BAB 1V ANALISIS DATA DAN PEMBAHASAN
A.
Deskripsi Data Dalam bab ini akan diuraikan hal-hal yang berkaitan dengan data-data yang berhasil dikumpulkan, hasil pengolahan data dan pembahasan dari hasil pengolahan tersebut. Berdasarkan hasil perhitungan rata-rata rasio keuangan selama empat tahun maka sebelum dilakukan pengujian hipotesis yang akan dilakukan dalam penelitian ini perlu dilakukan pengujian asumsi klasik
terlebih
dahulu
yang
meliputi:
uji
normalitas
data,
uji
multikolonieritas, uji heteroskedasitas, dan uji autokorelasi output dari uji diatas adalah sebagai berikut: B.
Analisis Data 1. Statistik Deskriptif Analisis deskriptif digunakan untuk memberikan gambaran atau deskriptif dari suatu data yang dilihat dari jumlah sampel, nilai minimum, nilai maksimum, nilai rata-rata, standar deviasi dari masing-masing variabel. Variabel dari penelitian ini terdiri dari suku bunga, likuiditas, struktur modal sebagai variabel bebas dan risiko investasi sebagai variabel terikat.
60
61
Tabel 4.1. Hasil Statistik Deskriptif Descriptive Statistics N
Minimu Maximu m m 6,48 7,54 ,45 6,99 ,03 1,22 ,04 ,17
SBI 36 CR 36 LTDER 36 RISIKO 36 Valid N 36 (listwise) Sumber: Data Diolah (Output SPSS 21)
Mean 6,7708 2,8871 ,3101 ,0985
Std. Deviation ,45365 1,86592 ,31058 ,03040
Tabel 4.1. menunjukan bahwa dari 36 sampel data risiko investasi, nilai minimum sebesar 0,04 dan nilai maksimum sebesar 0,17 sedangkan nilai rata-rata sebesar 0,0985 dengan standar deviasi sebesar 0,03040. Standar deviasi yang lebih kecil dari mean menunjukan sebaran variabel data yang kecil atau tidak adanya kesenjangan yang cukup besar dari data risiko investasi. Tabel 4.1. menunjukan bahwa dari 36 sampel data suku bunga, nilai minimum sebesar 6,48 dan nilai maksimum sebesar 7,54 sedangkan nilai rata-rata sebesar 6,7708 dengan standar deviasi sebesar 0,45365. Standar deviasi yang lebih kecil dari mean menunjukan sebaran variabel data yang kecil atau tidak adanya kesenjangan yang cukup dari data suku bunga. Tabel 4.1. menunjukan bahwa dari 36 sampel data likuiditas, nilai minimum sebesar 0,45 dan nilai maksimum sebesar 6,99 sedangkan nilai rata-rata sebesar 2,8871 dengan standar deviasi sebesar 1,86592. Standar
62
deviasi yang lebih kecil atau tidak adanya kesenjangan yang cukup dari data likuiditas. Tabel 4.1. menunjukan bahwa dari 36 sampel data struktur modal, nilai minimum sebesar 0,03 dan nilai maksimum sebesar 1,22 sedangkan nilai rata-rata sebesar 0,3101 dengan standar deviasi sebesar 0,31058. Standar deviasi lebih besar atau adanya kesenjangan yang cukup dari data struktur modal. 2. Uji Asumsi Klasik a. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya terdistribusi normal atau salah satu. Cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik. Uji
normalitas
data
dengan
menggunakan
SPSS
21
menghasilkan gambar Histogram dan Normal Probability Plots sebagai berikut: Gambar 4.1. Histogram
Sumber: Data Diolah (Output SPSS 21)
63
