BAB IV METODE PENELITIAN

BAB IV
METODE PENELITIAN
4.1. Desain Penelitian
Metode penelitian bisnis merupakan cara ilmiah untuk mendapatkan data
yang sahih dengan tujuan dapat ditemukan, dikembangkan, dan dibuktikan, suatu
pengetahuan tertentu sehingga pada gilirannya dapat digunakan untuk memahami,
memecahkan, dan mengantisipasi masalah dalam bidang bisnis (Sugiyono, 2010:5).
Berdasarkan tujuannya penelitian ini termasuk penelitian terapan yang
dilakukan dengan tujuan menerapkan, menguji, dan mengevaluasi kemampuan suatu
teori yang diterapkan dalam memecahkan masalah-masalah praktis. Penelitian ini
secara spesifik menguji pengaruh return on equity (ROE), return on assets (ROA),
earnings per share (EPS), kualitas laba, struktur modal, likuiditas saham dan beta
terhadap harga saham.
Berdasarkan rumusan masalah penelitiannya, penelitian ini termasuk ke
dalam penelitian kausal asosiatif yang merupakan penelitian untuk menguji hubungan
kausal yang bersifat sebab akibat.
Menurut metodenya, penelitian ini diklasifikasikan ke dalam penelitian
kuantitatif yang ingin mengetahui pengaruh perlakuan tertentu terhadap yang lain,
menguji hipotesis penelitian, mendapatkan data yang akurat berdasarkan fenomena
51
http://digilib.mercubuana.ac.id/
52
yang empiris dan dapat diukur, serta menguji terhadap adanya keragu-raguan tentang
validitas pengetahuan dan teori tertentu.
4.2. Variabel Penelitian
4.2.1. Definisi Konsep
Berikut ini merupakan definisi konsep dari variabel-variabel yang
digunakan:
1)
Return on Equity (ROE)
ROE merupakan rasio antara laba bersih dengan modal yang digunakan.
Rasio ini menunjukkan tingkat efisiensi penggunaan modal dalam
menghasilkan laba.
2)
Return on Assets (ROA)
ROA merupakan rasio antara laba bersih dengan total aset. Rasio ini
menunjukkan
seberapa
besar
kemampuan
perusahaan
dalam
menghasilkan laba dengan menggunakan total aset yang dimilikinya.
3)
Earnings per Share (EPS)
EPS merupakan rasio antara laba bersih dengan jumlah lembar saham yang
beredar.
4)
Kualitas Laba
Manajemen laba model spesifik akrual modal kerja sebagai proksi dari
kualitas laba merupakan rasio antara aliran kas dari aktivitas operasional
dengan total penjualan.
http://digilib.mercubuana.ac.id/
53
5)
Struktur Modal
Long-term debt ratio sebagai proksi dari struktur modal merupakan rasio
antara total utang jangka panjang dengan total utang jangka panjang plus
total ekuitas.
6)
Likuiditas Saham
Trading turnover sebagai proksi dari likuiditas saham merupakan rasio
antara volume transaksi selama suatu periode dibandingkan dengan jumlah
saham perusahaan yang beredar pada suatu periode.
7)
Beta
Beta mengukur sensitivitas return saham terhadap return pasar. Semakin
besar fluktuasi return saham terhadap return pasar maka semakin besar
pula nilai beta suatu saham. Demikian pula sebaliknya.
8)
Harga Saham
Harga saham yang digunakan dalam penelitian ini merupakan harga
penutupan pada hari kerja ke-7 setelah tanggal 31 Maret.
