BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1. Hasil Penelitian Data variabel hasil penelitian pada perusahaan makanan dan minuman yang terdaftar di BEI periode tahun tahun 2009 – 2014 dapat ditunjukkan dengan deskriptif statistik pada Tabel 5.1 dibawah ini : Tabel 5.1 Descriptive Statistics
ROA CR DR TATO PBV Valid N (Listwise)
N
Minimum
Maximum
90 90 90 90 90 90
.0006 .5139 .1626 .3487 .37
.5257 6.3308 .8940 2.7466 47.11
Mean .107663 1.880721 .497586 .896797 4.2947
Std. Deviation .1011612 1.1020665 .1456091 .4195345 6.78112
Sumber : Data Diolah (2015)
Berdasarkan hasil uji statistik pada table 5.1 terlihat bahwa : 1.
Variabel X1 (Profitabilitas), hasil pencapaian kinerja perusahaan dari 90 sampel data (N = 90) diukur dengan Return on Asset (ROA) dapat dijelaskan sebagai berikut : a)
Minimum : nilai terendah atau minimum adalah sebesar 0,0006 dan diperoleh oleh SIPD pada tahun 2014.
b)
Maximum : nilai tertinggi atau maximum adalah sebesar 0,5257 dan diperoleh oleh MLBI pada tahun 2013.
c)
Mean : Nilai rata-rata atau mean adalah sebesar 0,107663, artinya bahwa nilai rata-rata variabel ROA dari 90 sampel data diperoleh sebesar 0,010763.
57
58
d)
Std Deviation : nilai rata-rata ROA memiliki simpangan data atau standard deviation 0,1011612, yang artinya bahwa rasio profitabilitas (X1) memiliki tingkat simpangan baku sebesar 0,1011612 atau sebesar 10,116%.
2.
Variabel X2 (Likuiditas), hasil pencapaian kinerja perusahaan dari 90 sampel data (N = 90) diukur dengan diukur dengan Current Ratio (CR) dapat dijelaskan sebagai berikut : a)
Minimum : nilai terkecil atau minimum adalah sebesar 0,5139 dan diperoleh oleh MLBI pada tahun 2014.
b)
Maximum : nilai tertinggi atau maximum adalah sebesar 6,3308 dan diperoleh oleh DLTA 2010.
c)
Mean : Nilai rata-rata atau mean dari X2 (Current ratio) adalah sebesar 1,880721. artinya bahwa nilai rata-rata variabel CR dari 90 sampel data diperoleh sebesar 1,880721.
d)
Std. Deviation : nilai rata-rata Current Ratio (CR) memiliki simpangan data atau standard deviation 1,1020665, artinya bahwa rasio likuiditas (X2) memiliki tingkat simpangan baku sebesar 1,1020665 atau sebesar 110,206%.
3.
Variabel X3 (Solvabilitas), hasil pencapaian kinerja perusahaan dari 90 sampel data (N = 90) diukur dengan Debt Ratio dapat dijelaskan sebagai berikut : a)
Minimum : nilai terkecil atau minimum adalah sebesar 0,1626 dan diperoleh oleh DLTA tahun 2010.
59
b)
Maximum : nilai tertinggi atau maximum adalah sebesar 0,8940 dan diperoleh oleh MLBI 2009.
c)
Mean : Nilai mean dari X3 (DR) adalah sebesar 0,497586, artinya bahwa nilai rata-rata variabel DR dari 90 sampel data diperoleh sebesar 0,497586.
d)
Std. Deviation : nilai rata-rata Debt Ratio (DR) memiliki simpangan data atau standard deviation sebesar 0,1456091, artinya bahwa rasio solvabilitas (X3) memiliki tingkat simpangan baku sebesar 0,145609 atau sebesar 114,560%.
4.