Dari Gambar 4.1. dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang mendekati normal, tidak melenceng ke kiri maupun ke kanan. Namun demikin dengan melihat histogram dinilai kurang memberikan hasil yang maksimal sehingga perlu melihat normal probability plot dimana pada grafik mormal plot terlihat titik-titik menyebar disekitar diagonal serta penyebarannya mengikuti arah diagonal, sebagaimana ditampilkan pada Gambar 4.2. sebagai berikut: Gambar 4.2. Normal P-P Plot of Regression Standardized Residual
Sumber: Data Diolah (Output SPSS 21) Berdasarkan grafik normal plot, menunjukan bahwa model regresi layak dipakai dalam penelitian ini karena data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. Selain menggunakan grafik histrogram dan grafik normal plot, uji statistik yang dapat dilakukan dalam uji normalitas adalah uji Kolmogorov Smirnov. Uji Kolmogorov Smirnov dengan ketentuan jika
64
nilai signifikan Kolmogorov Smirnov lebih besar dari nilai signifikansi yang telah ditetapkan maka data terdistribusi normal. Hasil pengujian normalitas pada uji Kolmogorov Smirnov terlihat dalam tabel 4.2. berikut: Tabel 4.2. Uji Kolmogorov Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 35 Mean ,0000000 Normal Parametersa,b Std. ,02389026 Deviation Absolute ,118 Most Extreme Positive ,118 Differences Negative -,067 Kolmogorov-Smirnov Z ,700 Asymp. Sig. (2-tailed) ,711 a. Test distribution is Normal. b. Calculated from data. Sumber: Data Diolah (Output 21) Berdasarkan Tabel 4.2. menunjukan bahwa hasil Kolmogorov Smirnov sebesar 0,700 dan signifikan sebesar 0,711. Sehingga dapat dikatakan bahwa dengan tingkat signifikansi 0,05 data terdistribusi normal, karena nilai signifikansi pada Kolmogorov Smirnov sebesar 0,700 lebih besar dari nilai signifikansi yang telah ditetapkan (0,05). b. Uji Multikolonieritas Uji multikolonieritas bertujuan menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Dalam mendeteksi ada tidaknya gejala multikolinearitaas antar variabel independen pada model persamaan pertama digunakan variance
65
inflation
factor
(VIF).
Nilai
yang
menunjukan
adanya
multikolinieritas adalah nilai tolerance ≥ 0,10 atau sama dengan nilai VIF ≤ 10. Berdasarkan hasil yang ditunjukan dalam output SPSS 21 maka besarnya VIF dari masing-masing variabel independen dapat dilihat pada tabel sebagai berikut:
Model
Tabel 4.3. Hasil Uji Multikolinearitas Coefficientsa Collinearity Statistics Tolerance VIF
(Constant) SBI_1 ,981 1 CR_1 ,961 LTDER_1 ,977 a. Dependent Variable: RISIKO_1 Sumber: Data Diolah (Output SPSS 21)
1,019 1,040 1,024
Berdasarkan Tabel 4.3. hasil perhitungan tolerance menunjukan ketiga variabel independen tidak ada yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel independen. Sedangkan hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolinieritas antar variabel independen dalam model regresi. c. Uji Autokorelasi Uji autokorelasi bertujuan menguji apakah pada model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya).
