80
BAB IV METODE PENELITIAN
4.1. Jenis/Desain Penelitian Penelitian ini termasuk ke dalam penelitian kuantitatif karena dalam penelitian ini penulis akan menghitung seberapa besar pengaruh current ratio, Debt to equity ratio, Net profit margin, Total asset turn over dan Price earning ratio terhadap return saham dan excess return pada sektor pertambangan di BEI periode 2010-2014. Penelitian ini mencakup komponen-komponen yang terdapat dalam laporan keuangan, laporan tahunan perusahaan dan melakukan pengamatan pada situs www.idx.co.id untuk memperoleh data tanggal publikasi laporan keuangan tahunan untuk
memperoleh
data
dan
situs
www.finance.yahoo.com
harga saham pada hari pengumuman dan IHSG
perusahaan. Penelitian ini menggunakan metode analisis regresi data panel dan diolah dengan menggunakan Eviews 7.
4.2. Variabel Penelitian 4.2.1. Definisi Konsep Dalam penelitian ini, variabel independen yang digunakan meliputi Current ratio (CR), Debt to Equity Ratio (DER), Net Profit Margin (NPM), Total Asset
80
81
Turn Over (TATO) dan Price Earning Ratio (PER). Sedangkan variabel dependen 1 adalah return saham, berupa actual return yang terjadi pada periode ke-t yang merupakan perubahan relatif harga saham dari periode sebelumnya dan variabel dependen 2 adalah excess return, merupakan kelebihan tingkat keuntungan saham diatas tingkat keuntungan bebas risiko. Pengertian dari masing-masing variabel yang digunakan dalam penelitian ini adalah: 1. Return saham Return saham adalah tingkat keuntungan yang dinikmati oleh pemodal atas suatu investasi saham yang dilakukannya (Ang, 1997). Setiap investasi baik jangka pendek maupun jangka panjang mempunyai tujuan utama untuk mendapatkan keuntungan yang disebut
return, baik langsung maupun tidak
langsung (Ang, 1997). Berdasarkan pengertian return, bahwa return saham adalah hasil yang diperoleh dari investasi dengan cara menghitung selisih harga saham periode berjalan dengan periode sebelumnya dengan mangabaikan deviden, maka dapat ditulis rumus:
Ri = Dimana
Pt – P t-1 P t-1
...................................(4.1)
Ri = Return saham Pt = Harga saham akhir tahun t Pt-1 = Harga saham akhir tahun t -1
82
2. Excess Return Excess return merupakan kelebihan tingkat keuntungan saham diatas tingkat keuntungan bebas risiko (Husnan,2012). Berdasarkan pengertian tersebut, dapat ditulis rumus: Pt – P t-1 Ri-Rf = - Rf P t-1 Dimana
........................................(4.2)
Ri = Return saham Pt = Harga saham akhir tahun t Pt-1 = Harga saham akhir tahun t -1 Rf = tingkat keuntungan bebas risiko (digunakan data Suku Bunga Bank Indonesia)
3. Current Ratio (CR) Current ratio adalah rasio yang digunakan untuk mengukur kemampuan perusahaan dalam memenuhi kewajiban jangka pendeknya dengan aktiva lancar yang dimiliki (Brigham, 2010). Current asset Current Ratio = Current liabilities
4.
...................................(4.3)
Debt to Equity Ratio Debt to Equity Ratio (DER) adalah rasio untuk mengukur berapa besar
aktiva perusahaan yang dibiayai oleh kreditur.
Debt to Equity Ratio (DER)
diperoleh berdasarkan hasil perhitungan dengan rumus (Syamsuddin, 2009):
83
Debt to Equity Ratio =
Total debt Total equity
..................................... (4.4)
5. Net Profit Margin Net Profit Margin merupakan perbandingan antara laba setelah pajak (EAT) dengan penjualan. Rasio ini digunakan untuk mengukur rupiah laba yang dihasilkan oleh setiap penjualan. Rasio ini memberikan gambaran tentang laba untuk para pemegang saham sebagai prosentase dari penjualan. Net Profit Margin juga dapat digunakan untuk mengukur seluruh efisiensi, baik produksi, administrasi, pemasaran, pendanaan, penetuan harga maupun manajemen pajak (Prastowo, 1995).