4.2.2. Definisi Operasional
Definisi operasional merupakan suatu upaya untuk menjabarkan
konsep variabel ke dalam instrumen pengukuran. Definisi operasional dari
variabel-variabel yang digunakan oleh penulis dapat dilihat pada tabel 4.1
berikut:
http://digilib.mercubuana.ac.id/
54
Tabel 4.1 Definisi Operasional Variabel
Variabel
Return on equity
(ROE)
Konsep
Rasio antara laba bersih
dengan modal yang
digunakan
Pengukuran
Net income
Total equity
Return on assets
(ROA)
Rasio antara laba bersih
dengan total aset
Net income
Total assets
Earnings per
Share (EPS)
Rasio antara laba bersih
dengan jumlah lembar
saham yang beredar
Net income
Shares outstanding
Manajemen laba
(ML) rasio akrual
modal kerja
dengan penjualan
Rasio antara arus kas
dari aktivitas operasional
dengan total penjualan
Arus kas aktivitas operasional
Penjualan
Long-term debt
ratio (LTDR)
Rasio antara utang
jangka panjang dengan
total kapitalisasi
long-term debt
long-term debt + total equity
Trading
Turnover (TT)
Rasio antara jumlah
saham yang
ditransaksikan dengan
jumlah saham yang
beredar
Number of Shares Traded
during the Year
Average Number of Shares
Outstanding during the
Year
Beta Saham
(Beta)
Rasio yang mengukur
sensitivitas return saham
terhadap return pasar
Ri = ai + biRm + ei
Harga saham
penutupan
(STOKP)
Harga yang diminta oleh
penjual atau pembeli saat
akhir buka
Harga penutupan pada hari
kerja ke-7 setelah tanggal 31
Maret
Sumber: Olahan Penulis (2015)
4.3. Populasi dan Sampel Penelitian
Populasi dalam penelitian ini adalah saham-saham perusahaan terbuka
yang terdaftar di Bursa Efek Indonesia (BEI) dan masuk ke dalam indeks LQ45 pada
http://digilib.mercubuana.ac.id/
55
periode 2010-2014. Pemilihan sampel menggunakan metode purposive judgment
sampling, dengan kriteria sampel sebagai berikut:
1)
Perusahaan yang masuk ke dalam 9 dari 10 periode pemilihan indeks LQ45
selama periode 2010-2014.
2)
Bukan merupakan perusahaan yang bergerak di sektor keuangan.
4.4. Jenis dan Sumber Data
Dalam penelitian ini jenis data yang digunakan berupa rasio-rasio
keuangan, antara lain return on equity (ROE), return on assets (ROA), earnings per
share (EPS), manajemen laba rasio akrual modal kerja, long-term debt ratio, trading
turnover dan beta perusahaan non keuangan yang masuk dalam indeks LQ45 periode
2010-2014.
Sumber data yang digunakan oleh penulis dalam penelitian ini merupakan
data sekunder yang diperoleh dari situs Bursa Efek Indonesia (BEI), Otoritas Jasa
Keuangan (OJK), Reuters, Bloomberg dan Stockbit. Data-data yang diperoleh tersebut
diolah untuk kemudian dianalisis.
4.5. Teknik Pengumpulan Data
Berdasarkan teknik pengumpulan data, penelitian ini menggunakan
strategi arsip (archival) untuk mendapatkan data sekunder, dengan mengumpulkan
data dari basis data, yaitu laporan keuangan perusahaan (Hartono, 2013:143-144).
Selain itu, penelitian ini menggunakan dua studi dalam pengumpulan data, yaitu
melalui studi kepustakaan dan studi lapangan.
http://digilib.mercubuana.ac.id/
56
1)
Studi Kepustakaan
Dalam melakukan studi kepustakaan, peneliti membaca literatur/ jurnal yang ada
hubungannya dengan return on equity (ROE), return on assets (ROA), earnings
per share (EPS), manajemen laba, long-term debt ratio, trading turnover dan
beta, serta pengaruhnya terhadap harga saham. Dari literatur ini, peneliti dapat
menggunakan metode atau konsep yang digunakan untuk membantu penulis
dalam mengolah data. Selain itu peneliti juga memperoleh data yang mendukung
penelitian melalui buku, majalah, surat kabar dan situs internet.
2)
Studi Lapangan
Dalam studi lapangan, penulis mengadakan penelitian dengan menggunakan
data sekunder. Data sekunder yang digunakan dalam penelitian ini adalah
laporan keuangan perusahaan non keuangan yang sudah diaudit. Data tersebut
diperoleh dari situs Bursa Efek Indonesia (BEI).
4.6. Teknik Analisis Data
4.6.1. Pemodelan Data Panel
Analisis data digunakan untuk mengetahui sejauh mana pengaruh
return on equity (ROE), return on assets (ROA), earnings per share (EPS),
manajemen laba rasio akrual modal kerja, long-term debt ratio, trading turnover
dan beta terhadap harga saham.