66
Untuk menguji ada atau tidaknya problem autokorelasi dapat dilakukan uji Durbin-Watson sebagai berikut:
Model
1
Tabel 4.4. Hasil Uji Autokorelasi Model Summaryb R Adjusted R Std. Error of Square Square the Estimate
R
,433a
,187
,111
DurbinWatson
,02866
1,016
Berdasarkan hasil uji Durbin Watson memberikan nilai DW 1,016, nilai ini akan dibandingkan dengan tabel DW dengan jumlah observasi (n) = 36, jumlah variabel independen (k) = 3 dan tingkat signifikansi 0,05 di dapat nilai dl = 1,2953 dan nilai du = 1,6539. Oleh karena DW 1,016 berada dibawah dl = 1,2953 dan diatas 0, maka dari tabel keputusan H0 yang menyatakan tidak ada autokorelasi positif ditolak, yang berarti terdapat autokorelasi positif. Karena data menunjukan terdapat autokorelasi. Maka dilakukan pengobatan
dengan
mencari
koefisien
korelasi
dengan
cara
meregresikan Resid dengan Lagresid tanpa konstanta atau secara formulasi dinyatakan dengan: RESID = ρ LAGRESID Dimana ρ = koefisien autokorelasi
67
Tabel 4.5. Hasil Perhitungan Nilai Koefisien Autokorelasi Coefficientsa Model Unstandardized Standardized Coefficients Coefficients B Std. Error Beta (Constant) ,000 ,004 1 LAG_RES ,483 ,155 ,476 a. Dependent Variable: Unstandardized Residual Sumber: Data Diolah (Output SPSS 21)
T
,035 3,108
Berdasarkan Tabel 4.5. diperoleh nilai ρ sebesar 0,483 setelah itu ditransformasikan kesemua variabel Tabel 4.6. Hasil Uji Autokorelasi Setelah Dimasukkan Nilai Koefisien Model Summaryb Model R R Square Adjusted R Std. Error of DurbinSquare the Estimate Watson a 1 ,498 ,248 ,175 ,02502 2,030 a. Predictors: (Constant), LTDER_1, SBI_1, CR_1 b. Dependent Variable: RISIKO_1 Sumber: Data Diolah (Output SPSS 21) Dengan N = 36 dan K = 3 maka jika dilihat di tabel nilai Durbin Watson, didapat dL = 1,2953 dan nilai dU = 1,6539 sehingga nilai 4 – dU sebesar 4 – 1,6539 = 2,3461 dan nilai 4 – dL sebesar 4 – 1,2953 = 2,7047. Berdasarkan tabel diatas, nilai Durbin Watson sebesar 2,030 dan berada daerah antara dU dan 4 – dU (1,6539 < 2,030 < 2,3461) maka dapat disimpulkan bahwa pada model regresi tidak terjadi gejala autokorelasi baik secara positif atau negatif.
68
d. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan
yang
lain.
Deteksi
ada
atau
tidaknya
heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara residualnya (SRESID) dan nilai prediksi variabel terikat (ZPRED) dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Yprediksi – Ysesungguhnya) yang telah di studentized. Grafik scatterplot ditunjukan pada gambar 4.3. berikut: Gambar 4.3. Hasil Uji Heteroskedastisitas
Sumber : Data Diolah (Output SPSS 21) Berdasarkan Gambar 4.3. terlihat titik-titik menyebar secara acak baik diatas maupun dibawah angka 0 pada sumbu Y, maka hal ini dapat dinyatakan bahwa tidak terjadi heteroskedastisitas pada model regresi.
69
3. Analisis regresi berganda Analisis regresi linier berganda adalah cara-cara mengolah data yang terkumpul untuk kemudian dapat memberikan interpretasi. Hasil pengolahan data ini digunakan untuk menunjukan hubungan antara variabel bebas (X) dengan variabel terikat (Y). Dapat dilihat pada Tabel 4.7. berikut: Tabel 4.7. Hasil Analisis Regresi Coefficientsa Model Unstandardized Standardized T Coefficients Coefficients B Std. Error Beta (Constant) -,014 ,060 -,228 SBI_1 ,017 ,017 ,157 ,999 1 CR_1 -,001 ,002 -,061 -,385 LTDER_1 ,038 ,012 ,485 3,074 a. Dependent Variable: RISIKO_1 Sumber: Data Diolah (Output SPSS 21)
Sig.
,821 ,325 ,703 ,004
Berdasarkan Tabel 4.7. diatas, model analisis regresi berganda yang digunakan dalam penelitian ini dapat dirumuskan sebagai berikut: Y = a + b1X1 + b2X2 + b3X3 + e = (-0,014) + 0,017X1 + (-0,001)X2 + 0,038X3 + e Interpretasi dari persamaan regresi berganda tersebut adalah sebagai berikut: a. Jika diasumsikan nilai dari variabel X1 (tingkat suku bunga), X2 (likuiditas) dan X3 (struktur modal) adalah konstan atau sama dengan nol, maka nilai variabel Y (risiko investasi) adalah -0,014.