Variabel X4 (Aktivitas), hasil pencapaian kinerja perusahaan dari 90 sampel data (N = 90) diukur dengan Total Asset Turnover (TATO) dapat dijelaskan sebagai berikut : a)
Minimum : nilai terkecil atau minimum adalah sebesar 0,3487. Nilai TATO paling kecil diperoleh oleh CEKA 2014.
b)
Maximum : nilai tertinggi atau maximum adalah sebesar 2,7466. Nilai TATO paling tinggi diperoleh oleh AISA pada tahun 2010.
c)
Mean : Nilai mean dari X4 (TATO) adalah sebesar 0,896797, artinya bahwa nilai rata-rata variabel TATO dari 90 sampel data diperoleh sebesar 0,896797.
d)
Std. Deviation : nilai rata-rata Total Asset Turnover (TATO) memiliki simpangan data atau standard deviation sebesar 0,4195345, artinya bahwa rasio aktivitas (X4) memiliki tingkat simpangan baku sebesar 0,4195345 atau sebesar 41,954 %.
60
5.
Variabel Y (Nilai Perusahaan), hasil pencapaian kinerja perusahaan dari 90 sampel (N = 90) diukur dengan Price to Book Value (PBV) dapat dijelaskan sebagai berikut : a)
Minimun : nilai terkecil atau minimum adalah sebesar 0,37 dan diperoleh oleh SIPD pada tahun 2013.
b)
Maksimum : nilai tertinggi atau maximum adalah sebesar 47,11 dan diperoleh oleh MLBI pada tahun 2012.
c)
Mean : Nilai mean dari Y adalah sebesar 4,2947 artinya bahwa nilai rata-rata variabel PBV dari 90 sampel data diperoleh sebesar 4,2947
d)
Std. Deviation : nilai rata-rata PBV memiliki simpangan data atau standard deviation sebesar 6,78112, artinya bahwa PBV (Y) memiliki tingkat simpangan baku sebesar 6,78112 atau sebesar 678,112%.
5.2.
Pembahasan
5.2.1 Uji Asumsi Klasik Hasil uji Asumsi Klasik dalam penelitian ini dapat dirinci sebagai berikut : 5.2.1.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual mempunyai distribusi normal. Hasil uji normalitas dalam penelitian ini menggunakan normal P.P Plot dan dipertegas dengan uji normalitas menggunakan Kolmogorov-Smirnov test, seperti disajikan pada gambar-gambar berikut : 1.
Hasil uji Normalitas sebelum dilakukan perbaikan atas pelanggaran asumsi klasik pada uji Heteroskedastisitas.
61
Gambar 5.1 Hasil Uji Normalitas Sumber : Data Diolah (2015)
Uji normalitas dengan analisis grafik, data dikatakan berdistribusi normal jika : a)
Data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
b)
Data menyebar menjauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Berdasarkan gambar 5.1 Normal P-P Plot of Regression Standardized
Residual dapat dijelaskan bahwa Normal Probability Plot memiliki titik-titik (data) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan data terdistribusi normal dan model regresi telah memenuhi asumsi normalitas. Hasil uji normalitas dengan Kolmogorov-Smirnov test, seperti disajikan pada tabel berikut :
62
Tabel 5.2 One-Sample Kolmogorov-Smirnov Test Unsandardized Residual N Normal Parametersa.b Most Extreme Differences
Mean Std. Deviation Absolute Positttive Negative
Kolmoggorov-Smirnov Z Asymp. Sig. (2-tailed)
90 .0000000 4.45155797 .205 .205 -.157 1.945 .001
a. Test distribution is Normal b. Calculated from data Sumber : Data Diolah (2015)
Data dikatakan berdistribusi normal jika nilai p-value atau Asymp. Sig. (2tailed) lebih besar dari 0,05 atau sebaliknya jika nilai p-value atau Asymp. Sig. (2tailed) lebih kecil dari 0,05 data dikatakan tidak berdistribusi nomal. Berdasarkan tabel 5.2 One-Sample Kolmogorov-Smirnov Test diatas, nilai Asymp. Sig. (2-tailed) sebesar 0,01. Oleh karena nilai Asymp. Sig. (2-tailed) lebih kecil dari 0,05, maka dapat disimpulkan bahwa data tersebut tidak terdistribusi normal. 2.
