• Tidak ada hasil yang ditemukan

Pengujian dan Hasil Analisis Data

BAB IV ANALISIS DATA DAN PEMBAHASAN

B. Pengujian dan Hasil Analisis Data

Penyajian dan Pengungkapan Laporan Keuangan Emiten atau Perusahaan Publik,2002). Kegiatan utama untuk memperoleh atau menyimpan input atau bahan baku, kegiatan pengolahan atau pabrikasi atau perakitan atas bahan baku menjadi bahan jadi, kegiatan menyimpan atau memasarkan barang jadi.

B. Pengujian dan Hasil Analisis Data

(BATA) periode 2015, sebesar 0.064739536. rata-rata sebesar 0,36521 dan standar deviasinya sebesar 0,179420.

b. Variabel kebijakan Hutang (DER) berdasarkan dengan tabel diatas dapat diketahui Perusahaan dengan nilai maksimal diperoleh oleh perusahaanSekar Laut Tbk. (SKLT) periode 2015, sebesar1.480259134.

dan nilai minimum diperoleh perusahaan Ekadharma International Tbk.

(EKAD) periode 2018, sebesar 0.181919135. rata-rata sebesar 0,56530 dan standar deviasinya sebesar 0,278931.

c. Variabel Profitabilitas (ROE) berdasarkan dengan tabel diatas dapat diketahui Perusahaan dengan nilai maksimal diperoleh oleh perusahaanSelamat Sempurna Tbk. (SMSM) periode 2014, sebesar0.367503839. dan nilai minimum diperoleh perusahaan Astra OtopartsTbk. (AUTO) periode 2015, sebesar0.031813807. rata-rata sebesar 0,13975dan standar deviasinya sebesar 0,073431.

2. Deskripsi Variabel Peneltian 1) Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi normal. Pada penelitian ini digunakan uji statistik Kolmogorov-Smirnov untuk menguji normalitas data.

Kemudian untuk meningkatkan uji normalitas dapat melihat grafik

Normal Probability Report Plot” yang membandingkan distribusi kumulatif dengan distribusi normal. Distribusi normal akan membentuk

garis diagonal dan ploting data residual akan dibandingkan dengan garis diagonalnya.

Hasil pengujian One Kolmogrov-Smirnov pada tabel 4.2 dibawah menunjukkan nilai signifikan sebesar 0,200. Nilai ini jauh diatas nilai signifikasi sehingga dapat dikatakan bahwa data terdistribusi normal dan model regresi layak untuk dapat dipakai.

Tabel 4.2

One-Sample Kolmogorov-Smirnov Test

Unstandardiz ed Residual

N 65

Normal Parametersa,b Mean ,0000000

Std.

Deviation

,61413144

Most Extreme Differences Absolute ,078

Positive ,078

Negative -,076

Test Statistic ,078

Asymp. Sig. (2-tailed) ,200c,d

Sumber:data diolah 2020

Gambar 4.2

Hasil uji Normalitas Dengan Analisis Grafik Plot

Sumber : data diolah 2020

Hasil pengujian normalitas dengan analisis grafik plot yang terdapat pada gambar di atas 4.2 menunjukkan bahwa terdapat penyebaran data yang merata dan penyebarannya mengikuti arah garis diagonal sehingga dapat disimpulkan bahwa model regresi terdistribusi normal.

b. Uji Multikolinieritas

Pengujian multikolinearitas bertujuan untuk melihat ada atau tidak hubungan yang sempurna sesama variabel bebas, karena dalam asumsi klasik hal ini tidak boleh terjadi. Uji multikoliniritas bertujuan untuk mengetahui apakah dalam model regresi yang digunakan terdapat korelasi antar variabel independen. Untuk mengetahui bahwa apakah terjadi multikolonieritas pada suatu model diihat dari Tolerance dan Variance Inflation Factor (VIF). Dari multikolonieritas adalah apabila nilai tolerane diatas 0,10 dan VIF dibawah dari 10.

Tabel 4.3 Coefficientsa

Model Collinearity Statistics Tolerance VIF

1 (DPR)

(X1)

,945 1,058

(DER) (X2)

,942 1,061

(ROE) (X3)

,997 1,003

a. Dependent Variable: (PBV) (Y)

Sumber:data diolah 2020

Hasil perhitungan uji multikolinieritas pada Tabel 4.3 diatas menunjukkan bahwa kebijakan dividen, kebijakan hutang, dan profitabilitas memiliki nilai tolerance diatas 0,010 sehingga hasil yang

didapat menunjukkan tidak terjadi korelasi antara variabel independen, dan hasil perhitungan variance inflation factor (VIF) menunjukkan bahwa ke-3 variabel dependen memiliki nilai VIF lebih kecil dari 10.