70
b. Variabel tingkat suku bunga (X1) mempunyai koefisien regresi sebesar 0,017 yang artinya jika terjadi peningkatan variabel tingkat suku bunga (X1) sebesar 1%, maka risiko investasi (Y) akan bertambah sebesar 0,017. Dengan catatan bahwa variabel lain tetap atau konstan. c. Variabel likuiditas (X2) mempunyai koefisien regresi sebesar -0,001 yang artinya jika terjadi peningkatan variabel likuiditas (X2) sebesar 1%, maka risiko investasi (Y) akan bertambah sebesar 0,001. Dengan catatan bahwa variabel lain tetap atau konstan. d. Variabel struktur modal (X3) mempunyai koefisien regresi sebesar 0,038. Yang artinya jika terjadi peningkatan variabel struktur modal (X3) sebesar 1%, maka risiko investasi (Y) akan bertambah sebesar 0,038. Dengan catatan bahwa variabel lain tetap atau konstan. 4. Pengujian Hipotesis Setelah pengujian persyaratan analisis dan asumsi dasar regresi, langkah selanjutnya melakukan pengujian signifikan model dan interpretasi model regresi, untuk melihat pengaruh variabel independen terhadap variabel dependen secara individu dan secara simultan. Secara statistik dapat diukur dari nilai statistik Uji t, Uji F dan Uji Koefisien Determinasi (R2).
71
a. Uji Hipotesis (Uji t) Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen. Berdasarkan output SPSS versi 21 secara parsial pengaruh dari ketiga variabel independen yaitu suku bunga, likuiditas dan struktur modal terhadap variabel dependen risiko investasi ditujukan pada Tabel 4.8. sebagai berikut:
Model
Tabel 4.8. Hasil Perhitungan Hipotesis Uji t Coefficientsa Unstandardized Standardized T Coefficients Coefficients B Std. Error Beta -,014 ,060 -,228
(Consta nt) SBI_1 ,017 ,017 1 CR_1 -,001 ,002 LTDER ,038 ,012 _1 a. Dependent Variable: RISIKO_1 Sumber: Data Diolah (Output SPSS 21)
,157 -,061 ,485
,999 -,385 3,074
Sig.
,821 ,325 ,703 ,004
Berdasarkan pengujian pada tabel 4.8. diatas dapat disimpulkan sebagai berikut: 1) Pengaruh variabel tingkat suku bunga terhadap risiko investasi dimana nilai t hitung (0,999) dan signifikansi sebesar 0,325 > α = 5% (0,05), sehingga Ho diterima dan Ha ditolak. Maka dapat disimpulkan bahwa variabel tingkat suku bunga tidak berpengaruh signifikan terhadap variabel risiko investasi.