Hasil uji Normalitas setelah dilakukan perbaikan atas pelanggaran asumsi klasik pada uji Heteroskedastisitas yaitu dengan melakukan transformasi logaritma natural (Ln).
63
Gambar 5.2 Hasil Uji Normalitas pada uji Heteroskedastisitas Sumber : Data Diolah (2015)
Berdasarkan gambar 5.2 Normal P-P Plot of Regression Standardized Residual dapat dijelaskan bahwa Normal Probability Plot memiliki titik-titik (data) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa setelah dilakukan perbaikan pelanggaran asumsi klasik pada uji Heteroskedastisitas data tetap terdistribusi normal dan model regresi telah memenuhi asumsi normalitas. Uji Normalitas dengan Kolmogorov-Smirnov setelah dilakukan perbaikan atas pelanggaran uji normalitas pada uji heteroskedastisitas seperti table berikut : Tabel 5.3 One-Sample Kolmogorov-Smirnov Test Unsandardized Residual N Normal Parametersa.b Most Extreme Differences
Kolmoggorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal b. Calculated from data Sumber : Data Diolah (2015)
Mean Std. Deviation Absolute Positttive Negative
90 .0000000 .70961715 .068 .068 -.059 .645 .799
64
Berdasarkan tabel 5.3 One-Sample Kolmogorov-Smirnov Test, nilai Asymp. Sig. (2-tailed) sebesar 0,799. Oleh karena nilai Asymp. Sig. (2-tailed) lebih besar dari 0.05, maka dapat disimpulkan bahwa setelah dilakukan perbaikan atas pelanggaran uji normalitas pada uji heteroskedastisitas data terdistribusi normal.
3.
Hasil uji Normalitas setelah dilakukan perbaikan atas pelanggaran asumsi klasik pada uji Autokorelasi dengan menambahkan 1 variabel baru yaitu LnY,
maksudnya menggunakan data variabel Y mundur 1 kali, sehingga
n data menjadi berkuang 1.
Gambar 5.3 Hasil Uji Normalitas pada uji Autokorelasi Sumber : Data Diolah (2015)
Berdasarkan gambar 5.3 Normal P-P Plot of Regression Standardized Residual dapat dijelaskan bahwa Normal Probability Plot memiliki titik-titik (data) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa setelah dilakukan perbaikan pelanggaran asumsi klasi
65
pada uji autokorelasi data tetap terdistribusi normal dan model regresi telah memenuhi asumsi normalitas. Dengan demikian dikatakan data mempunyai distribusi normal. Dibuktikan dengan Kolmogorov-Sminov test seperti table beikut : Tabel 5.4 One-Sample Kolmogorov-Smirnov Test Unsandardized Residual N Normal Parametersa.b Most Extreme Differences
Mean Std. Deviation Absolute Positttive Negative
Kolmoggorov-Smirnov Z Asymp. Sig. (2-tailed)
89 .0000000 .67733279 .111 .103 -.111 1.048 .222
a. Test distribution is Normal b. Calculated from data Sumber : Data Diolah (2015)
Berdasarkan tabel One-Sample Kolmogorov-Smirnov Test, nilai Asymp. Sig. (2-tailed) sebesar 0,222. Oleh karena nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05, maka dapat disimpulkan bahwa setelah dilakukan perbaikan atas pelanggaran uji autokorelasi data tetap terdistribusi normal, dengan demikian model regresi telah memenuhi asumsi normalitas. 5.2.1.2 Uji Multikolinearitas Uji multikolinearitas digunakan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Hasil uji multikolinieritas dapat dilihat pada tabel berikut : 1.
Hasil uji Multikolinearitas sebelum dilakukan perbaikan atas pelanggaran asumsi klasik pada uji Heteroskedastisitas.