Model yang digunakan dalam penelitian ini adalah model regresi
data panel dengan menggunakan bantuan perangkat lunak stata 12.0. Menurut
http://digilib.mercubuana.ac.id/
57
Nachrowi dan Usman (2006:309) data panel merupakan gabungan antara data
individual (cross section) dan data berkala (time series). Data cross section
merupakan data yang dikumpulkan dalam satu waktu terhadap banyak individu,
sedangkan data time series adalah data yang dikumpulkan dari waktu ke waktu
terhadap suatu individu. Sedangkan
Model data panel dituliskan sebagai berikut (Nachrowi dan Usman,
2006:310):
Yit =
α + βXit + εit.
Yit
= variabel dependen
Xit
= variabel independen
α
= koefisien intersep
β
= koefisien slope
N
= banyaknya observasi
T
= banyaknya waktu
NxT
= banyaknya data panel
i = 1,2,…..,N;
t = 1,2,…..,T
Di mana:
4.6.2. Model Estimasi Regresi Data Panel
4.6.2.1. Ordinary Least Square (OLS)
Teknik ini tidak ubahnya dengan membuat regresi dengan data
cross section atau time series. Akan tetapi, untuk data panel, sebelum
membuat regresi, data cross section dan data time series harus
http://digilib.mercubuana.ac.id/
58
digabungkan terlebih dahulu (pool data). Kemudian data gabungan ini
diperlakukan sebagai suatu kesatuan pengamatan untuk mengestimasi
model dengan metode OLS.
Bila asumsi bahwa α dan β akan sama (konstan) untuk setiap
data time series dan cross section, maka α dan β dapat diestimasi
menggunakan OLS dengan menggunakan NxT pengamatan, sebagai
berikut:
Yit = α + βXit + εit.
i = 1,2,…..,N;
t = 1,2,…..,T
Pemodelan OLS dapat menjadi tidak realistis, karena dengan
menggabungkan data, maka perbedaan antar individu maupun antar waktu
tidak dapat terlihat. Atau dengan kata lain, dalam pendekatan ini tidak
memperhatikan dimensi individu maupun waktu.
4.6.2.2. Fixed Effect Model (FEM)
Fixed effect model (FEM) digunakan untuk mengatasi masalah
asumsi intersep atau slope dari persamaan regresi yang dianggap konstan
pada model ordinary least square (OSL). Dalam model ini variabel dummy
digunakan untuk menghasilkan nilai parameter yang berbeda-beda baik
cross section maupun time series, kemudian model tersebut diestimasi
dengan model OLS sebagai berikut:
Yit
=
α+βX1t+γ2W2t+ γ3W3+ … + γNWNt+δ2Zi2+δ3Zi3+… +δtZit+εit
http://digilib.mercubuana.ac.id/
59
Di mana:
Yit = Variabel terikat untuk individu ke-i dan waktu ke-t.
Xit = Variabel bebas untuk individu ke-i dan waktu ke-t.
Wit dan Zit variabel dummy didefinisikan sebagai berikut:
Wit = 1; untuk individu i; i = 1,2,…,N
= 0; lainnya
Zit = 1; untuk periode t; t = 1,2,…,T
= 0; lainnya
Dari persamaan di atas, terlihat model tersebut mempunyai
banyak koefisien. Bila terdapat N individu dan T waktu, maka akan
terdapat parameter sebanyak (N-1) buah parameter γ, (T-1) buah parameter
δ, sebuah parameter α dan sebuah parameter β.
Keputusan untuk memasukkan variabel boneka dalam model
fixed effect akan menimbulkan konsekuensi tersendiri, yaitu dapat
mengurangi banyaknya derajat kebebasan (degree of freedom) yang pada
akhirnya akan mengurangi efisiensi dari parameter yang diestimasi.
4.6.2.3. Random Effect Model (REM)
Pada model efek tetap, perbedaan karakteristik individu dan
waktu diakomodasikan pada intercept sehingga interceptnya berubah antar
individu dan antar waktu. Sementara pada model efek random perbedaan
karakteristik individu dan waktu diakomodasikan pada error dari model.
http://digilib.mercubuana.ac.id/
60
Mengingat ada dua komponen yang mempunyai kontribusi pada
pembentukan error, yaitu individu dan waktu, maka random error pada
model efek random juga perlu diurai menjadi error untuk komponen
individu, error komponen waktu dan error gabungan.
