BAB III METODOLOGI PENELITIAN 3.1 Jenis Penelitian - Analisis Pengaruh Return On Asset, Debt To Equity Ratio, Total Asset Turn Over, Earning Per Share, Price Earning Ratio, Dan Current Ratio Terhadap Perusahaan Otomotif Yang Terdaftar Di Bursa Efek Indone

BAB III METODOLOGI PENELITIAN

3.1 Jenis Penelitian

Jenis penelitian yang digunakan dalam penelitian ini adalah jenis penelitian assosiatif kausal, yaitu “penelitian yang bertujuan untuk mengetahui pengaruh antara dua variabel atau lebih” (Sugiyono, 2007:11).

3.2 Jenis dan Sumber Data

Jenis data yang digunakan peneliti adalah data sekunder. “Data sekunder merupakan data primer yang diolah lebih lanjut, misalnya dalam bentuk tabel, grafik, diagram, gambar dan sebagainya sehingga lebih informatif jika digunakan oleh pihak lain” (Umar, 2003:60). Data yang dikumpulkan berupa data kuantitatif yaitu data yang diukur dalam skala rasio dan merupakan data sekunder yang diperoleh melalui situs www.idx.co.id.

Menurut waktu pengumpulannya, data yang digunakan menggunakan data

time series yaitu “sekumpulan data dari suatu fenomena tertentu yang didapat

dalam beberapa interval waktu tertentu misalnya mingguan, bulanan atau tahunan” (Umar, 2003:61). Penelitian ini menggunakan data selama 4 tahun (series) yaitu tahun 2010–2013.

3.3 Populasi dan Sampel Penelitian

“Populasi adalah wilayah generalisasi yang terdiri atas objek atau subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari kemudian diambil kesimpulannya” (Sugiyono, 2008:115). Populasi yang digunakan dalam penelitian ini adalah semua perusahaan otomotif yang terdaftar di Bursa Efek Indonesia yang berjumlah 18 perusahaan.

Menurut Erlina dan Mulyani (2007:74), “sampel adalah bagian populasi yang digunakan untuk memperkirakan karakteristik populasi.” Metode pengambilan sampel dilakukan dengan teknik purposive sampling. Menurut Jogiyanto (2004:79), “purposive sampling adalah teknik pengambilan sampel berdasarkan suatu kriteria tertentu.” Adapun kriteria dalam pengambilan sampel pada penelitian ini yaitu sebagai berikut :

1. Seluruh perusahaan sektor industri otomotif yang terdaftar di BEI pada tahun 2010 hingga tahun 2013.

2. Seluruh perusahaan sektor industri otomotif yang mempublikasikan laporan keuangannya dalam mata uang rupiah pada situs Bursa Efek Indonesia BEI tahun 2010 hingga tahun 2013. (www.idx.co.id).

3. Perusahaan tersebut memiliki laporan keuangan yang lengkap dan mempunyai laporan auditor independen yang dipublikasikan.

Berikut ini adalah sampel penelitian yang telah dilakukan dengan purposive

sampling yang telah dilakukan peneliti :

Tabel 3.1 Populasi dan Sampel Penelitian

Sampel Kriteria

No Kode Nama

3 PT Astra

1 Internasional Tbk PT Astra Otoparts

1 ASII   

  

2 AUTO

2 Tbk PT Gajah Tunggal

  

3 GJTL

3 Tbk PT Goodyear

 

4 GDYR

Indonesia Tbk PT Hexindo

 

5 HEXA

Adiperkasa Tbk PT Indo Kordsa  
6 BRAM

Tbk PT Indomobil

  

7 IMAS Sukses

4 Internasional Tbk

5 PT Intraco Penta   

8 INDS PT Indospring Tbk   

9 INTA

6 Tbk PT Multi Prima

  

10 LPIN

7 Sejahtera Tbk PT Multistrada

 

11 MASA

Arah Sarana Tbk   

12 NIPS PT Nippres Tbk

8 PT Polychem

13   - POLY Indonesia Tbk PT Prima Alloy

9 Tbk PT Selamat

14 PRAS   

15 SMSM   

10 Sempurna Tbk PT Sugi

16   SUGI

Samapersada Tbk PT Tunas Ridean   

17 TURI

11 Tbk PT United Tractor

  

18 UNTR Tbk

12 Sumber : Diolah penulis, 2014

3.4 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah dokumentasi, yaitu peneliti melakukan pengumpulan data sekunder atau data yang diperoleh secara tidak langsung atau melalui media perantara yaitu internet melalui situs Bursa Efek Indonesia dengan melihat laporan keuangan yang diterbitkan setiap tahunnya baik dalam media cetak maupun data yang diunduh dari internet melalui www.idx.co.id.