Net profit Margin =
EAT Penjualan
............................ (4.5)
6. Total Asset Turn Over TATO merupakan salah satu rasio aktivitas yang menunjukan kemampuan serta efisiensi perusahaan dalam memanfaatkan aktiva yang dimilikinya atau perputaran aktiva-aktiva tersebut. Oleh karena itu TATO dapat digunakan untuk mengukur seberapa efisiensinya seluruh aktiva perusahaan dalam menunjang penjualan. Total assets turn over merupakan perbandingan antara penjualan dengan total aktiva suatu perusahaan dimana rasio ini menggambarkan kecepatan perputarannya total aktiva dalam satu periode tertentu. Total assets turn over
84
merupakan rasio yang menunjukkan tingkat efisiensi penggunaan keseluruhan aktiva perusahaan dalam menghasilkan volume penjualan tertentu (Syamsuddin, 2009). Penjualan Total Asset Turn Over = Total Aktiva
............................... (4.6)
7. Price Earning Ratio PER adalah rasio yang menunjukkan besarnya harga setiap satu rupiah yang harus dibayarkan investor untuk memperoleh satu rupiah earning perusahaan. PER melihat harga pasar saham relatif terhadap earning-nya (Tandelilin,2010). Rumus untuk menghitung Price Earning Ratio (PER) suatu saham adalah dengan membagi harga saham perusahaan terhadap earning per lembar saham. Secara matematis, rumus untuk menghitung PER adalah sebagai berikut (Tandelilin, 2010):
Price Earning ratio =
Harga saham EPS
.................................... (4.7)
85
4.2.2. Definisi Operasional
Tabel 4.1 Variabel Penelitian No. Variabel 1. Return saham
2
Excess return
3.
Current ratio (CR)
Defenisi
Pengukuran
Skala Pengukuran
Tingkat keuntungan yang diharapkan para investor dari kenaikan harga saham
Rasio
kelebihan tingkat keuntungan saham diatas tingkat keuntungan bebas risiko
Rasio
rasio yang digunakan untuk mengukur kemampuan perusahaan dalam memenuhi kewajiban jangka pendeknya dengan aktiva lancar yang dimiliki
Excess Return = Ri-Rf
Current asset Current Ratio = Current liabilities
Rasio
86
Tabel 4.1 Variabel Penelitian (lanjutan) No. Variabel
Defenisi
Skala Pengukuran
Pengukuran
4.
Debt to Equity Ratio (DER)
Rasio antara total hutang dengan total equity
5.
Total Aset Turn Over (TATO)
Perbandingan antara penjualan dengan total aktiva suatu perusahaan
Rasio
6.
Net Profit Margin (NPM)
Perbandingan antara laba setelah pajak (EAT) dengan penjualan
Rasio
Price Earning Ratio (PER)
Rasio antara harga dengan pendapatan per lembar saham
7.
