapat dirumuskan, yaitu :
𝐘 = 𝛂 + 𝛃𝟏𝐗𝟏 + 𝛃𝟐𝐗𝟐 + 𝒆
Dimana :
Y : Nilai perusahaan
α : Konstanta
β : Koefisien Regresi
X1 : Profitabilitas (return on equity) X2 : Assets Growth
e : error
Tabel 4. 7 Hasil Regresi Linear Berganda
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Correlations
B Std. Error Beta Zero-order
1 (Constant) 1.379 .268 5.137 .000
ROE 8.163 1.909 .526 4.276 .000 .537
AG 1.294 1.531 .104 .846 .402 .164
Sumber : data diolah (2023)
Berdasarkan persamaan yang telah dijelaskan pada bab sebelumnya, bentuk dasar atau bentuk umum dari persamaan regresi linier berganda dapat dituliskan sebagai berikut:
Y = a + β
1X
1 +β
2X
2 +e
Sesuai tabel 4.7 diatas yang kemudian setelah diuji dan untuk menghasilkan persamaan yang linier dan normal maka bentuk persamaan dasar tersebut berubah menjadi sebagai berikut:
Y = 1,379+8,163X
1+ 1,294X
2+e
Dari hasil persamaan tersebut dapat diketahui nilai konstanta = 1,379 berarti menunjukkan nilai ROE (X1) dan asset growth (X2) dianggap konstan. Maka nilai dari nilai perusahaan meningkat sebesar 1,379%. Nilai koefisien ROE (X1) yaitu sebesar 8,163 artinya setiap kenaikan 1 % variabel ROE (X1) maka nilai perusahaan
mengalami kenaikan sebesar 8,163%. Nilai koefisien asset growth (X2) yaitu 1,294 artinya setiap kenaikan 1% variabel asset growth (X2) maka nilai perusahaan mengalami kenaikan sebesar 1,294%.
4. Pengujian Hipotesis
Pengujian hipotesis dilakukan terhadap dua variabel bebas (independent variable) untuk mengetahui apakah keduanya memiliki pengaruh terhadap variabel terikat (dependent variable), baik secara bersama-sama (serempak) maupun secara individual (parsial).
a. Uji Pengaruh Parsial (Uji T)
Uji T digunakan untuk menguji koefisien regresi secara individual atau untuk menguji pengaruh masing-masing variabel bebas terhadap variabel terikat.
Tabel 4.8 menunjukan hasil Uji t model regresi.
Tabel 4. 8 Hasil Uji T
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 1.379 .268 5.137 .000
ROE 8.163 1.909 .526 4.276 .000
AG 1.294 1.531 .104 .846 .402
Sumber : data diolah (2023)
Berdasarkan tabel 4.8 diatas diperoleh hasil bahwa variabel ROE (X1) secara parsial berpengaruh positif signifikan terhadap nilai perusahaan (Y) dengan nilai thitung>ttabel atau 4,276> 2,010 sedangkan nilai signifikannya 0,00 < 0,05. Variabel asset growth (X2) secara parsial tidak berpengaruh signifikan terhadap nilai
perusahaan (Y) dengan nilai thitung<ttabel atau 0,846< 2,010 sedangkan nilai signifikannya 0,4025> 0,05.
b. Uji Pengaruh Serempak (Uji F)
Uji F digunakan untuk mengevaluasi apakah semua variabel bebas yang dimasukkan secara bersama-sama memiliki pengaruh signifikan terhadap variabel terikat dan apakah model regresi secara keseluruhan layak untuk menjelaskan perubahan pada variabel terikat. Hasil dan penjelasan pengaruh serempak (Uji F) dapat dilihat pada tabel 4.9 berikut ini:
Tabel 4. 9 Hasil Uji F Model
Sum of
Squares df Mean Square f Sig.
1 Regression 32.528 2 16.264 10.049 .000b
Residual 76.070 47 1.619
Total 108.598 49
Sumber : data diolah (2023)
Nilai fhitung berdasarkan hasil tabel 4.9 diatas adalah 10,049 sedangkan nilai ftable untuk penelitian ini adalah 3,19. Maka nilai fhitung lebih besar dari nilai ftable
(10,049 > 3,19). Sedangkan nilai signifikansinya adalah 0,00. Nilai ini lebih kecil dari 0,05 (0,00 < 0.05). Sehinggga dapat ditarik kesimpulan bahwa variabel profitabilitas dan assets growth secara simultan berpengaruh positif signfikan terhadap nilai perusahaan.
c. Uji Determnasi (R2)
Koefisien determinasi memiliki nilai antara 0 hingga 1. Jika nilai mendekati 0, maka koefisien determinasi suatu persamaan akan semakin kecil, menunjukkan kurangnya pengaruh dari variabel independen terhadap variabel dependen, atau
secara keseluruhan tidak dapat menjelaskan variasi variabel dependen. Namun, jika nilai mendekati 1, maka koefisien determinasi suatu persamaan akan semakin besar, menunjukkan tingginya pengaruh variabel independen terhadap variabel dependen, atau kemampuannya dalam menjelaskan variasi variabel dependen.
Tabel 4. 10 Hasil Uji Determinasi
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .547a .300 .270 1.27220757
Sumber : data diolah (2023)
Berdasarkan hasil tabel 4.10 diatas dapat dilihat bahwa R2 pada penelitian ini adalah 0,300 atau 30%. Nilai tersebut menunjukkan bahwa kemampuan variabel- variabel independen dalam penelitian ini yakni return on equity dan assets growth untuk menjelaskan variabel dependen yakni nilai perusahaan sebesar 30% yang berarti sisa dari persentase tersebut dipengaruhi oleh variabel lain yang tidak dijelaskan dalam model penelitian ini sebesar 70%.