Analisis dan Pengujian Hipotesis

Tabel 5 : Return Saham Perusahaan Otomotif di BEI Sumber: Lampiran 1 Berdasarkan tabel di atas dapat diketahui bahwa tahun 2006 untuk Return Saham PT. Goodyear Indonesia Tbk mencatat nilai tertinggi yaitu sebesar 0,175.Pada tahun 2007 nilai tertinggi dicapai oleh PT. Goodyear Indonesia Tbk yaitu sebesar 0,969.Pada tahun 2008 nilai tertinggi dicapai oleh PT. Astra Otoparts yaitu sebesar 0,053.Dan PT. Hexindo Adiperkasa mencatat nilai tertinggi sebesar 3,565.

4.3 Analisis dan Pengujian Hipotesis

4.3.1 Uji Normalitas

Sebuah model regresi yang variable Dependen dan Independen atau keduanya mempunyai distribusi normal atau tidak.Deteksi Normalitas dengan menggunakan ujiKolmogorov-Smirnov dengan menggunakan uji ini diperoleh hasil analisis bahwa semua variable yang diteliti memiliki distribusi yang normal, dimana nilai Asymp. Sig signifikansi lebih besar dari 0,10, sehingga dapat disimpulkan data Periode tahun No Nama Perusahaan 2006 2007 2008 2009 1 PT. Astra International Tbk 0.539 0.739 0.614 2.289 2 PT. United Tractors Tbk 0.782 0.664 0.578 2.523 3 PT. Tunas Ridean Tbk 0.029 0.746 0.395 1.32 4 PT. Multistrada Arah Sarana Tbk 0.344 0.208 0.349 0.464 5 PT. Intraco penta Tbk 0.172 0.146 0.575 1.949 6 PT. Hexindo Adiperkasa Tbk 0.063 0.178 0.068 3.565 7 PT. Gajah Tunggal Tbk 0.036 0.155 0.591 1.125 8 PT. Goodyear Indonesia Tbk 0.175 0.969 0.615 0.92 9 PT. Astra Otoparts Tbk 0.045 0.137 0.053 0.643 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. tersebut memenuhi asumsi berdistribusi normal. Seperti pada tabel normalitas data berikut: Tabel 6 :Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test RETURN SAHAM ROE ROA EPS DER N 55 55 55 55 55 Mean 2341.51 18.6062 8.1298 76.18 1.4035 Normal Parameters a Std. Deviation 4723.344 1.12559E 1 5.49285 108.39 8 .86327 Absolute .326 .082 .129 .291 .132 Positive .326 .082 .129 .291 .132 Most Extreme Differences Negative -.314 -.059 -.078 -.224 -.099 Kolmogorov-Smirnov Z 2.416 .607 .957 2.159 .980 Asymp. Sig. 2-tailed .270 .854 .319 .113 .292 Sumber :Lampiran 1

4.3.2 Uji Outlier

Evaluasi terhadap multivariate outliers perlu dilakukan sebab walaupun data yang dianalisis menunjukkan tidak ada outlier pada tingkat univariate, tetapi observasi itu dapat menjadi outlier bila sudah dikombinasikan. Multivariate outliers diuji menggunakan uji Mahalanobis Distance pada tingkat p 0,001. Jarak Mahalanobis Distance itu dievaluasi dengan menggunakan X 2 pada derajat bebas sebesar jumlah Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. indicator yang digunakan dalam setiap variable hair, 1995 dalam Ferdinand 2002;102-103.Berikut ini hasil Uji Outlier Tabel 7 : Uji Outlier Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value -.77 35.34 18.50 7.487 36 Std. Predicted Value -2.573 2.249 .000 1.000 36 Standard Error of Predicted Value 1.591 6.158 3.016 1.277 36 Adjusted Predicted Value -12.25 36.73 17.74 9.009 36 Residual -13.857 18.339 .000 7.412 36 Std. Residual -1.731 2.291 .000 .926 36 Stud. Residual -1.787 3.264 .039 1.046 36 Deleted Residual -14.779 37.245 .757 9.837 36 Stud. Deleted Residual -1.859 3.997 .056 1.125 36 Mahal. Distance .410 19.731 4.861 5.085 36 Cooks Distance .000 1.831 .068 .303 36 Centered Leverage Value .012 .564 .139 .145 36 a. Dependent Variable: DATAKE Sumber : Lampiran 1 Terdapat outlier apabila Mahal. Distance Maximum Prob. Jumlah variabel [=CHIINV0,001;5 : dicari melalui Excel] =20,515 -Tidak terdapat nilai Mahal. Distance Maximum 19,731 yang lebih KECIL dari 20,515 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Berarti tidak terdapat outlier pada data tersebut, oleh karena itu data ini mempunyai kualitas yang baik dan dapat dilanjutkan untuk diolah lebih lanjut.