Total debt Debt to Equity Ratio = Total equity
NPM =
Rasio
EAT Net sales Rasio
Sumber : Data Diolah (2015) 4.3. Populasi dan Sampel Penelitian Populasi yang digunakan pada penelitian ini adalah perusahaanperusahaan p e r t a m b a n g a n yang terdaftar di Bursa Efek Indonesia selama 5 (lima) tahun berturut-turut. Dari populasi tersebut dapat ditarik sampel dengan metode
purposive
sampling
yaitu
teknik
pengambilan
sampel
dengan
pertimbangan dan kriteria tertentu sesuai dengan tujuan dari penelitian. Kriteria tersebut dapat dilihat pada tabel 4.2
87
Tabel 4.2 Rincian Pemilihan Sampel Kriteria Perusahaan Sektor pertambangan BEI 2010-2014 (subsektor sub sektor coal mining dan sub sektor metal and mineral mining) Perusahaan yang tidak berturut-turut listing tahun 2010-2014 dan mengeluarkan laporan keuangan Jumlah perusahaan yang mengalami kerugian 2010-2014 Jumlah Perusahaan yang memenuhi kriteria Sumber: Data diolah (2015)
Jumlah 31 (12) (12) 7
Sampel dari penelitian ini berjumlah 7 perusahaan. Adapun sampel penelitian ini dapat dilihat dalam tabel 4.3 Tabel 4.3 Sampel Penelitian No Kode Saham Nama Emiten 1 ADRO Adaro Energy 2 ITMG Indo Tambangraya Megah 3 KKGI Resource Alam Indonesia 4 PTBA Tambang Batubara Bukit Asam 5 PTRO Petrosea 6 INCO Vale Indonesia 7 TINS Timah Sumber: Data diolah (2015) 4.4. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat kuantitatif berupa data rasio keuangan yang merupakan data faktor fundamental dan harga saham selama lima tahun yaitu dari tahun 2010-2014 yang berasal dari masing–masing perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia (BEI). Data sekunder adalah data yang diperoleh dari sumber yang menerbitkan dan bersifat siap pakai. Data sekunder mampu memberikan informasi dalam pengambilan keputusan meskipun dapat diolah lebih lanjut.
88
Dalam
penelitian
ini
data-data
yang
diperoleh
melalui
website
www.idx.co.id dan literatur- literatur yang berhubungan dengan masalah yang diteliti. Sedangkan jenis data yang digunakan dalam penelitian ini adalah data kuantitatif yakni data yang menekankan pengujian teori melalui pengukuran variabel penelitian dengan angka dan melakukan analisis data dengan prosedur statistik. Data yang digunakan adalah gabungan data dari data antar perusahaan (cross section) dengan data antar waktu (time series) yang biasa disebut dengan data panel. Data cross section yaitu data yang dikumpulkan dari waktu ke waktu
yang
dapat
menggambarkan
tentang
perkembangan
suatu
kejadian/kegiatan tertentu. Data antar waktu (time series) adalah data yang dikumpulkan pada waktu tertentu yang dapat menggambarkan keadaan atau karakteristik objek pada saat penelitian dilakukan.
4.5. Teknik Pengumpulan Data Data yang dikumpulkan dalam penelitian ini adalah data sekunder sehingga metode pengumpulan data menggunakan cara non participant observation. Metode pengumpulan data yang dilakukan dalam penelitian ini adalah dengan observasi dan studi dokumentasi. Teknik observasi merupakan salah satu teknik pengumpulan data dimana peneliti mengadakan pengamatan dan pencatatan secara sistematis terhadap objek yang diteliti, baik dalam situasi buatan yang secara khusus diadakan (laboratorium) maupun dalam situasi alamiah atau
89
sebenarnya (lapangan). Pada studi dokumentasi dilakukan pengumpulan data yang diperoleh dengan cara melihat, mencatat, menganalisis, dan mengevaluasi data sekunder yang diperoleh dari perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2010-2014. Data tersebut diperoleh dari www.idx.co.id, www.yahoofinance.com, dan atau di website masing- masing perusahaan. 4.6. Teknik Analisis Data Metode analisis data dalam penelitian ini adalah analisis regresi data panel. Data panel merupakan gabungan dari data cross section dan deret waktu (time series) yakni sejumlah variabel diobservasi atas sejumlah kategori dan dikumpulkan dalam suatu jangka waktu tertentu. Uji regresi panel ini digunakan untuk mengetahui hubungan antara variabel independen dengan variabel dependen. Pada penelitian ini data dioaleh dengan software Microsoft Excel dan pengolah data statistik Eviews 7.0. Penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan degree of random yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variabel).
90
Dalam menganalisis persamaan dengan menggunakan metode analisis regresi data panel dapat dilakukan dengan beberapa tahap yaitu : 4.6.1. Estimasi Model Data Panel Metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan antara lain: a.