66
Tabel 5.5 Coefficients Model
Unstandardized Coefficients B
Unstandardized Coefficients
Std. Error
Collinearity Statistics t
Sig
Beta
(Constanta) -6.024 3.127 ROA 48.027 4.989 CR -.236 .614 DR 12.160 4.598 TATO -.512 1.229 a. Dependent Variable : PBV Sumber : Data Diolah (2015)
.716 -.038 .261 -.032
Tolerance
-1.927 9.626 -.384 2.645 -.416
.057 .000 .702 .010 .678
.915 .509 .520 .876
VIF
1.093 1.966 1.923 1.141
Uji Multikolinearitas dengan TOL (Tolerance) dan Variance Inflation Factor (VIF) dikatakan tidak terjadi gejala Multikolinearitas jika dipenuhi kriteria: nilai TOL > 0,1 dan VIF < 10. Berdasarkan tabel Coefficients yang ditunjukkan oleh table 5.5 terlihat bahwa masing-masing variabel mempunyai nilai TOL > 0,1 dan VIF < 10, dengan demikian dapat disimpulkan bahwa masing-masing variabel terbebas dari gejala multikolinearitas. 2.
Hasil uji Multikolinearitas setelah dilakukan perbaikan atas pelanggaran
asumsi klasik pada uji Heteroskedastisitas. Tabel 5.6 Coefficients Model
Unstandardized Coefficients B
Unstandardized Coefficients
Std. Error
(Constanta) 3.207 .321 .741 .079 LnX1 .316 .250 LnX2 .727 .339 LnX3 .030 .192 LnX4 a. Dependent Variable : PBV Sumber : Data Diolah (2015)
Collinearity Statistics t
Sig
Beta
.739 .143 .244 .012
Tolerance
9.986 9.365 1.261 2.143 .158
.000 .000 .211 .035 .875
.907 .439 .434 .929
VIF
1.102 2.275 2.306 1.076
67
Berdasarkan tabel Coefficients yang terlihat pada table 5.6, masing-masing variabel mempunyai nilai TOL > 0,1 dan VIF < 10, artinya hasil uji multikolinearitas setelah dilakukan perbaikan atas pelanggaran asumsi klasik pada uji Heteroskedastisitas tetap terbebas dari gejala multikolinearitas. 3.
Hasil uji Multikolinearitas setelah dilakukan perbaikan atas pelanggaran
asumsi klasik pada uji Autokorelasi Tabel 5.7 Coefficients Model
Unstandardized Coefficients B
(Constanta) LnX1 LnX2 LnX3 LnX4 LnY
2.347 .546 .340 .619 .013 .286
Unstandardized Coefficients
Std. Error .420 .100 .247 .335 .186 .096
Collinearity Statistics t
Sig
Beta .547 .154 .208 .005 .286
Tolerance 5.590 5.475 1.376 1.845 .068 2.982
.000 .000 .173 .069 .946 .004
.527 .421 .413 .933 .569
VIF 1.898 2.376 2.424 1.072 1.758
a. Dependent Variable : LnY Sumber : Data Diolah (2015)
Berdasarkan tabel Coefficients 5.7, masing-masing variabel mempunyai nilai TOL > 0,1 dan VIF < 10, artinya hasil uji multikolinearitas setelah dilakukan perbaikan atas pelanggaran asumsi klasik pada uji autokorelasi tetap terbebas dari gejala multikolinearitas. 5.2.1.3. Uji Autokorelasi Uji autokorelasi digunakan untuk menguji apakah dalam suatu model ada korelasi antar kesalahan pengganggu (residual) pada periode t dengan kesalahan pada periode t-1 (sebelumnya). 1.
Hasil uji Otokorelasi sebelum dilakukan perbaikan atas pelanggaran asumsi
klasik pada uji Heteroskedastisitas.