3.5 Variabel Penelitian dan Definisi Operasional Variabel

3.5.1 Variabel penelitian

3.5.1.1. Variabel bebas (independent variable)

“Variabel independen yaitu variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen” (Sugiyono, 2008:59). Adapun variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut : a. Return On Asset (X ) yaitu rasio yang mengukur tingkat

pengembalian investasi yang telah dilakukan perusahaan dengan menggunakan seluruh dana (aset) yang dimilikinya. dapat diukur dengan rumus sebagai berikut:

Laba Bersih =

Total Asset

b. Debt to Equity Ratio (X

2 ) merupakan rasio yang digunakan

untuk menilai utang dengan ekuitas. Rasio ini dapat diukur dengan:

Total Liabilitas =

Total Modal

c. Total Asset Turn Over (X ) merupakan rasio yang

menunjukkan perputaran total aset diukur dari volume penjualan. Rasio ini dapat diukur dengan: Penjualan

= Total Aset

d. Earning Per Share (X

4 ) merupakan laba yang diperoleh

perusahaan per lembar saham. Rasio ini dapat diukur dengan: Laba Bersih

ℎ = Jumlah Saham

e. Price Earning Ratio (X ) merupakan rasio yang mengukur

perbandingan antara market price per share (harga pasar per lembar saham) dengan earning per share (laba per lembar saham). Rasio dapat diukur dengan rumus sebagai berikut:

Harga Saham di Pasar x 100% =

฀

f. Current Ratio (X

6 ) merupakan perbandingan antara total aset

lancar dengan kewajiban lancar (current assets/current

liabilities ). Rasio ini dapat diukur dengan rumus:

Aset Lancar = X 100%

Hutang Lancar

3.5.1.2 Variabel terikat (dependent variable)

“Variabel dependen adalah variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas “(Sugiyono, 2008:59). Dalam penelitian ini, yang menjadi variabel dependen adalah return saham .

3.5.2. Definisi operasional variabel

Operasional variabel penelitian ini dapat dilihat secara lebih lengkap pada tabel di bawah ini :

Tabel 3.2 Definisi Operasional Nama Definisi Operasional Parameter Yang Digunakan Skala variabel

Pengembalian Pi, t

− 1 Ri, t = x100% Return

atas investasi yang akan Pi, t

− Pi, t − 1

Rasio Saham diterima investor pada masa mendatang Rasio ini menunjukkan

Penjualan Bersih Return On

ROA =

perputaran aset diukur Rasio

Asset Total aset

dari volume penjualan Debt to

Rasio yang digunakan

Equity Total Liabilitas

untuk menilai utang

DER =

Rasio

Total Modal

dengan ekuitas Rasio ini menunjukkan perputaran total aset

Penjualan Total Asset

TATO = Rasio

diukur dari volume

Turn Over Total Asset

penjualan Rasio yang menunjukkan besarnya

Laba bersih Earning Per

laba yang diperoleh Rasio

= Jumlah Saham Share

perusahaan per lembar saham rasio yang menunjukkan

Price

perbandingan antara

Harga Saham di Pasar

Earning = Rasio

market price per share

฀ Ratio

(harga pasar per lembar

Nama variabel Definisi Operasional Parameter Yang Digunakan Skala

saham) dengan earnine

per share (laba per

lembar saham)

Current Ratio

Rasio yang menunjukkan perbandingan antara total aset lancar dengan kewajiban lancar (current assets/current

liabilities ) = Aset lancar

Hutang Lancar X 100% Rasio

Sumber : diolah Penulis, 2014

3.6 Metode Analisis Data

Metode analisis data dalam penelitian ini menggunakan analisis statistik dengan menggunakan software SPSS 20. Tahap awal yang dilakukan sebelum melakukan pengujian hipotesis yaitu uji asumsi klasik. Pengujian asumsi klasik yang dilakukan terdiri dari uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi. Untuk pengujian hipotesis, dilakukan analisis uji t dan uji F.

3.6.1 Pengujian asumsi klasik

Penggunaan analisis regresi dalam statistik harus bebas dari asumsi asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam penelitian ini adalah, uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.

3.6.1.1 Uji Normalitas

“Uji normalitas bertujuan untuk menguji apakah variabel dalam model regresi variabel pengganggu atau residual memiliki distribusi normal” (Ghozali, 2006:110). Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal.Histogram atau pola distribusi data normal dapat digunakan untuk melihat normalitas data. Uji Kolmogrov Smirnov, dalam uji pedoman yang digunakan dalam pengambilan keputusan yaitu:

a. jika nilai signifikansi < 0.05 maka distribusi data tidak normal, b. jika nilai signifikansi > 0.05 maka distribusi data normal. Menurut Ghozali (2006:112),“pada prinsipnya normalitas data dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya.” Dasar pengambilan keputusan:

1) jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.