Metode Pooled Least Square (PLS) / Common Effect Menurut Gujarati (2004) Pooled Least Square model merupakan metode
estimasi model regresi data panel yang paling sederhana dengan asumsi intercept dan koefisien slope yang konstan antar waktu dan cross section (common effect). Dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. Diasumsikan bahwa perilaku data antar perusahaan sama dalam berbagai kurun waktu. Dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu sehingga perilaku data antar perusahaan diasumsikan sama dalam berbagai kurun waktu. Pada dasarnya model common effect sama seperti OLS dengan meminimumkan jumlah kuadrat, tetapi data yang digunakan bukan data time series atau data cross section saja melainkan data panel yang diterapkan dalam bentuk pooled. Bentuk untuk model ordinary least square adalah Yit = b0 + b1X1it + b2X2it + b3X3it + ... + bnXnit + Ɛit
Dimana : Yit
= Variabel terikat /variabel dependen
Xit
= Variabel bebas / variabel independen
.................... (4.8)
91
i
= entitas ke-i
t
= waktu ke-t
b0
= Konstanta/ intersep regresi
b1, b2, b3, .., bn
= Koefisien Regresi
Ɛit
= galat atau Error
b.
Metode Fixed Effect Model (FEM) Model Fixed Effect adalah teknik mengestimasi data panel dengan
menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Pengertian Fixed Effect ini didasarkan adanya perbedaan intersep antara perusahaan namun intersepnya sama antar waktu (time in variant). Disamping itu, model ini juga mengasumsikan bahwa koefisien regresi (slope) tetap antar perusahaan dan antar waktu. Salah satu cara paling sederhana untuk mengetahui perbedaan adalah dengan mengasusmsikan bahwa intersep adalah berbeda antar perusahaan sedangkan slopenya tetap sama antar perusahaan. Pendekatan dengan variabel dummy ini dikenal dengan sebutan Fixed Effect Model atau least square dummy vatiable (LSDV) atau disebut juga covariance model (Winarno, 2007).
92
Persamaan dengan menggunakan Fixed Effect Model dapat ditulis dalam bentuk sebagai berikut: Yit = b0 + b1X1it + b2X2it +... +bnXnit + bn+1D1i + bn+2D2i +…..+ Ɛit
....... (4.9)
Dimana : D1, D2 ..Dn adalah variabel dummy
c.
Metode Random Effect Model (REM) Random effect model merupakan metode estimasi model regresi data panel
dengan asumsi koefisien slope dan intercept berbeda antar individu dan antar waktu (random effect). Terdapatnya variabel dummy di dalam fixed effect model bertujuan
untuk mewakili ketidaktahuan tentang model yang sebenarnya.
Namun, ini juga membawa konsekuensi berkurangnya derajat kebebasan (degree of freedom) yang pada akhirnya mengurangi efisiensi parameter. Masalah ini bisa diatasi dengan menggunakan variabel gangguan (error term) yang dikenal dengan metode Random Effect (Winarno,2007). Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu.
Model yang tepat digunakan untuk mengestimasi
Random Effect adalah Generalized Least Square (GLS) sebagai estimatornya, karena dapat meningkatkan efisiensi dari least square.