68
Model
R
1
.754a
Tabel 5.8 Model Summaryb Adjusted Std. Error of R Square R Square The Estimate .569 .549 4.55510
Durbin Wastton 2.046
a. Predictors : (Canstant), TATO, CR, ROA, DR b. Dependent Variable : PBV Sumber : Data Diolah (2015)
Uji autokorelasi dengan metode Durbin-Watson (Durbin-Watson Test) dikatakan tidak terjadi gejala otokorelasi jika nilai DW berada diantara nilai dL dan 4 - dU (dL = 4 - dU), kesimpulan lain adalah sebagai berikut : i)
< dL, Ada autokorelasi positif,
ii)
dL = dU, tanpa kesimpulan,
iii)
4 - dU = 4 - dL, tanpa kesimpulan,
iv)
> 4 - dL, Ada autokorelasi negatif. Berdasarkan tabel 5.8 Model Summary, terlihat bahwa nilai Durbin-Watson
adalah sebesar 2,046, diketahui N = 90 dan K = 4, maka nilai dL = 1,5656 dan nilai dU = 1,7508, sedangkan nilai 4 - dL = 4 – 1,5656 = 2,4344 dan
4-dU =
2,2492. Dari hasil perhitungan tersebut dapat disimpulkan bahwa nilai DW berada diantara dU = 4-dU (1,7508 < 2,046 < 2,2492), artinya tidak terjadi gejala otokorelasi. 2.
Hasil uji Autokorelasi setelah dilakukan perbaikan atas pelanggaran asumsi
klasik pada uji Heteroskedastisitas.
Model
R
1
.721a
Tabel 5.9 Model Summaryb Adjusted Std. Error of R Square R Square The Estimate .520 .497 .72612
a. Predictors : (Canstant), LnX4, LnX3, LnX1, LnX2 b. Dependent Variable : LnY Sumber : Data Diolah (2015)
Durbin Wastton 1.503
69
Berdasarkan tabel 5.9 Model Summary, terlihat bahwa nilai Durbin-Watson adalah sebesar 1,503, diketahui N = 90 dan K = 4, maka nilai dL = 1,5656 dan nilai dU = 1,7508, sedangkan nilai 4-dL = 4-1,5656 = 2,4344 dan 4-dU = 2,2492. Dari hasil perhitungan tersebut dapat disimpulkan bahwa setelah dilakukan perbaikan atas pelanggaran asumsi klasik pada uji heteroskedastisitas nilai DW lebih kecil dari dL (1,503 < 1,5656), artinya terdapat gejala autokorelasi positif. 3.
Hasil uji Autokorelasi setelah dilakukan perbaikan :
Model
R
1
.751a
Tabel 5.10 Model Summaryb Adjusted Std. Error of R Square R Square The Estimate .564 .538 .69744
Durbin Wastton 1.929
a. Predictors : (Canstant), LagLnY, LnX3, LnX4, LnX1, LnX2 b. Dependent Variable : LnY Sumber : Data Diolah (2015)
Berdasarkan tabel 5.10 Model Summary, terlihat bahwa nilai DurbinWatson adalah sebesar 1,929, diketahui N = 89 dan K = 4, maka nilai dL = 1,5627 dan nilai dU = 1,7501, sedangkan nilai 4-dL= 4-1,5627 = 2,4373 dan 4-dU = 2,2499. Dari hasil perhitungan tersebut dapat disimpulkan bahwa setelah dilakukan perbaikan atas pelanggaran asumsi klasik pada uji autokorelasi nilai DW berada diantara dU = 4 - dU (1,7501 < 1,929 < 2,2499), artinya tidak terjadi gejala auokorelasi.
5.2.1.4. Uji Heteroskedastisitas Untuk mendeteksi terhadap gejala heteroskedastisitas dilakukan dengan menggunakan Scatter Plot seperti terlihat pada gambar berikut ini : 1.
Hasil uji Heteroskedastisitas sebelum dilakukan perbaikan :
70
Gambar 5.4 Hasil Uji Heteroskedastisitas Sumber : Data Diolah (2015)
Uji Heteroskedastisitas dengan analisis grafik, dikatakan tidak terjadi gejala heteroskedastisitas atau tidak terjadi masalah heteroskedastisitas jika titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y. Berdasarkan grafik Scatter Plot pada gambar 5.4 di atas dapat diketahui bahwa titik-titik tidak menyebar dengan pola yang jelas di atas dan di bawah angka 0 pada sumbu Y maka pada model regresi tersebut terjadi masalah heteroskedastisitas. 2.