2) jika data menyebar jauh dari diagonal dan atau tidak mengikuti arahgaris diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

3.6.1.2 Uji Multikolinieritas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.

Erlina dan Mulyani (2007:107), menyatakan “Multikolinearitas merupakan kondisi dimana terjadi korelasi antar variabel-variabel independen suatu penelitian atau dengan kata lain bersifat ortogonal.” Variabel-variabel independen yang bersifat ortogonal adalah variabel yang memiliki nilai korelasi di antara sesamanya sama dengan nol. Jika terjadi korelasi sempurna diantara sesama variabel independen, maka konsekuensinya adalah:

(a) koefisien-koefisien regresi menjadi tidak dapat ditaksir (b) nilai standar error setiap koefisien regresi menjadi tak terhingga Jika terjadi korelasi, maka terdapat masalah multikolinearitas. Pengujian dilakukan dengan nilai VIF (Variance Inflation Factor) dari model penelitian. Jika nilai VIF lebih dari 2 maka dapat dikatakan bahwa telah terjadi gejala multikolinearitas dalam model penelitian. Di samping itu, “suatu model dikatakan terdapat gejala multikolinearitas, jika korelasi di antara variabel independen lebih besar dari 0.9” (Ghozali, 2005:91).

Menurut Ghozali (2005:91), cara yang dapat dilakukan jika terjadi multikolinearitas yaitu:

1. Mengeluarkan salah satu atau lebih variabel independen yang mempunyai korelasi tinggi dari model regresi dan indentifikasi variabel independen lainnya untuk membantu prediksi

2. Menggabungkan data cross section dan time series (pooling

data ) 3. Menambah data penelitian.

3.6.1.3 Uji Heteroskedastisitas

Menurut Situmorang et al. (2009:63), “Heteroskedastisitas dapat dikatakan sebagai suatu situasi dimana dalam sebuah grup terdapat varians yang tidak sama diantara sesama anggota grup tersebut.” Uji heteroskedastisitas digunakan untuk menguji apakah dalam suatu model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual di antara pengamatan tersebut tetap, maka disebut homokedastisitas. Cara yang digunakan untuk mendeteksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada gambar Scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas jika:

1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0

2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja

3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali 4. Penyebaran titik-titik data sebaiknya tidak berpola.

Menurut Situmorang, et.al. (2009:76), ada dua cara perbaikan heteroskedastisitas, yaitu :

1. Bila varians 2 diketahui, maka metode yang digunakan adalah dengan cara kuadrat terkecil tertimbang yang meminimumkan pentingnya observasi yang penting dengan memberikan bobot pada observasi tadi secara proporsional dengan kebalikan dari variansnya.

2. Bila varians 2 tidak diketahui, dimana pengetahuan mengenai 2 biasanya merupakan hal yang jarang dimiliki. Sebagai akibatnya, orang biasanya membuat suatu asumsi yang masuk akal & mentransformasikan data atau membuat gangguan (disturbance) data yang telah ditransformasikan bersifat homokesdastisitas. Misal model persamaannya:

Y = b0 + b1x1 + b2x2, ditransformasikan menjadi: LogY = b0 + b1logx1 + b2logx2.

3.6.1.4 Uji Autokorelasi

“Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya)” (Ghozali, 2006:95). Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan dalam time series. Ada beberapa cara untuk menguji adanya autokorelasi seperti metode grafik, uji LM, Uji Runs dan lain-lain. Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu (first

autocorelation ) dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lagi diantara variabel dependen.

Kriteria untuk penilaian terjadinya autokorelasi yaitu:

Tabel 3.3 Pengambilan Keputusan Uji Durbin-Watson (DW-Test)

Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tolak 0 < d <dl Tidak ada autokorelasi poitif No decision dl < d < du Tidak ada korelasi negatif Tolak 4 - dl < d < 4 Tidak ada korelasi negatif No Decision 4 - du < d < 4 – dl Tidak ada autokorelasi positif Tidak ditolak du < d < 4 – du atau negatif

Sumber : Siagian, (2011) Menurut Situmorang et al.(2009:78), Autokorelasi dapat di definisikan sebagai suatu keadaan dimana adanya korelasi diantara anggota serangkaian observasi yang diurutkan menurut waktu (time

series ) atau ruang (crosssection). Autokorelasi muncul karena observasi

yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul dikarenakan residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.

Pada penelitian ini, uji autokorelasi dideteksi dengan uji Durbin- Watson, karena uji ini yang umum digunakan. Uji ini hanya digunakan untuk autokorelasi tingkat pertama (first order autokorelasi) dan mensyaratkan adanya intercept (konstanta) dalam model regresi.

3.7 Pengujian Hipotesis Penelitian

Pengujian hipotesis dalam penelitian ini dilakukan dengan analisis regresi berganda, uji sgnifikansi t-test serta uji signifikansi f-test. Menurut Rochaety, dkk (2007:107) “ …dengan uji hipotesis kita memusatkan perhatian pada peluang kita membuat keputusan yang salah. Hipotesis diterima atau ditolak berdasarkan informasi yang terkandung dalam sampel tetapi menggambarkan keadaan populasi.”

3.7.1 Analisis regresi berganda

Menurut Rochaety, dkk (2007:142) “regresi berganda bertujuan untuk menghitung besarnya pengaruh dua atau lebih variabel bebas terhadap satu variabel terikat dan memprediksi variabel terikat dengan menggunakan dua atau lebih variabel bebas.” Model persamaannya adalah sebagai berikut:

Y= a + b

1 X 1 + b

2 X

2 + b

3 X 3 + ... + b

6 X 6 + e Keterangan: Y = variabel dependen yaitu return saham. a = intercept/koefisien yang menyatakan perubahan rata-rata variabel dependen untuk setiap variabel independen sebesar satu atau yang disebut konstanta. b

1 , b 2 , b 3, b 4 , b 5 , b 6 = angka arah atau koefisien regresi yang menunjukkan

angka peningkatan ataupun penurunan variabel dependen yang didasarkan pada variabel independen. Bila b (+) maka terjadi kenaikan pada variabel dependen dan bila b (-) maka akan terjadi penurunan pada variabel.