93
Persamaan dengan menggunakan Random Effect Model dapat ditulis dalam bentuk sebagai berikut: ........................... (4.10)
Yit= α1 + bjXj it + Ɛit dengan Ɛit = ui + vt + wit
Dimana : ui~ N (0, σu2) = komponen cross section error vt~ N (0, σv2) = komponen time series error wit~ N (0, σw2) = komponen error kombinasi
4.6.2. Pemilihan Model Data Panel Untuk memilih model mana yang paling tepat digunakan untuk pengolahan
data panel,
maka terdapat
beberapa
pengujian
yang dapat
dilakukan, antara lain: a. Uji Chow Uji Chow adalah pengujian untuk memilih apakah model digunakan pooled least square model atau fixed effect model. Dalam pengujian ini dilakukan dengan hipotesis sebagai berikut: H0
= Pooled Least Square Model (PLS) / Common Effect
Ha
= Fixed Effect Model (FEM)
Dasar
penolakan
terhadap
hipotesis
di
atas
adalah
dengan
membandingkan perhitungan F statistic dengan F tabel. Perbandingan dipakai apabila hasil F hitung > dari F tabel, maka H0 ditolak yang berarti model yang
94
lebih tepat digunakan adalah fixed effect model. Sebaliknya, jika F hitung < dari F tabel, maka Ho diterima dan model yang lebih tepat digunakan adalah common effect model. Perhitungan F statistic untuk Uji Chow dapat dilakukan dengan rumus (Gujarati,2004):
.................................(4.11) Dimana: SSE1 : Sum Square Error dari model common effect SSE2 : Sum Square Error dari model fixed effect n
: jumlah perusahaan
nt
: jumlah cross section x time series
k
: jumlah variabel independen
Sedangkan F tabel didapat dari: F-tabel = α : df (n-1, nt-n-k)
Dimana : α : tingkat signifikasi yang dipakai n
: jumlah perusahaan
nt
: jumlah cross section x time series
k
: jumlah variabel independen
................................................... (4.12)
95
b. Uji Hausman Hausman test adalah pengujian statistik untuk memilih apakah model fixed effect atau random effect lebih tepat digunakan dalam regresi data panel. Uji ini dikembangkan oleh Hausman dengan didasarkan pada ide bahwa LSDV di dalam model fixed effect dan GLS adalah efisien sedangkan model OLS adalah tidak efisien, di lain pihak alternatifnya metode OLS efisien dan GLS tidak efisien. Karena itu uji hipotesis nolnya adalah hasil estimasi keduanya tidak berbeda sehingga uji hausman bisa dilakukan berdasarkan perbedaan estimasi tersebut (Gujarati,2004). Pengujian dilakukan dengan hipotesis berikut: H0
: Random Effect Model
Ha
: Fixed Effect Model
Jika chi-square hitung > chi-square tabel berarti H0
ditolak, artinya
model yang digunakan adalah fixed effect model. Jika chi square hitung < chi square tabel berarti H1 ditolak, artinya model yang digunakan adalah fixed effect model.
c. Uji Lagrange Multiplier LM (Lagrange Multiplier) adalah uji untuk mengetahui apakah model Random Effect atau common effect yang paling tepat digunakan. Uji signifikasi Random Effect ini dikembangkan oleh Breusch Pagan. Metode yang digunakan
96
didasarkan pada nilai residual dari metode OLS. Adapaun nilai statistik LM dihitung berdasarkan persamaan sebagai berikut (Widarjono,2013):
.....................................(4.13) Dimana : n
: jumlah individu
T
: jumlah periode waktu
e
: residual metode common effect.
Hipotesis yang digunakan adalah : H0 : Common effect model H1 : Random effect model Uji LM ini didasarkan pada distribusi chi-squares dengan degree of freedom sebesar jumlah variabel independen. Jika nilai LM statistik lebih besar dari nilai kritis statistik chi squares maka H0 ditolak, yang artinya estimasi yang tepat untuk model regresi data panel adalah metode Random Effect. Sebaliknya jika nilai LM statistik lebih kecil dari nilai statistik chi squares sebagai nilai kritis, maka Ho diterima, yang artinya estimasi yang digunakan dalam regresi dagta panel adalah metode common effect.
97
4.6.3. Uji Asumsi Klasik Sebelum dilaksanakan pengujian hipotesis teori, maka dilakukan pengujian asumsi klasik untuk memenuhi estimasi regresi yang bersifat BLUE (Best Linear Unbias Estimation). Dalam penelitian ini digunakan data panel. Data panel adalah regresi yang menggabungkan data time series dan data cross section. Menurut Gujarati (2004), keuntungan dari penggunaan data panel dalam penelitian adalah sebagai berikut: -
Data
panel
dapat
membatasi
heterogenitas,
karena
data
panel
mengkombinasikan unit observasi yang berbeda -
Kombinasi time series dan cross section pada data panel akan memberikan informasi yang lebih banyak mengenai data yang diobservasi
-
Dinamika variabel yang diobservasi dapat diamati dengan baik
-
Data panel dapat mendeteksi dan mengukur efek-efek dengan baik, dimana hal ini tidak dapat dilakukan melalui data cross section ataupun time series.