Hasil uji Heteroskedastisitas setelah dilakukan perbaikan :
Gambar 5.5 Hasil Uji Heteroskedastisitas Setelah perbaikan pelanggaran Sumber : Data Diolah (2015)
71
Berdasarkan grafik Scatter Plot pada gambar 5.5 di atas setelah dilakukan perbaikan atas pelanggaran asumsi klasik pada uji Heteroskedastisitas, maka dapat diketahui bahwa titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y maka pada model regresi tidak terjadi masalah heteroskedastisitas. 3.
Hasil uji Heteroskedastisitas setelah dilakukan perbaikan atas pelanggaran
asumsi klasik pada uji Autokorelasi.
Gambar 5.6 Hasil Uji Heteroskedastisitas Setelah perbaikan pelanggaran Sumber : Data Diolah (2015)
Berdasarkan grafik Scatter Plot pada gambar 5.6, setelah dilakukan perbaikan atas pelanggaran asumsi klasik pada uji otokorelasi, maka dapat diketahui bahwa titik-titik tetap menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y maka pada model regresi tidak terjadi masalah heteroskedastisitas.
72
5.2.2. Uji Koefisien Korelasi dan Determinasi Hasil perhitungan koefisien korelasi dan koefisien determinasi dalam penelitian ini dapat ditunjukkan pada Tabel 5.11 sebagai berikut : Tabel 5.11 Hasil Uji Koefisien Korelasi dan Determinasi
Model
R
1
.751a
Model Summaryb Adjusted Std. Error of R Square R Square The Estimate .564 .538 .69744
Durbin Wastton 1.929
a. Predictors : (Canstant), LnY, LnX3, LnX4, LnX1, LnX2 b. Dependent Variable : LnY Sumber : Data Diolah (2015)
Berdasarkan Tabel 5.11 di atas maka dapat dijelaskan sebagai berikut : Nilai R Square (R2) adalah 0,564, artinya bahwa variabel ROA (X1), Current Ratio (X2), Debt Ratio (X3) dan Total Assets Turnover (X4) mempengaruhi variabel Y (Price Book Value) sebesar 0,564 atau 56,4%, sedangkan sisanya sebesar 43,6% dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam penelitian ini. 5.2.3 Uji Analisis Regresi Hasil uji analisis regresi dalam penelitian ini dapat ditunjukkan pada Tabel 5.12 dibawah ini : Tabel 5.12 Hasil Uji Analisis Regresi Coefficients Unstandardized Unstandardized Collinearity Statistics Coefficients Coefficients Model t Sig Std. B Beta Tolerance VIF Error (Constanta) 2.347 .420 5.590 .000 LnX1 .546 .100 .547 5.475 .000 .527 1.898 LnX2 .340 .247 .154 1.376 .173 .421 2.376 LnX3 .619 .335 .208 1.845 .069 .413 2.424 LnX4 .013 .186 .005 .068 .946 .933 1.072 LnY .286 .096 .286 2.982 .004 .569 1.758 a. Dependent Variable : LnY Sumber : Data Diolah (2015)
73
Berdasarkan Tabel 5.12 tersebut dapat diketahui hasil persamaan regresi linear berganda yaitu : LnY = 2,347+0,546 LnX1+0,340 LnX2+0,619 LnX3+0,013 LnX4+0,28LnY+εi dimana : β
= Konstanta
LnX1 = Return On Assets (ROA) LnX2 = Current Ratio LnX3 = Debt Ratio LnX4 = Total Assets Turnover LnY = Price Book Value Berdasarkan fungsi persamaan regresi linear berganda di atas maka dapat dijelaskan sebagai berikut : 1.