1 = Return on Asset

2 = Debt to Equity Ratio

3 = Total Asset Turn Over

4 = Earning Per Share

X = Price Earning Ratio

5 X 6 = Current Ratio

e = error

3.7.2 Uji signifikansi parsial (t-test)

Menurut Ghozali (2006:84) “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variabel dependen.” Uji t merupakan suatu cara untuk mengukur apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Dalam pengujian ini dilakukan dengan menghitung serta melihat nilai signifikansinya. Uji t mempunyai ketentuan sebagai berikut: Ho diterima jika signifikansi > 0.05 Ha diterima jika signifikansi < 0.05

3.7.3 Uji signifikasi simultan (F-test)

Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model memiliki pengaruh secara bersama-sama terhadap variabel dependen. Uji ini digunakan untuk melihat pengaruh variabel independen yaitu Return On Asset, Debt to Equity Ratio, Total Asset

Turn Over, Earning Per Share, Price Earning Ratio, dan Current Ratio

berpengaruh terhadap return saham secara simultan. Bentuk pengujiannya adalah: Ho : b1 = 0, artinya suatu variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.

Ha : b1 ≠ 0, artinya suatu variabel independen secara simultan berpengaruh terhadap variabel dependen.

Kriteria pengambilan keputusan: Ho diterima jika signifikansi > 0.05 Ha diterima jika signifikansi < 0.05

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Data Penelitian

Populasi yang diteliti dalam penelitian ini adalah perusahaan otomotif yang terdaftar di Bursa Efek Indonesia (BEI) selama tahun 2010-2013. Perusahaan yang dijadikan sampel berjumlah 12 perusahaan, sehingga data penelitian secara keseluruhan berjumlah 48 (12 x 4) sampel. Daftar perusahaan yang telah ditentukan dapat dilihat pada lampiran.

4.2 Analisis Hasil Penelitian

4.2.1 Statistik deskriptif

Statistik deskriptif dalam penelitian ini hanya mendeskripsikan sampel dan tidak membuat kesimpulan yang berlaku untuk populasi dimana sampel diambil. Menurut Ghozali (2006:78), “statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dapat dilihat dari rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range dan kemencengan distribusi.”

Peneliti menggunakan metode statistik deskriptif dalam penelitian ini yaitu penelitian yang dilakukan untuk memperoleh gambaran yang sebenarnya tentang kondisi perusahaan yang dianalisis. Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata- rata (mean), nilai standar deviasi, variabel independen, dan variabel dependen. Statistik deskriptif akan dijelaskan dalam tabel berikut ini:

Tabel 4.1

Descriptive Statistics

Descriptive Statistics N Minimum Maximum Mean Std. Deviation RETURNSAHAM

48 1.50 784.00 79.6208 154.40530 ROA 48 .07 21.93 8.8794 5.41093 DER 48 13.91 1438.30 164.6040 236.99784 TATO 48 39.00 326.00 118.9633 73.18383 EPS 48 .52 1896.00 439.5442 481.80442 PER 48 1.19 211.30 21.4714 36.01371 CR 48 73.70 385.60 165.0879 63.33911 Valid N (listwise)

48 Sumber : Output SPSS, diolah Penulis, 2014

Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa :

a. Variabel Return On Asset (X

1 ) memiliki sampel (N) sebanyak 48

dengan nilai minimum (terkecil) 0.07, nilai maksimum (terbesar) 21.93 dan mean (nilai rata-rata) 8.8794. Standar Deviasi (simpangan baku) variabel ini adalah 5.41093.

b. Variabel Debt to Equity Ratio (X

2 ) memiliki sampel (N) sebanyak 48

dengan nilai minimum (terkecil) 13.91, nilai maksimum (terbesar) 1438.30 dan mean (nilai rata-rata) 164.6040. Standar Deviasi (simpangan baku) variabel ini adalah 236.99784.

c. Variabel Total Asset Turn Over (X

3 ) memiliki sampel (N) sebanyak

48 sampel dengan nilai minimum (terkecil) 39.00, nilai maksimum (terbesar) 326.00 dan mean (nilai rata-rata) 118.9633. Standar Deviasi (simpangan baku) variabel ini adalah 73.18383.

d. Variabel Earning Per Share (X

4 ) memiliki sampel (N) sebanyak 48

sampel dengan nilai minimum (terkecil) 0.52, nilai maksimum

(terbesar) 1896.00 dan mean (nilai rata-rata) 439.5442. Standar Deviasi (simpangan baku) variabel ini adalah 481.80442.