-
Data panel memungkinkan untuk mempelajari pergerakan model yang lebih kompleks.
-
Data panel dapat meminimalkan bias yang mungkin terjadi pada data yang tersedia. Menurut Gujarati (2012) data panel sedikit terjadi kolinearitas antar variabel
sehingga sangat kecil kemungkinan terjadi multikolinearitas. Berdasarkan uraian
98
tersebut asumsi klasik yang digunakan dalam penelitian adalah uji autokorelasi dan uji heterokedastisitas.
a. Uji Autokorelasi Autokorelasi muncul karena residual yang tidak bebas antar satu observasi ke observasi lainnya. Hal ini disebabkan karena error pada individu cenderung mempengaruhi individu yang sama pada periode berikutnya. Masalah autokorelasi sering terjadi pada data time series (runtut waktu). Deteksi autokorelasi pada data panel dapat melalui uji Durbin-Watson. Nilai uji Durbin-Watson dibandingkan dengan nilai tabel Durbin-Watson untuk mengetahui keberadaan korelasi positif atau negatif (Gujarati, 2012). Keputusan mengenai keberadaan autokorelasi sebagai berikut :
1. Jika d < dl, berarti terdapat autokorelasi positif 2. Jika d > (4 – dl), berarti terdapat autokorelasi negatif 3. Jika du < d < (4 – dl), berarti tidak terdapat autokorelasi 4. Jika dl < d < du atau (4 – du), berarti tidak dapat disimpulkan
b. Uji Heterokedastisitas Menurut Gujarati(204), heteroskedasticity terjadi apabila varians dari error suatu model tidak konstan. Dengan adanya efek heteroskedastisitas, dampakdampak yang ditimbulkan antara lain:
99
a. Variance yang tidak konstan menyebabkan nilai variance umumnya menjadi lebih besar dari taksiran b. Variance yang besar menyebabkan uji hipotesis (Uji F dan uji t) menjadi kurang tepat c. Interval kepercayaan menjadi lebih besar akibat standar error yang besar d. Kesimpulan yang dihasilkan dari regresi yang dilakukan menjadi tidak tepat. Salah satu cara untuk untuk menguji apakah error terdistribusi secara homoskedastisitas atau tidak, adalah dengan uji White. Nilai yang dibandingkan adalah antara nilai tabel dari chi square dengan df, dimana df sama dengan jumlah regressor dengan sampel (n) dikalikan R2 dari auxiliary regression. Jika hasil perhitungan pada persamaan di atas melebihi tabel, maka Ho ditolak, dan menyimpulkan bahwa terdapat heteroskedastisitas. Masalah heteroskedastisitas pada data panel dapat dihilangkan dengan pendekatan fixed effect, dengan memilih cross section weight pada saat melakukan estimasi dengan Eviews.
4.6.4. Uji Statistik a. Uji R2 (Koefisien Determinasi) Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui ada hubungan pengaruh antara dua variabel. Nilai koefisien determinasi menunjukkan persentase variasi nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi yang dihasilkan. Nilai R2 pada suatu persamaan regresi menunjukkan hubungan
pengaruh
variabel
Y
100
(sebagai variabel dependen) dan variabel X (sebagai variabel independen) dari hasil
perhitungan tertentu. Besarnya koefisien determinasi adalah 0
sampai dengan 1. Semakin mendekati nol besarnya koefisien determinasi (R2) suatu persamaan regresi, semakin kecil pula pengaruh semua variabel independen terhadap nilai variabel dependen, dengan kata lain semakin kecil kemampuan model dalam menjelaskan perubahan nilai variabel dependen. Sebaliknya semakin mendekati satu besarnya koefisien determinasi (R2) suatu persamaan regresi, semakin besar pula pengaruh semua variabel independen terhadap variabel dependen, dengan kata lain
semakin
besar
kemampuan
model yang dihasilkan dalam menjelaskan perubahan nilai variabel dependen. Hal ini juga berlaku pada Adjusted R2 di mana semakin mendekati angka 1 maka akan semakin baik. Adapun yang digunakan dalam penelitian ini adalah nilai Adjusted R2
pada saat mengevaluasi model regresi terbaik. Tidak
seperti R2, nilai Adjusted R2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Koefisien determinasi (R2) memiliki kesalahan, yaitu bias terhadap jumlah varaibel bebas yang dimasukkan dalam model regresi dimana setiap penambahan satu variabel bebas dan jumlah pengamatan dalam model akan meningkatkan nilai R2
meskipun variabel yang dimasukkan tersebut tidak
memiliki pengaruh yang signifikan terhadap variabel mengurangi
kesalahan
tergantungnya.