Bentuk model random effect dapat dijelaskan dengan
persamaan berikut:
Yit= α + βXit + εit
;
εit= ui +vt + wit
Di mana:
ui = Komponen error cross section.
vt = Komponen error time series
wit = Komponen error gabungan
Asumsi yang digunakan untuk komponen error tersebut
adalah:
ui ~ N (0, σu 2)
vt ~ N (0, σv2)
wit ~ N (0, σw2)
Berdasarkan persamaan model REM, maka dapat dinyatakan
bahwa REM menganggap efek rata-rata dari data cross section dan time
series direpresentasikan dalam intercept. Sedangkan deviasi efek secara
random untuk data time series direpresentasikan dalam vt dan deviasi untuk
data cross section dinyatakan dalam ui.
http://digilib.mercubuana.ac.id/
61
Dengan demikian varian error dari model REM dapat
dituliskan dengan:
Var (εit) =
σu 2 + σv2 + σw2
Sedangkan pada model OLS yang diterapkan pada data panel,
mempunyai varian sebesar:
Var (εit) =
σw2
4.6.3. Pemilihan Model Estimasi Regresi Data Panel
4.6.3.1. Uji Chow
Uji Chow digunakan untuk memilih antara model ordinary
least square (OLS) dengan model fixed effect (FEM). Hipotesis dalam uji
Chow adalah:
H0 = model ordinary least square
H1 = model fixed effect
Dasar penolakan terhadap hipotesis di atas adalah dengan
membandingkan perhitungan F-statistik dengan F-tabel. Jika F hitung
lebih besar (>) dari F tabel maka H0 ditolak yang berarti model yang paling
tepat digunakan adalah fixed effect model (FEM). Begitupun sebaliknya,
jika F hitung lebih kecil (<) dari F tabel maka H0 diterima dan model yang
digunakan adalah ordinary least square (OLS).
http://digilib.mercubuana.ac.id/
62
Perhitungan F-statistik Uji Chow adalah sebagai berikut
(Baltagi, 2005:13):
F =
(RRSS-URSS) / (N-1)
(URSS) / (NT – N –K)
Di mana:
RRSS : Restricted Residual Sum Square (OLS)
URSS : Unrestricted Residual Sum Square (FEM)
N
: jumlah data cross section
T
: jumlah data time series
K
: jumlah variabel independen
F tabel didapat dari:
F tabel
= {α:df (n -1, nt – n – k) }
Di mana:
α : tingkat signifikasi yang dipakai (alfa)
n : jumlah data cross section
nt : jumlah data cross section x jumlah time series
k : jumlah variabel independen
4.6.3.2. Uji Lagrange Multiplier (LM)
Uji Lagrange Multiplier digunakan untuk memilih antara
model ordinary least square (OLS) dengan model random effect (REM).
Hipotesis dalam uji LM adalah sebagai berikut:
http://digilib.mercubuana.ac.id/
63
H0 = model ordinary least square
H1 = model random effect
Dasar penolakan terhadap hipotesis di atas adalah dengan
membandingkan X2hitung dengan X2tabel. Jika X2hitung > X2tabel dan p-value
signifikan, maka H0 ditolak, artinya model random effect lebih tepat
digunakan. Begitupun sebaliknya, jika X2hitung < X2tabel dan p-value
signifikan maka H0 diterima, artinya model ordinary least square lebih
tepat digunakan. Rumus untuk melakukan nilai uji Lagrange Multiplier
adalah sebagai berikut:
Di mana:
n
:
jumlah individu
T
:
jumlah periode waktu
eit
:
estimasi residual
4.6.3.3. Uji Hausman
Uji Haussman digunakan untuk memilih antara model fixed
effect (FEM) dengan model random effect (REM). Hipotesis dari uji
Haussman adalah sebagai berikut:
H0 = Model random effect
http://digilib.mercubuana.ac.id/
64
H1 = Model fixed effect
Dasar penolakan terhadap hipotesis di atas adalah dengan
membandingkan X2hitung dengan X2tabel. Jika X2hitung > X2tabel dan p-value
signifikan, maka H0 ditolak, artinya model fixed effect lebih tepat untuk
digunakan. Begitupun sebaliknya, jika X2hitung < X2tabel dan p-value
signifikan maka H0 diterima, artinya model random effect lebih tepat untuk
digunakan. Rumus untuk mendapatkan nilai uji Hausman adalah sebagai
berikut:
m = (β – b)(M0 – M1)-1 (β – b) ≈ X2 (K)
Di mana:
Β
: vektor untuk statistik variabel fixed effect
b
: vektor untuk statistik variabel random effect
M0 : matrik kovarian untuk dugaan fixed effect model
M1 : matrik kovarian untuk dugaan random effect model
4.6.4. Uji Asumsi Klasik
4.6.4.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah model
regresi yang diteliti memiliki distribusi normal atau tidak. Model regresi
yang baik adalah yang terdistribusi normal.