e. Variabel Price Earning Ratio (X

5 ) memiliki sampel (N) sebanyak 48

sampel dengan nilai minimum (terkecil) 1.19, nilai maksimum (terbesar) 211.30 dan mean (nilai rata-rata) 21.4714. Standar Deviasi (simpangan baku) variabel ini adalah 36.01371.

f. Variabel Current Ratio (X

6 ) memiliki sampel (N) sebanyak 48

sampel dengan nilai minimum (terkecil) 73.70, nilai maksimum (terbesar) 385.60 dan mean (nilai rata-rata) 165.0879. Standar Deviasi (simpangan baku) variabel ini adalah 63.33911.

g. Variabel Return Saham (Y) memiliki sampel (N) sebanyak 48 dengan nilai minimum (terkecil) 1.50, nilai maksimum (terbesar) 784.00 dan mean (nilai rata-rata) 79.6208. Standar Deviasi (simpangan baku) variabel ini adalah 154.40530.

h. Jumlah sampel yang ada sebanyak 48 sampel.

4.2.2 Uji asumsi klasik

Syarat yang menjadi dasar penggunaan model regresi berganda dengan metode estimasi Ordinary Least Square (OLS) adalah dipenuhinya semua asumsi klasik, agar hasil pengujian bersifat tidak bias dan efisien (Best Linear

Unbiased Estimator ). Best artinya yang terbaik, dalam arti garis regresi

merupakan estimasi atau ramalan yang baik dari suatu sebaran data. Garis regresi merupakan cara memahami pola hubungan antara dua seri data atau lebih. Garis regresi adalah best jika garis itu menghasilkan error yang terkecil. Error itu sendiri adalah perbedaan antara nilai observasi dan nilai yang diramalkan oleh garis regresi. Jika best disertai sifat unbiased, maka

estimator regresi disebut efisien. Estimator regresi akan disebut linear

apabila, estimator itu merupakan fungsi linear dari sampel. Pengujian asumsi klasik dalam penelitian ini dilakukan dengan bantuan program statistik.

Menurut Ghozali (2006:123), asumsi klasik yang harus dipenuhi adalah: • Berdistribusi normal.

Non-Multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna.
Non-Autokorelasi, artinya kesalahan pengganggu dalam model regresi tidaksaling berkorelasi.
Non-Heterokedastisitas, artinya variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.

4.2.2.1 Uji Normalitas

Pengujian ini dilakukan untuk mengetahui apakah variabel penggangu atau residual terdistribusi secara normal. Uji normalitas dapat dilakukan dengan dua cara yaitu dengan analisis grafik dan analisis statistik.

Analisis grafik digunakan dengan dua cara yaitu grafik histogram dan grafik P-P Plot. Data yang terdistribusi secara normal adalah data yang terdistribusi dengan garis titik-titik berbentuk lonceng pada grafik histogramnya, titik tersebut tidak mengarah ke kiri atau ke kanan. Pada grafik P-P Plot, data akan menyebar disekitar garis diagonal dan mengikuti arah garis diagonal apabila data tersebut terdistribusi secara normal. Berikut hasil uji normalitas dengan menggunakan grafik.

Gambar 4.1 Uji Normalitas Data

Sumber : Output SPSS, diolah Penulis, 2014

Gambar 4.2 Uji Normalitas Data

Sumber : Output SPSS, diolah Penulis, 2014

Berdasarkan tampilan grafik histogram pada gambar 4.1 dapat terlihat bahwa gambarnya berbentuk lonceng dan melenceng ke kiri dan grafik P-P Plots pada gambar 4.2 dapat terlihat bahwa titik-titik menyebar menjauhi arah garis diagonal. Hasil ini menunjukkan bahwa data tidak dapat dikatakan terdistribusi secara normal. Cara agar data terdistribusi secara normal adalah dengan melakukan regresi dengan persamaan semilog yaitu variabel dependen dalam bentuk logaritma natural dan variabel independen dalam bentuk aslinya atau tidak berubah. Berikut adalah hasil yang diperoleh setelah melakukan persamaan semilog.

Gambar 4.3 Uji Normalitas Data

Sumber : Output SPSS, diolah Penulis, 2014

Gambar 4.4

Uji Normalitas Data

Sumber : Output SPSS, diolah Penulis, 2014 Berdasarkan tampilan grafik histogram pada gambar 4.3 dapat terlihat bahwa gambarnya berbentuk lonceng dan grafik P-P Plots pada

gambar 4.4 dapat terlihat bahwa titik-titik menyebar mengikuti arah garis diagonal. Hasil ini menunjukkan bahwa data dapat dikatakan

terdistribusi secara normal.

Data belum dapat dikatakan terdistribusi secara normal apabila hanya dilakukan uji normalitas dengan melihat grafik histogram, maupun grafik P-P Plot, oleh karena itu perlu diadakannya uji statistik, untuk meyakinkan data terdistribusi secara normal. Maka dilakukan uji statistik dengan Kolmogorov-Smirnov (K-S). Data dikatakan terdistribusi secara normal apabila nilai signifikansinya lebih besar dari 0,05. Berikut hasil uji K-S dengan menggunakan data semilog.