Sehingga dapat disimpulkan tidak terjadi multikolinieritas antara variabel independen dalam model regresi.

c. Uji Heteroskedastisitas

Untuk mendeteksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat pada pola grafik scatterplot. Pada gambar 4.3 berikut ini:

Gambar 4.3

Hasil Grafik Scatterplot Heteroskedastisitas

Sumber : data diolah 2020

Pada gambar diatas menunjukkan pola yang jelas serta titik-titik hasil perhitugan analisa regresi menyebar di atas dan dibawah angka nol pada sumbu Y, dalam hasil uji ini menunjukkan kesimpulan bahwa tidak terjadi heteroskedastisitas pada model regresi tersebut. Untuk memperkuat Scatterplot maka perlu pengujian pada uji Glejer.

Tabel 4.4

Hasil Uji Glajer Heteroskedastisitas Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) ,761 ,225 3,383 ,001

(DPR) (X1)

-,075 ,085 -,112 -,881 ,382

(DER) (X2)

,011 ,095 ,014 ,112 ,911

(ROE) (X3)

,165 ,083 ,245 1,982 ,052

a. Dependent Variable: ABRESID

Sumber : data diolah 2020

Tabel 4.4 di atas menunjukkan bahwa semua nilai signifikansi variabel kebijakan dividen, kebijakan hutang, dan profitabilitas lebih besar dari 0,05, sehingga variabel kebijakan dividen, kebijakan hutang, dan profitabilitastidak terjadi gejala heteroskedastisitas.

d. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu t-1 (sebelumnya). Jika terjadi korelasi, maka terjadi problemautokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah autokorelasi timbul karena residual tidak bebas dari suatu observasi ke observasi. Pengambilan keputusan ada tidaknya autokorelasi, sebagai berikut:

1) Angka D-W dibawa -2, berarti ada autokorelasi positif

2) Angka D-W diantara -2 sampai +2, berarti tidak ada autokorelasi, 3) Angka D-W diatas+2, berarti ada autokorelasi negative.

Tabel 4.5

Hasil Uji Auto Korelasi Nilai Perusahaan Model Summaryb

Mode l

R R

Square

Adjusted R Square

Std. Error of the Estimate

Durbin- Watson

1 ,691a ,477 ,451 ,44370 1,440

a. Predictors: (Constant), kebijakan dividen, kebijakan hutang, profitabilitas b. Dependent Variable: nilai perusahaan

Sumber : data diolah 2020

Tabel 4.5hasil pengujian autikorelasi diperoleh nilai D-W sebesar 1,440 dimana nilai tersebut berkisar antara -2 dan +2 sehingga dapat disimpulkan bahwa tidak ada autokorelasi dalam model regresi yang dihasilkan.

2) Analisis Regresi Linier Berganda

Analisis regresi ganda digunakan oleh peneliti meramalkan keadaan (naik turunnya) variabel dependen apabila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaikturunkan nilainnya)(Anggara, 2015). analisis ini bertujuan untuk mengetahui besarnya pengaruh yang ditimbulkan antara pengaruh kebijakan dividen (X1), kebijakan hutang (x2) dan, profitabilitas (X3) terhadap nilai perusahaan (Y) pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2014-2018.Hasil analisis linier berganda sebagai berikut :

Y = 17,355+0,689+0,129+0,962 Tabel 4.6

Hasil Uji Analisis Regresi Berganda Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 17,355 ,395 43,904 ,000

(DPR) (X1)

,689 ,149 ,423 4,618 ,000

(DER) (X2)

,129 ,167 ,071 ,772 ,443

(ROE) (X3)

,962 ,146 ,588 6,585 ,000

a. Dependent Variable: (PBV) (Y)

Sumber : data diolah 2020

Berdasarkan tabel 4.6di atas persamaan regresi linear berganda dapat disusun sebagai berikut :

Y = a + b1 X1 + b2 X2 + b3X3 + e

Berdasarkan persamaan regresi di atas, diperoleh informasi yaitu nilai a =17,355, menyatakan bahwa jika nilai kebijakan dividen, kebijakan hutang,dan profitabilitas masingmasing bernilai 0, maka nilai perusahaan sebesar 17,355%. Kemudian nilai koefisien regresi (X1) sebesar 0,689, artinya apabila nilai kebijakan dividen naik 1%, maka nilai perusahaan akan naik sebesar 68,9%. Selanjutnya nilai koefisien regresi (X2) sebesar 0,129, artinya apabila nilai kebijakan hutang naik 1% maka nilai perusahaan akan naik sebesar 12,9% dan nilai koefiseien regresi (X3) sebesar 0,962, artinya

apabila nilai profitabilitas naik 1% maka nilai perusahaan akan naik sebesar 96,2%.

a. Koefisien determinasi (R^2)

Uji koefiisen determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen. Syarat dala uji ini adalah nilai koefisin yang dimiliki oleh variabel penelitian adalah 0 dan 1. Hal ini bertujuan untuk membuktikan jika variabel independen berpengaruh terhadap variabel dependen dan persamaan regeresi sesuai dengan keadaan yang sebenarnya.