72
2) Pengaruh variabel likuiditas terhadap risiko investasi dimana nilai t hitung (-0,385) dan signifikan sebesar 0,703 > α = 5% (0,05), sehingga Ho diterima dan Ha ditolak. Maka dapat disimpulkan bahwa variabel likuiditas tidak berpengaruh signifikan terhadap variabel risiko investasi. 3) Pengaruh variabel struktur modal terhadap risiko investasi dimana nilai t hitung (3,074) dan signifikan sebesar 0,004 < α = 5% (0,05), sehingga Ho ditolak dan Ha diterima. Maka dapat disimpulkan bahwa variabel struktur modal berpengaruh signifikan terhadap variabel risiko investasi. b. Uji Hipotesis (Uji F) Uji F digunakan untuk mengetahui hubungan variabel independen secara simultan (bersama-sama) terhadap variabel dependen. Dapat dilihat pada tabel 4.9. sebagai berikut: Tabel 4.9. Hasil Perhitungan Regresi Simultan ANOVAa Model Sum of Df Mean F Squares Square Regressio ,006 3 ,002 3,399 n 1 Residual ,019 31 ,001 Total ,026 34 a. Dependent Variable: RISIKO_1 b. Predictors: (Constant), LTDER_1, SBI_1, CR_1 Sumber: Data Diolah (Output SPSS 21)
Sig. ,030b
Hasil uji F pada tabel 4.9. diatas menunjukan nilai Fhitung sebesar 3,399 dengan nilai signifikansi 0,030 lebih kecil dari α = 5% (0,05),
73
maka dapat disimpulkan bahwa terdapat pengaruh secara simultan antara tingkat suku bunga, likuiditas, dan struktur modal terhadap risiko investasi. c. Koefisien Determinasi (R2) Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependennya. Nilai (R2) yang
mendekati
satu
berarti
variabel-variabel
independennya
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependennya. Hasil perhitungan koefisien determinasi tersebut dapat dilihat pada Tabel 4.10. sebagai berikut: Tabel 4.10. Koefisien Determinasi (R2) Model Summaryb Model R R Adjusted Std. Error of Square R Square the Estimate 1 ,498a ,248 ,175 ,02502 a. Predictors: (Constant), LTDER_1, SBI_1, CR_1 b. Dependent Variable: RISIKO_1 Sumber: Data Diolah (Output SPSS 21)
DurbinWatson 2,030
Berdasarkan hasil uji koefisien determinasi pada Tabel 4.10. diatas besarnya nilai Adjusted R Square dalam model regresi diperoleh sebesar 0,175 atau 17,5%. Hal ini menunjukan bahwa besar kemampuan variabel independen yaitu tingkat suku bunga, likuiditas, dan struktur modal terhadap Risiko Investasi yang dapat diterangkan oleh model persamaan ini sebesar 17,5%. Sedangkan sisanya sebesar 82,5% dipengaruhi oleh faktor-faktor lain diluar model penelitian ini.
74
C.
Pembahasan 1. Pengaruh Tingkat Suku Bunga terhadap Risiko investasi Pengaruh variabel tingkat suku bunga (SBI) terhadap risiko investasi signifikan dimana nilai t hitung sebesar (0,999) dan signifikansi sebesar 0,325 > α = 5% (0,05), sehingga Ho diterima dan Ha ditolak. Maka dapat disimpulkan bahwa variabel suku bunga tidak berpengaruh signifikan terhadap variabel risiko investasi. Salah satu pertimbangan untuk investasi adalah biaya dana atau tingkat bunga dari modal. Semakin tinggi bunga akan semakin kecil jumlah investasi, sebaliknya apabila tingkat bunga turun, jumlah investasi akan bertambah.1 Hasil ini mendukung penelitian Nucifera Julduha dan Indra Kusumawardhani yang berjudul pengaruh net profit margin, current ratio, debt to asset ratio dan tingkat suku bunga terhadap beta (risiko) saham syariah pada perusahaan yang terdaftar di Jakarta islamic index. Hasil penelitiannya didapat tingkat suku bunga tidak berpengaruh terhadap beta (risiko) investasi.2 2. Pengaruh Likuiditas terhadap Risiko Investasi Pengaruh variabel likuiditas (CR) terhadap risiko investasi signifikan dimana nilai t hitung sebesar (-0,385) dan signifikansi sebesar
1
. Herman Darmawi, Pasar Finansial dan Lembaga-lembaga Finansial (Jakarta: PT Bumi Aksara, 2006), hlm. 189 2 . Nucifera Julduha dan Indra Kusumawardhani, “Pengaruh Net Profit Margin, Current Ratio, Debt To Asset Ratio dan Tingkat Suku Bunga Terhadap Beta (Risiko) Saham Syariah Pada Perusahaan yang Terdaftar di Jakarta Islamic Index” (Yogyakarta: Jurnal Buletin Studi Ekonomi, Vol. 18, No. 2, Agustus 2013).