Tabel 4.2 Hasil Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 48 _a,b

Mean

0E-7 Normal Parameters Std. Deviation 1.33601489 Absolute .110

Most Extreme Differences Positive .066

Negative -.110

Kolmogorov-Smirnov Z .762

Asymp. Sig. (2-tailed) .607

a. Test distribution is Normal.

b. Calculated from data.

Sumber: Output SPSS, diolah penulis, 2014 Dari tabel 4.2 di atas menunjukkan bahwa hasil pengujian statistik dengan menggunakan model Kolmogorov-Smirnov menunjukkan bahwa data telah terdistribusi secara normal. Hal tersebut dapat dilihat dari hasil Asymp. Sig. (2-tailed) sebesar 0.607 yaitu lebih besar dari 0.05. Sesuai dengan ketentuan rentang data yang telah ditentukan di atas, maka data terdistribusi normal.

4.2.2.2 Uji Multikolinieritas

Ada atau tidaknya multikolinieritas dalam model regresi, dapat dilihat dari nilai tolerance dan lawannya.nilai Variance Inflatin Factor (VIF).

Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.

Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya.

Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi (karenaVIF =1/tolerance). Nilai cut off yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai

Tolerance < 0,10 atau sama dengan VIF > 10 (Ghozali, 2006: 91).

Tabel 4.3 Hasil Uji Multikolinearitas

Coefficients

Coefficients ^a

Model Collinearity Statistics Tolerance

VIF LN_ROA .496 2.018 LN_DER .440 2.272 LN_TATO .847 1.181 LN_EPS .494 2.026 LN_PER .562 1.779

LN_CR .456 2.195

a. Dependent Variable: LN_RETURNSAHAM

Sumber : Output SPSS, diolah penulis, 2014 Pada penelitian ini, penulis menggunakan uji multikoliniearitas untuk mendeteksi apakah terdapat gejala multikolinearitas dalam penelitian yaitu dengan melihat besaran korelasi antar variabel independen dan besarnya tingkat kolinearitas yang masih dapat ditoleransi. Berdasarkan tabel 4.3 di atas, dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hasil penelitian menunjukkan bahwa masing–masing variabel independen yang digunakan dalam penelitian, memiliki nilai Tolerance yang lebih besar dari 0.10 yaitu nilai tolerance ROA sebesar 0.496, nilai tolerance DER sebesar 0.440, nilai tolerance TATO sebesar 0.847, nilai tolerance EPS sebesar 0.494, nilai tolerance PER sebesar 0.562, nilai tolerance CR sebesar 0.456. Perhitungan VIF juga menunjukkan hal yang sama, yaitu variabel independen memiliki nilai VIF yang kurang dari 10 yaitu nilai

VIF untuk ROA sebesar 2.018, nilai VIF untuk DER sebesar 2.272, nilai VIF untuk TATO sebesar 1.181, nilai VIF untuk EPS sebesar 2.026, nilai VIF untuk PER sebesar 1.779, nilai VIF untuk CR sebesar 2.195. Maka dari hasil tabel secara keseluruhan menunjukkan bahwa tidak terdapatnya multikolinearitas antar variabel independen dalam model ini.

4.2.2.3 Uji Heterokedatisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan lainnya. Jika varians yang satu dengan pengamatan yang lain tetap maka disebut homokedastisitas dan jika variansnya berbeda maka disebut heteroskedastisitas. Ghozali (2006:105) menyatakan bahwa “model regresi yang baik adalah tidak terjadi heteroskedastisitas.”

Dalam penelitian ini, untuk mendeteksi ada atau tidaknya gejala heterokedastisitas adalah dengan melihat grafik plot yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar keputusannya adalah:

1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengidentifikasi telah terjadi heterokedastisitas.

2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas

Berikut ini dilampirkan grafik Scatterplot untuk menganalis apakah terjadi heterokedastisitas.

Gambar 4.5 Uji Heteroskedastisitas

Sumber : Output SPSS, diolah Penulis, 2014 Grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu

Y, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi. Alasan mengapa titik–titik menyebar menjauh dari titik–titik yang lain dikarenakan data penelitian yang berbeda antara data yang satu dengan data yang lain.

4.2.2.4 Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu observasi dengan observasi lain pada model regresi. Uji yang digunakan untuk mendeteksi ada atau tidaknya autokorelasi dalam penelitian ini adalah dengan menggunakan uji

Durbin-Watson . Uji Durbin-Watson hanya digunakan untuk

autokorelasi tingkat satu (first autocorection) dan mensyaratkan adanya

intercept (konstanta) dalam model regresi dan tidak ada variabel lagi di

antara variabel dependen. Kriteria untuk penilaian terjadinya autokorelasi yaitu:

Tabel 4.4

Pengambilan Keputusan Uji Durbin-Watson (DW-Test)

Sumber : Siagian, (2011)

Berikut adalah hasil uji korelasi:

Tabel 4.5 Hasil Uji Autokorelasi

_b Model Summary

Model R R Square Adjusted R Square Std. Error of the Durbin-Watson _a Estimate 1 .374 .140 .014 1.43044 2.030 a. Predictors: (Constant), LN_CR, LN_TATO, LN_PER, LN_ROA, LN_EPS, LN_DER

b. Dependent Variable: LN_RETURNSAHAM

Sumber : Output SPSS, diolah penulis, 2014 Hasil pengujian pada tabel 4.5 menunjukkan bahwa nilai Durbin-Watson adalah 2.030. Nilai ini akan kemudian diuji berdasarkan ketentuan ada tidaknya gejala autokorelasi, yakni jika nilai Durbin-Watson (D-W) ada pada batas du (atas) dan 4-du (du < D-W < 4-du), model regresi tidak mengalami gejala autokorelasi. Nilai signifikansi yang digunakan adalah 5% dengan jumlah sampel 48 (N = 48) dan jumlah variabel independen sebanyak tiga (k = 6), maka dari tabel data statistik Durbin-Watson diperoleh nilai batas bawah (dl) sebesar 1.31 dan nilai batas atas (du) sebesar 1.72. Nilai D-W (2.030) berada di antara du (1.31) dan 4-du (2.28) atau 1.31 < 2.030 < 2.28. Dengan demikian dapat disimpulkan bahwa model regresi tidak mengalami gejala autokorelasi, sehingga pengujian dapat dilanjutkan.

4.2.3 Analisis regresi

4.2.3.1 Analisis Regresi Berganda

Berdasarkan hasil uji asumsi klasik, disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimstor (BLUE) dan sudah layak untuk dilakukan analisis statistik selanjutnya yaitu melakukan pengujian hipotesis. Hasil pengolahan data dengan analisis regresi adalah sebagai berikut:

Tabel 4.6

Hasil Analisis Regresi

Coefficients ^a Model Unstandardized Coefficients Standardized

Coefficients t Sig. B Std. Error Beta

(Constant) -1.639 6.087 -.269 .789

LN_ROA .189 .271 .143 .697 .490

LN_DER .509 .339 .327 1.498 .142

LN_TATO -.201 .412 -.077 -.489 .627

LN_EPS -.215 .181 -.245 -1.190 .241

LN_PER -.520 .298 -.337 -1.745 .088

LN_CR 1.137 .855 .285 1.330 .191

a. Dependent Variable: LN_RETURNSAHAM

Sumber : Output SPSS, diolah penulis, 2014

Berdasarkan tabel 4.6 di atas, maka persamaan regresi linear berganda sebagai berikut :

Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + e

Return Saham = -1.639 + (0.189) ROA + (0.509) DER + (-0.201) TATO +

(-0.215) EPS + (-0.520) PER + (1.137) CR + e

Keterangan: 1) Konstansta sebesar -1.639 menunjukkan bahwa apabila tidak ada variabel independen (X1 = 0, X2 = 0 dan seterusnya) maka Return Saham sebesar -1.639. 2) sebesar 0.189 menunjukkan bahwa setiap kenaikan Return

On Asset sebesar 1% maka akan diikuti oleh kenaikan Return Saham sebesar 0.189 dengan asumsi variabel lain tetap.

2 sebesar 0.509 menunjukkan bahwa setiap kenaikan Debt to

Equity Ratio sebesar 1% maka akan diikuti oleh kenaikan Return Saham sebesar 0.509 dengan asumsi variabel lain

tetap. 4)

3 sebesar -0.201 menunjukkan bahwa setiap kenaikan Total

Asset Turnover sebesar 1% maka akan diikuti oleh penurunan Return Saham sebesar 0.201 dengan asumsi variabel lain

tetap. 5)

4 sebesar -0.215 menunjukkan bahwa setiap kenaikan

Earning Per Share sebesar 1% maka akan diikuti oleh penurunan Return Saham sebesar 0.215 dengan asumsi variabel lain tetap.

5 sebesar -0.520 menunjukkan bahwa setiap kenaikan Price

Earning Ratio sebesar 1% maka akan diikuti oleh penurunan Return Saham sebesar 0.10 dengan asumsi variabel lain tetap.

6 sebesar 1.137 menunjukkan bahwa setiap kenaikan

Current Ratio sebesar 1% maka akan diikuti oleh penurunan Return Asset sebesar 1.137 dengan asumsi variabel lain tetap.

4.2.4 Pengujian Hipotesis

4.2.4.1 Uji Signifikansi Parsial

Uji t bertujuan untuk menguji apakah suatu variabel bebas (independen) berpengaruh atau tidak terhadap variabel terikat (dependen) secara parsial. Uji t menggunakan hipotesis seperti yang dijelaskan berikut ini: Ho: b1,b2,b3 = 0, artinya Return On Asset, Debt to Equity Ratio,

Total Asset Turn Over, Earning Per Share, Price Earning Ratio, Current Ratio tidak mempunyai pengaruh terhadap return saham secara

parsial pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.