Untuk menentukan apakah data penelitian memiliki distribusi
normal atau tidak, penelitian ini menggunakan uji Kolmogorov-Smirnov
http://digilib.mercubuana.ac.id/
65
satu sampel dengan bantuan perangkat lunak stata. Apabila nilai combined
K-S pada uji Kolmogorov-Smirnov satu sampel lebih besar dari nilai
signifikansi 0.05 maka data pada model estimasi dinyatakan terdistribusi
normal, begitu juga sebaliknya apabila nilai combined K-S pada uji
Kolmogorov-Smirnov satu sampel lebih kecil dari nilai signifikansi 0,05
maka data pada model estimasi dinyatakan tidak terdistribusi normal.
4.6.4.2. Uji Multikolinieritas
Multikolinieritas berarti adanya korelasi antara beberapa
variabel bebas dalam model regresi. Dampak dari adanya multikolinieritas
adalah varian koefisien regresi menjadi besar sehingga menyebabkan
lebarnya interval kepercayaan, selain itu besarnya varian juga
menyebabkan standard error menjadi besar, sehingga menyebabkan uji-t
menjadi tidak signifikan meskipun R2 tinggi dan uji F signifikan
(Nachrowi dan Usman, 2006:97).
Untuk menentukan ada tidaknya masalah multikolinieritas
pada model estimasi dapat dideteksi dengan correlation matrix. Apabila
nilai korelasi antara variabel bebas tidak lebih dari 0.75 maka model
estimasi dinyatakan tidak ada masalah multikolinieritas, begitu juga
sebaliknya apabila nilai korelasi antara variabel bebas ada yang lebih dari
0.75 maka model estimasi dinyatakan ada masalah multikolinieritas.
http://digilib.mercubuana.ac.id/
66
4.6.4.3. Uji Heteroskedastisitas
Heteroskedastisitas adalah suatu gejala dalam model regresi
linier berganda dimana varian tidak konstan atau berubah-ubah. Dampak
dari adanya heteroskedastisitas yaitu interval kepercayaan semakin lebar,
uji hipotesis baik uji-t atau uji-f akan terpengaruh, yang berakibat uji
hipotesis tidak akurat dan pada akhirnya akan membawa dampak pada
keakuratan kesimpulan (Nachrowi dan Usman, 2006:109).
Untuk menentukan ada tidaknya masalah heteroskedastisitas
pada model estimasi, dapat dilakukan dengan uji Breusch-Pagan / CookWeisberg dengan menggunakan perangkat lunak stata. Apabila nilai
Prob>Chi2 pada uji Breusch-Pagan / Cook-Weisberg lebih besar dari
tingkat signifikansi 0.05 maka model estimasi dinyatakan tidak ada
masalah heteroskedastisitas, begitu juga sebaliknya apabila nilai
Prob>Chi2 pada uji Breusch-Pagan / Cook-Weisberg lebih kecil dari
tingkat signifikansi 0.05 maka model estimasi dinyatakan ada masalah
heteroskedastisitas.
4.6.4.4. Uji Otokorelasi
Otokorelasi terjadi ketika observasi yang berturut-turut
sepanjang waktu mempunyai korelasi antara yang satu dengan yang
lainnya. Dampak dari adanya otokorelasi yaitu estimasi standard error dan
varian koefisien regresi yang didapat akan underestimate. Dengan
http://digilib.mercubuana.ac.id/
67
demikian, koefisien determinasi akan besar, dan uji-t, uji-f dan interval
kepercayaan menjadi tidak sahih untuk digunakan (Nachrowi dan Usman,
2006:186).
Untuk menentukan ada tidaknya masalah otokorelasi pada
model estimasi, dapat dilakukan dengan uji Wooldridge dengan
menggunakan perangkat lunak stata. Apabila nilai Prob>F pada uji
Wooldridge lebih besar dari tingkat signifikansi 0.05 maka model estimasi
dinyatakan tidak ada masalah otokorelasi, begitu juga sebaliknya apabila
nilai Prob>F pada uji Wooldridge lebih kecil dari tingkat signifikansi 0.05
maka model estimasi dinyatakan ada masalah otokorelasi.