Untuk
kelemahan tersebut maka digunakan koefisien
determinasi yang telah disesuaikan, adjusted R2. Koefisien determinasi yang
101
telah
disesuaikan
berarti bahwa koefisien tersebut telah dikoreksi dengan
memasukan jumlah variabel dan ukuran sampel yang digunakan. Dengan mengunakan koefisien determinasi
yang
disesuaikan maka nilai. Koefisien
determinasi yang disesuaikan itu dapat naik atau turun oleh adanya penambahan variabel baru dalam model. b. Uji Signifikansi secara Simultan (Uji F) Untuk menyimpulkan apakah model masuk dalam kategori cocok (fit) atau tidak, kita harus membandingkan nilai F hitung dengan nilai F tabel dengan derajat bebas: df: α, (k-1), (n, k), dimana k adalah jumlah variabel independen dan
dependen dan n adalah jumlah pengamatan (ukuran sampel). Dasar
pengambilan keputusannya adalah jika nilai F hitung > F tabel, maka H0 ditolak dan Ha diterima yang berarti bahwa variabel independen secara simultan
berpengaruh signifikan terhadap variabel dependen, tetapi jika F
hitung < F tabel, maka H0
diterima dan Ha
ditolak yang berarti bahwa
variabel independen secara simultan tidak berpengaruh terhadap variabel dependen. Uji statistik F pada dasarnya menunjukan apakah variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh yang secara bersama-sama terhadap variabel dependen/terikat. Langkah—langkah yang harus dilakukan pada uji-F yaitu dengan pengujian hipotesis : 1)
H0 : bi = 0, artinya variabel bebas (independen) tidak terdapat pengaruh
102
signifikan terhadap variabel terikat (dependen) 2)
Ha
: bi ≠ 0, artinya variabel bebas (independen) terdapat pengaruh
signifikan terhadap variabel terikat (dependen).
Pengambilan keputusan dilakukan dengan kriteria bila nilai Fhitung > daripada Ftabel atau tingkat signifikansinya lebih kecil dari 5% ( α : 5 % = 0,05 ) maka hal ini menunjukkan bahwa H0 ditolak dan Ha diterima, yang berarti bahwa variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependen secara simultan.
c.Uji Parsial (Uji Statistik t) Uji t digunakan untuk menganalisis pengaruh variabel independen terhadap variabel dependen secara parsial pada tingkat signifikansi 0,05 (5%). Langkah - langkah yang harus dilakukan dengan uji-t yaitu dengan pengujian hipotesis : 1)
H0 :
bi = 0, artinya variabel bebas (independen) tidak terdapat
pengaruh signifikan terhadap variabel terikat (dependen) 2)
Ha : bi
≠ 0, artinya variabel bebas (independen) terdapat pengaruh
signifikan terhadap variabel terikat (dependen Pengambilan keputusan dilakukan dengan kriteria bila t hitung > t tabel atau signifikan t < α : 5% (0,05%) maka Hₒ ditolak dan Hₐ diterima, yang berarti terdapat pengaruh signifikan secara parsial variabel independen terhadap variabel dependen.