Nilai konstanta positif menunjukkan pengaruh positif variabel independen (ROA, CR, DR dan TATO).
Bila variabel independen naik atau
berpengaruh dalam satu satuan, maka variabel dependen PBV akan naik atau terpenuhi. 2.
ROA (LnX1) = 0,546, merupakan nilai koefisien regresi variabel ROA terhadap variabel PBV (Y), artinya jika profitabilitas (LnX1) mengalami kenaikan satu satuan, maka Nilai Perusahaan akan mengalami peningkatan sebesar 0,546 atau 54,6%, koefisien bernilai positif artinya adalah bahwa antara profitabilitas dan nilai perusahaan mempunyai hubungan positif. Kenaikan profitabilitas akan mengakibatkan kenaikan nilai perusahaan.
3.
CR (LnX2) = 0,340, merupakan nilai koefisien regresi variabel CR terhadap variabel PBV (Y), artinya jika likuiditas (LnX2) mengalami kenaikan satu
74
satuan, maka Nilai Perusahaan akan mengalami peningkatan sebesar 0,340 atau 34,0%, koefisien bernilai positif artinya adalah bahwa antara likuiditas dan nilai perusahaan mempunyai hubungan positif. Kenaikan likuiditas akan mengakibatkan kenaikan nilai perusahaan. 4.
DR (LnX3) = 0,619, merupakan nilai koefisien regresi variabel DR terhadap variabel PBV (Y), artinya jika solvabilitas mengalami kenaikan satu satuan, maka Nilai Perusahaan akan mengalami peningkatan sebesar 0,619 atau 61,9%, koefisien bernilai positif artinya adalah bahwa antara solvabilitas dan nilai perusahaan mempunyai hubungan positif. Kenaikan solvabilitas akan mengakibatkan kenaikan nilai perusahaan.
5.
TATO (LnX4) = 0,013, merupakan nilai koefisien regresi variabel TATO terhadap variabel PBV, artinya jika aktivitas mengalami kenaikan satu satuan, maka Nilai Perusahaan akan mengalami peningkatan sebesar 0,013 atau 1,3%, koefisien bernilai positif artinya adalah bahwa antara aktivitas dan nilai perusahaan mempunyai hubungan positif. Kenaikan aktivitas akan mengakibatkan kenaikan nilai perusahaan.
5.2.4.1 Uji t Uji t digunakan untuk menguji secara parsial masing-masing variabel. Jika LnX1 nilai t atau signifikan < 0,05 maka dikatakan bahwa terdapat pengaruh antara variabel bebas terhadap variabel terikat secara parsial. Namun sebaliknya jika LnX1 nilai t signifikan > 0,05 maka dikatakan bahwa tidak terdapat pengaruh antara variabel besar terhadap variabel terikat secara parsial.
75
Hasil uji t variabel ROA (LnX1), CR (LnX2), DR (LnX3) dan TATO (LnX4) secara parsial terhadap PBV (LnY) dapat dilihat pada Tabel 5.13 sebagai berikut : Tabel 5.13 Hasil Uji t Coefficients Unstandardized Unstandardized Coefficients Coefficients Model Std. B Beta Error (Constanta) 2.347 .420 LnX1 .546 .100 .547 LnX2 .340 .247 .154 LnX3 .619 .335 .208 LnX4 .013 .186 .005 a. Dependent Variable : LnY Sumber : Data Diolah (2015)
Collinearity Statistics t
Sig Tolerance
5.590 5.475 1.376 1.845 .068
.000 .000 .173 .069 .946
.527 .421 .413 .933
VIF 1.898 2.376 2.424 1.072
Berdasarkan hasil uji t pada Tabel coefficients yang ditunjukkan pada tabel 5.13 di atas maka dapat dijelaskan sebagai berikut : 1.