4.3.3 Uji Asumsi Klasik

Pengujian asumsi klasik ini perlu dilakukan untuk mngetahui apakah hasil estimasi regresi yang dilakukan betul – betul terbebas dari adanya gejala multikolinearitas, gejala auto korelasi dan gejala heterokedastisitas. Hasil pengujian disajikan sebagai berikut :

1. Uji Autokorelasi

Adanya korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu periode t-1 sebelumnya.Jika data di atas 15 Catatan: Autokorelasi pada sebagian besar data time series. Deteksi Autokorelasi: a. Besarnya Angka Durbin Watson Patokan : Angka D-W di bawah –2 ada autokorelasi positif Angka D-W di atas +2 ada autokorelasi negatif Angka Berada diantara –2 sampai +2 Tidak ada Autokorelasi atau Membandingkan dengan Tabel Durbin Watson Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Identifikasi gejala autokorelasi dapat dilakukan dengan kurva di bawah ini. Tidak ada autokorelasi positif dan tidak ada autokorelasi negatif dL dU 4 - dU 4 - dL 4 ada a ut o kore la si pos it if daerah keragu raguan ada a ut o kore la si ne ga ti f daerah keragu raguan a. Koefisien determinasi berganda R square tinggi b. Koefisien korelasi sederhananya tinggi. c. Nilai F hitung tinggi signifikan d. Tapi tak satupun atau sedikit sekali diantara variabel bebas yang signifikan. Tabel 8: Uji Autokorelasi Sumber : lampiran 4 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .459 a .211 .109 .926188 .692 a. Predictors: Constant, PBV, PER, BVS, ROE b. Dependent Variable: RETURN SAHAM Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Untuk asumsi klasik yang mendeteksi adanya autokorelasi di sini dilihat dari hasil analisis yang menunjukkan hasil bahwa nilai Durbin Watson sebesar 0,620 hal ini menunjukkan adanya gejala autokorelasi.positif, Jadi dapat disimpulkan bahwa model regresi linier berganda yang diperoleh pada penelitian ini telah memenuhi asumsi klasiknya yaitu tidak memenuhi autokorelasi

2. Uji Multikolinieritas

Adanya korelasi variabel independen dalam regresi berganda. Deteksi adanya Multikolinier : a. Besarnya VIF Variance Inflation Factor dan Tolerance - Jika VIF melebihi angka 10, maka variabel tersebut mengindikasikan adanya multikolinieritas. Gujarati b. Nilai Eigenvalue mendekati 0 Singgih Santoso c. Condition Index melebihi angka 15 Singgih Santoso Dalam pengujian asumsi klasik terhadap analisis regresi linier berganda ini menyatakan bahwa hasil analisis penelitian ini menunjukkan tidak adanya gejala multikolinieritas pada semua variabel bebas dimana nilai VIF pada semua variabel lebih kecil dari 10. Syarat terjadi multikolinieritas jika nilai VIF Variance Inflation Factor  10 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Cryer,1994 : 681. Tabel 9 : Uji Multikolinieritas Sumber : Lampiran 2