Ha: b1,b2,b3 ≠ 0, artinya Return On Asset, Debt to Equity Ratio, Total

Asset Turn Over, Earning Per Share, Price Earning Ratio dan Current Ratio mempunyai pengaruh terhadap Return Saham secara parsial pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia. Adapun kriteria pengujiannya yaitu: Ho diterima jika signifikansi > 0.05 Ha diterima jika signifikansi < 0.05

Tabel 4.7 Hasil Uji - t

Coefficient a

Coefficients ^a Model Unstandardized Coefficients Standardized Coefficients t Sig.

B Std. Error Beta

(Constant) -1.639 6.087 -.269 .789

LN_ROA .189 .271 .143 .697 .490

LN_DER .509 .339 .327 1.498 .142

LN_TATO -.201 .412 -.077 -.489 .627

LN_EPS -.215 .181 -.245 -1.190 .241

LN_PER -.520 .298 -.337 -1.745 .088

LN_CR 1.137 .855 .285 1.330 .191

a. Dependent Variable: LN_RETURNSAHAM

Sumber : Output SPSS, diolah penulis, 2014

Tabel 4.6 menunjukkan hasil pengujian statistik uji-t yang menjelaskan pengaruh variabel independen secara parsial sebagai

berikut:

1) Pengaruh Return On Asset terhadap Return Saham Nilai signifikansi sebesar 0.490 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ha diterima dan Ho ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa Return On Asset secara parsial tidak berpengaruh signifikan terhadap tingkat Return Saham pada tingkat kepercayaan 95%. 2) Pengaruh Debt to Equity Ratio terhadap Return Saham

Nilai signifikansi sebesar 0.142 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa Debt to Equity Ratio secara parsial tidak berpengaruh signifikan terhadap tingkat Return Saham pada tingkat kepercayaan 95%. 3) Pengaruh total asset turnover terhadap Return Saham

Nilai signifikansi sebesar 0.627 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa total asset turnover secara parsial tidak berpengaruh signifikan terhadap tingkat Return Saham pada tingkat kepercayaan 95%.

4) Pengaruh Earning Per Share terhadap Return Saham Nilai signifikansi sebesar 0.241 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa Earning Per Share secara parsial tidak berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95%. 5) Pengaruh Price Earning Ratio terhadap Return Saham

Nilai signifikansi sebesar 0.088 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa Price Earning Ratio secara parsial tidak berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95%. 6) Pengaruh Current Ratio terhadap Return Saham

Nilai signifikansi sebesar 0.191 menunjukkan bahwa nilai Sig. untuk uji t secara parsial lebih besar dari 0.05 sehingga Ho diterima dan Ha ditolak. Hasil penelitian ini sesuai dengan hasil pengujian statistik yang melihat nilai signifikansi yaitu bahwa Current Ratio secara parsial tidak berpengaruh signifikan terhadap tingkat profitabilitas pada tingkat kepercayaan 95%.

4.2.4.2 Uji Signifikansi Simultan

Uji F dilakukan untuk mengetahui apakah variabel independen secara bersama-sama (simultan) mempunyai pengaruh terhadap variabel dependen. Pembuktian dilakukan dengan cara melihat nilai signifikansi dalam uji F, pada uji F digunakan hipotesis yang disebutkan di bawah ini: H0: b1,b2,b3 = 0, artinya Return On Asset, Debt to Equity Ratio, Total

Asset Turn Over, Earning Per Share, Price Earning Ratio dan Current

Ratio tidak mempunyai pengaruh terhadap Return Saham secara

simultan pada perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.

Ha: b1,b2,b3 ≠ 0, artinya Return On Asset, Debt to Equity Ratio, Total

Asset Turn Over, Earning Per Share, Price Earning Ratio dan Current

Ratio mempunyai pengaruh terhadap Return Saham secara parsial pada

perusahaan otomotif yang terdaftar di Bursa Efek Indonesia.

Kriteria pengujiannya yaitu: Ho diterima jika signifikansi > 0.05 Ha diterima jika signifikansi < 0.05

Tabel 4.8 Hasil Uji F

_a ANOVA Model Sum of Squares df Mean Square F Sig. _b Regression 13.649

6 2.275 1.112 .372 Residual 83.892 41 2.046 Total 97.541

a. Dependent Variable: LN_RETURNSAHAM

b. Predictors: (Constant), LN_CR, LN_TATO, LN_PER, LN_ROA, LN_EPS, LN_DER

Sumber : Output SPSS, diolah Penulis, 2014 Hasil uji F yang ditampilkan dalam tabel 4.7 menunjukkan bahwa nilai tingkat signifikansi 0.372 yang lebih besar dari 0.05. Hal ini menunjukkan bahwa Ho diterima dan Ha ditolak, artinya variabel bebas yaitu Return On Asset, Debt to Equity Ratio, Total Asset Turn

Over, Earning Per Share, Price Earning Ratio dan Current Ratio tidak

BAB III METODOLOGI PENELITIAN 3.1 Jenis Penelitian - Analisis Pengaruh Return On Asset, Debt To Equity Ratio, Total Asset Turn Over, Earning Per Share, Price Earning Ratio, Dan Current Ratio Terhadap Perusahaan Otomotif Yang Terdaftar Di Bursa Efek Indone