Nilai R^2 yang kecil atau mendekati 0 berarti kemampuan variabel independen dalam menjelaskan variabel dependen terbatas.

Sebaliknya, jika nilai R^2 yang mendekati 1 berarti variabel-variabel independen memberikan hampir semua informasi yang dibututhkan oleh variabel dependen. Adapun hasil uji koefisien determinasi adalah sebagi berikut:

Tabel 4.7

Uji Koefisien Determinan Model Summaryb

Mode l

R R

Square

Adjusted R Square

Std. Error of the Estimate

Durbin- Watson

1 ,691a ,477 ,451 ,44370 1,440

a. Predictors: (Constant), kebijakan dividen, kebijakan hutang, profitabilitas b. Dependent Variable: nilai perusahaan

Sumber : data diolah 2020

Hasil perhitungan pada tabel 4.7 untuk nilai adjusted R Square (R^2) diperoleh angka koefisien determinasi R2 = 0,451 atau 45,1%. Hal ini berarti kemampuan variabel-variabel independen yang terdiri dari variabel kebijakan dividen, kebijakan hutang, dan profitabilitas dalam

menjelaskan variabel dependen yaitu nilai perusahaan pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2014- 2018sebesar 45,1%, sisanya (100% - 45,1%= 54,9%) dipengaruhi oleh variabel lain di luar model yang tidak diteliti dalam penelitian ini.

b. Uji t

Uji t digunakan untuk menguji variabel yang berpengaruh antara variabel independen terhadap variabel dependen secara individual atau tersendiri.

Secara statistik dapat diukur dari nilai statistik t, nilai statistik F, dan nilai koefisien determinasi (R2).

Dasar pengambilan keputusan adalah :

1. Jika nilai t hitung < nilai t tabel atau nilai probabilitas signifikasi lebih besar dari 0,05 (taraf kepercayaan α = 5%) maka Ho diterima.

2. Jika nilai t hitung > nilai t tabel atau nilai probabilitas signifikansi lebih kecil dari 0,05 (taraf kepercayaan α = 5%) maka Ho ditolak.

Tabel 4.8

Uji Siginikasi Secara Parsial Coefficientsa

Model Unstandardized Coefficients Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 17,355 ,395 43,904 ,000

(DPR) (X1)

,689 ,149 ,423 4,618 ,000

(DER) (X2)

,129 ,167 ,071 ,772 ,443

(ROE) (X3)

,962 ,146 ,588 6,585 ,000

a. Dependent Variable: (PBV) (Y)

Sumber : data diolah 2020

Berdasarkan tabel 4.8diatas hasil Uji t parsial adalah sebagai berikut:

1. Kebijakan Dividen (DPR) berpengaruh positif signifikan secara parsial terhadap nilai perusahaan. Hal ini terlihat dari nilai signifikan variabel DPR di bawah (0.05) atau 5% yaitu sebesar 0.00 atau 0%, maka H1 diterima, yang artinya kebijakan deviden (DPR) berpengaruh signifikan terhadap nilai perusahaan (PBV). Pengaruh kebijakan deviden (DPR) terhadap nilai perusahaan (PBV)bersifat positif artinya semakin besar kebijakan dividen maka semakin tinggi nilai perusahaan (PBV).

2. Kebijakan hutang (DER) tidak berpengaruh secara parsial terhadap nilai perusahaan. Hal ini terlihat dari nilai signifikan variabel DER di diatas 5%

yaitu sebesar 44,3%, maka H2 ditolakyang artinya kebijakan hutang (DER) tidak berpengaruh terhadap nilai perusahaan (PBV).

3. Profitabilitas (ROE) berpengaruh positif signifikan secara parsial terhadap nilai perusahaan. Hal ini terlihat dari nilai signifikan variabel ROE di bawah 5% yaitu sebesar 0%. Maka H3 diterima yang artinya profitabilitas (ROE) berpengaruh signifikan terhadap nilai perusahaan (PBV).

Pengaruh profitabilitas (ROE) terhadap nilai perusahaan (PBV) bersifat positif artinya semakin besar profitabilitas maka semakin tinggi nilai perusahaan.

Dokumen terkait