75
0,703 > α = 5% (0,05), sehingga Ho diterima dan Ha ditolak. Maka dapat disimpulkan bahwa variabel likuiditas tidak berpengaruh signifikan terhadap variabel risiko investasi. Bagi pihak manajer perusahaan memiliki likuiditas yang tinggi dianggap baik, bahkan bagi para kreditur dipandang perusahaan tersebut berada dalam keadaan yang kuat. Namun bagi para pemegang saham ini dianggap tidak baik, dalam artian para manajer perusahaan tidak mendayagunakan likuiditas secara baik dan efisien atau dengan kata lain tingkat kreativitas manajer perusahaan adalah rendah.3 Hasil ini mendukung penelitian Makaryanawati dan Misbachul Ulum yang berjudul pengaruh tingkat suku bunga dan tingkat likuiditas perusahaan terhadap risiko investasi saham yang terdaftar pada Jakarta islamic index. Hasil penelitiannya didapat likuiditas tidak berpengaruh terhadap risiko investasi.4 3. Pengaruh Struktur Modal terhadap Risiko Investasi Pengaruh variabel struktur modal (LTDER) terhadap risiko investasi signifikan dimana nilai t hitung sebesar (3,074) dan signifikansi sebesar 0,004 < α = 5% (0,05), sehingga Ho ditolak dan Ha diterima. Maka dapat disimpulkan bahwa variabel struktur modal berpengaruh signifikan terhadap variabel risiko investasi.
3
. Irham Fahmi, Pengantar Manajemen Keuangan (Teori dan Soal Jawab) (Bandung: Alfabeta, 2014), hal. 69 4 . Makaryanawati dan Misbachul Ulum, “Pengaruh Tingkat Suku Bunga dan Tingkat Likuiditas Perusahaan terhadap Risiko Investasi Saham yang Terdaftar pada Jakarta Islamic Index” (Malang: Jurnal Ekonomi Bisnis, Tahun 14, Nomor 1, 2009).
76
Struktur modal menggambarkan masalah yang menyangkut komposisi pendanaan yang digunakan perusahaan yaitu penentuan berapa banyak utang yng digunakan untuk mendanai aktivanya. Bila semua dana yang digunakan untuk mendanai aktiva perushaan berasal dari pemilik dalam bentuk saham biasa, perusahaan tidak terikat pada kewajiban tetap berupa bunga. Suatu perusahaan yang menggunakan utang dalam berinvestasi akan lebih berisiko dari pada perusahaan tanpa utang, karena selain mempunyai risiko bisnis, perusahaan yang menggunakan utang mempunyai risiko keuangan.5 Risiko suatu perusahaan salah satunya dapat dilihat dari struktur modal yang dimiliki perusahaan. Semakin tinggi tingkat utang yang dimiliki perusahaan, maka semakin berisiko perusahaan tersebut, sebaliknya semakin rendah tingkat pengembalian utangnya maka risikopun semakin rendah.6 Hasil ini mendukung penelitian Helena Oktaviana Simamora dan I Gusti Bagus Wiksuana yang berjudul variabel yang mempengaruhi risiko saham pada perusahaan farmasi di bursa efek Indonesia. Hasil penelitian didapatkan likuiditas berpengaruh terhadap risiko investasi.7
5
. Ni Putu Ayu Dewi Yanti dan Ni Ketut Rasmin, “Analisis Faktor-faktor Yang Mempengaruhi Risiko Investasi Saham Pada Perusahaan Telekomunikasi” (Bali: Jurnal ISSN: 2302-8556 E-Jurnal Akuntansi Universitas Udayana 8.3 (2014): 569-583, hlm. 579 6 . Irham Fahmi, Pengantar Manajemen Keuangan (Teori dan Soal Jawab) (Bandung: Alfabeta, 2014), hal. 190 7 . Helena Oktaviana Simamora dan I Gusti Bagus Wiksuana, “Variabel Yang Mempengaruhi Risiko Saham Pada Perusahaan Farmasi di Bursa Efek Indonesia” (Bali: Skripsi Universitas Udayana, 2014).