4.6.5. Uji Kriteria Statistik Model
4.6.5.1. Koefisien Determinasi (R2)
Uji koefisien determinasi (R2) digunakan untuk mengetahui
seberapa besar hubungan dari beberapa variabel. Koefisien determinasi
akan menjelaskan seberapa besar perubahan atau variasi suatu variabel
bisa dijelaskan oleh perubahan atau variasi pada variabel yang lain. Hal ini
dapat diartikan kemampuan variabel-variabel bebas untuk berkontribusi
terhadap variabel terikatnya dalam satuan persentase. Nilai koefisien
determinasi antara nol dan satu.
Nilai
koefisien
determinasi
yang
kecil
menunjukkan
kemampuan variabel-variabel bebas dalam menjelaskan variabel terikat
http://digilib.mercubuana.ac.id/
68
amat terbatas, sedangkan nilai yang mendekati satu berarti variabelvariabel bebas memberikan hampir semua informasi yang dibutuhkan
untuk memprediksi variasi-variabel terikat.
4.6.5.2. Uji Simultan (Uji F)
Uji F digunakan untuk mengetahui ada atau tidaknya pengaruh
secara bersama-sama (simultan) antara variabel bebas dan variabel terikat.
Prosedur yang digunakan untuk melakukan uji F adalah:
1)
Merumuskan hipotesis
H1: β1 = β2 = β3 = β4 = β5 = β6 = β7 ≥ 0, artinya terdapat pengaruh yang
signifikan dari variabel bebas terhadap variabel terikat secara
simultan.
2)
Menentukan tingkat signifikasi
Hipotesis ini diuji dengan tingkat signifikansi sebesar α: 5%
3)
Menentukan kriteria pengujian hipotesis penelitian:
1)
Berdasarkan perbandingan F hitung dengan F tabel dengan
pedoman:
1)
Jika hasil nilai Fhitung < Ftabel berarti semua variabel bebas
secara simultan tidak mempunyai pengaruh yang
signifikan terhadap variabel terikat.
http://digilib.mercubuana.ac.id/
69
2)
Jika Fhitung ≥ Ftabel berarti semua variabel bebas secara
simultan mempunyai pengaruh yang signifikan terhadap
variabel terikat.
2)
Berdasarkan nilai signifikansi (p-value) dengan pedoman:
1) Apabila nilai signifikansi (p-value) > α: 5% berarti semua
variabel bebas secara simultan tidak mempunyai
pengaruh yang signifikan terhadap variabel terikat.
2) Apabila nilai signifikansi (p-value) ≤ α: 5% berarti semua
variabel bebas secara simultan mempunyai pengaruh
yang signifikan terhadap variabel terikat.
4.6.5.3. Uji Parsial (Uji T)
Uji t pada model digunakan untuk melihat tingkat signifikansi
masing-masing variabel bebas terhadap variabel terikat dengan
mengasumsikan variabel bebas lainnya konstan. Prosedur yang digunakan
untuk melakukan uji t adalah:
1)
Merumuskan hipotesis
H1: βk ≠ 0, artinya terdapat pengaruh yang signifikan dari variabel
bebas terhadap variabel terikat secara parsial.
2)
Menentukan tingkat signifikasi
Hipotesis ini diuji dengan tingkat signifikansi sebesar α: 5%
3)
Menentukan kriteria pengujian hipotesis penelitian:
http://digilib.mercubuana.ac.id/
70
1) Berdasarkan perbandingan thitung dengan ttabel dengan pedoman:
1)
Jika hasil nilai thitung < ttabel berarti semua variabel bebas
secara parsial tidak mempunyai pengaruh yang
signifikan terhadap variabel terikat.
2)
Jika thitung ≥ ttabel berarti semua variabel bebas secara
simultan mempunyai pengaruh yang signifikan terhadap
variabel terikat.
2)
Berdasarkan nilai signifikansi (t-value), pedomannya adalah:
1)
Apabila nilai signifikansi (t-value) > α: 5% berarti
variabel bebas secara parsial tidak mempunyai pengaruh
yang signifikan terhadap variabel terikat.
2)
Apabila nilai signifikansi (t-value) ≤ α: 5% berarti
variabel bebas secara parsial mempunyai pengaruh yang
signifikan terhadap variabel terikat.
http://digilib.mercubuana.ac.id/