Hasil uji t untuk variabel LnX1 tampak bahwa nilai t sebesar 5,475, dan p-value variabel LnX1 < 0,05, hal ini berarti variabel ROA berpengaruh signifikan secara parsial terhadap variabel dependen yaitu PBV. Hal ini sejalan dengan penelitian yang telah dilakukan oleh Peatriex Pesiwarissa, begitu juga dengan penelitian Gill dan Obradovich (2013), Prapaska dan Mutmainah (2012) juga memberikan hasil penelitian yang sama, didukung pula oleh penelitian Ardimas dan Wardoyo (2014), Mahendra et.al (2012), serta Asiri dan Salwa A.Hameed (2014). Tetapi hasil penelitian ini tidak sejalan dengan Hestinoviana att all yangg menyatakan bahwa Profitabilitas dan pertumbuhan penjualan tidak berpengaruh terhadap nilai perusahaan, begitu juga Wibowo Ramadani dan
76
Siti Aisjah menyatakan secara parsial profitabilitas dan kebijakan dividen tidak berpengaruh terhadap nilai peusahaan. 2.
Sedangkan nilai t variabel LnX2 sebesar 1,376, LnX3 sebesar 1,845, LnX4 sebesar 0,068 dan tampak pula bahwa p-value untuk variabel LnX2, LnX3 dan LnX4 > 0,05, hal ini berarti bahwa variabel CD, DR, dan TATO tidak berpengaruh signifikan terhadap variabel dependen yaitu PBV. Hal ini sejalan dengan Mahendra, at all (2012) bahwa Likuiditas tidak berpengaruh signifikan terhadap nilai perusahaan, Leverage berpengauh negatif tidak signifikan terhadap nilai peusahaan. Namun tidak sejalan dengan penelitian William Cheung at all (2014) yang menyatakan bahwa Likuiditas mempunyai pengaruh terhadap pengembangan nilai perusahaan dan pada penelitian yang dilakukan oleh Sari dan Chabachib (2013) menyatakan bahwa TATO bepengaruh signifikan tehadap Nilai Perusahaan.
5.2.4.2 Uji F Uji F digunakan untuk melihat pengaruh semua variabel bebasnya secara bersama-sama (simultan) terhadap variabel terikatnya. Hasil analysis of variance (ANOVA) atau uji F variabel ROA (LnX1), CR (LnX2), DR (LnX3) dan TATO (LnX4) secara bersama-sama terhadap PBV (LnY) dapat dilihat pada Tabel 5.14 berikut :
77
Tabel 5.14 Hasil Uji F a
ANOVA
Sum of Mean Df Squares Square Regression 52,284 5 10,457 Residual 40,373 83 0,486 Total 92,657 88 a. Dependent Variable: PBV b. Predictors: (Constant), TATO, DR, ROA, CR
Model 1
F
Sig.
21,498
,000b
Sumber : Data Diolah (2015)
Berdasarkan Tabel 5.14 di atas dapat dijelaskan sebagai berikut : 1.
Uji F menunjukkan p-value (Sig) < 0,05, hal ini berarti H0 ditolak dan Ha diterima, artinya variabel LnX1, LnX2, LnX3, dan LnX4 berpengaruh secara simultan dan signifikan terhadap variabel dependen, yaitu : LnY.
2.
Hal ini berarti terdapat pengaruh signifikan rasio profitabilitas, likuiditas, solvabilitas, dan aktivitas secara simultan terhadap nilai perusahaan.
Hal ini sejalan dengan penelitian Rompas (2013) yang menyatakan bahwa Likuiditas, Solvvabilitas, Rentabilias secara simulant berpengaruh tehadap nilai perusahaan, begitu juga dengan hasil penelitian Hestinoviana at all yaitu pofitabilitas, solvabilitas, pertumbuhan asset dan pertumbuhan penjualan secara simultan berpengaruh terhadap nilai perusahaan. Hasil penelitian ini sejalan pula dengan penelitian Saputra Widi yang menyatakan bahwa ukuran perusahaan (Size),
profitabilitas,
pertumbuhan
aset,
pertumbuhan
berpengaruh secara simulant terhadap nilai perusahaan.
penjualan,
DER