3. Uji Heterokedastisitas

Varian dari residual dari satu pengamatan ke pengamatan lain mempunyai varian yang berbeda. Jika sama namanya Homoskedastisitas. Model regresi yang baik tidak mempunyai Heteroskedastisitas. Deteksi Adanya Heteroskedastisitas : a. Dari Scatter Plot Residual: jika ada pola tertentu seperti titik-titik point-point yang ada membentuk pola tertentu yang teratur bergelombang, menyebar kemudian menyempit Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF Constant -.181 .309 -.587 .561 ROE .005 .010 .102 .535 .597 .703 1.423 PER -.002 .003 -.125 -.741 .464 .895 1.117 BVS 9.105E-6 .000 .027 .159 .875 .867 1.154 1 PBV .278 .140 .354 1.985 .056 .798 1.253 a. Dependent Variable: RETURN SAHAM Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas. c. Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan cara menghitung korelasi rank Spearman antara residual dengan seluruh variabel bebas. Rumus rank Spearman adalah : r s = 1 – 6   1 N N d 2 2 i   Keterangan : d i = perbedaan dalam rank antara residual dengan variabel bebas ke-i N = banyaknya data Pengujian Heteroskedastisitas di sini menggunakankorelasi rank Spearman antara residual dengan seluruh variabel bebas dengan hasil analisis sbb: Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Tabel 10 : Uji Heterokedastisitas Correlations ROE PER BVS PBV Unstandardized Residual Correlation Coefficient 1.000 -.347 .494 .538 -.094 Sig. 2-tailed . .038 .002 .001 .585 ROE N 36 36 36 36 36 Correlation Coefficient -.347 1.000 -.076 .290 .023 Sig. 2-tailed .038 . .661 .086 .893 PER N 36 36 36 36 36 Correlation Coefficient .494 -.076 1.000 .343 -.004 Sig. 2-tailed .002 .661 . .041 .982 BVS N 36 36 36 36 36 Correlation Coefficient .538 .290 .343 1.000 -.111 Sig. 2-tailed .001 .086 .041 . .520 PBV N 36 36 36 36 36 Correlation Coefficient -.094 .023 -.004 -.111 1.000 Sig. 2-tailed .585 .893 .982 .520 . Spearmans rho Unstanda rdized Residual N 36 36 36 36 36 . Correlation is significant at the 0.05 level 2-tailed. Sumber:Lampiran 2 . Correlation is significant at the 0.01 level 2-tailed. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Hasil analisis menunjukkan bahwa pada variabel X1, X2, X3 dan X4, TIDAK mempunyai korelasi yang signifikan antara residual dengan variabel bebasnya,nilai Sig lebih besar dari 0,05 maka hasil analisis ini dapat disimpulkan seluruh variabel penelitian tidak terjadi Heteroskedastisitas.

4.3.4 Analisis Regresi Linier Berganda

Analisis regresi berganda ini dilakukan untuk menghitung besarnya pengaruh antara variable bebas yang terdiri dari ROE, PER, BVS, dan PBV terhadap variable terikat yaitu Return Saham. Dari hasil analisis perhitungan computer menggunakan program SPSS, diperoleh hasil sebagai berikut : Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Tabel 11 : Uji Regresi Linier Berganda Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF Constant -.181 .309 -.587 .561 ROE .005 .010 .102 .535 .597 .703 1.423 PER -.002 .003 -.125 -.741 .464 .895 1.117 BVS 9.105E-6 .000 .027 .159 .875 .867 1.154 1 PBV .278 .140 .354 1.985 .056 .798 1.253 a. Dependent Variable: R.SAHAM Sumber : Lampiran 5 Berdasarkan pada tabel tersebut, dapat diketahui persamaan regresi linier berganda sebagai berikutnya : Y = βo + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + e Y = -0,181 + 0,005 X 1 - 0,002 X 2 + 9,105E-6 X 3 + 0,278 X 4 Dari persamaan regresi linier berganda di atas dapat diuraikan sebagai berikut : a. Konstanta Artinya tanpa pengaruh dari variable bebas ROE X 1 , PER X 2 , BVS X 3 , dan PBV X 4 , maka nilai Return Saham Y adalah sebesar 0.181 satu satuan rupiah. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. b. Koefisien regresi Return on Equity β 1 = 0,005 Artinya jika Return on Equity X 1 mengalami kenaikan 1 maka Return saham akan mengalami kenaikan sebesar 0,005 satu satuan rupiah dengan asumsi variable Return on Equity X 1 , Price Earning Ratio X 2 , BookValue Per Share X 3 , serta Price to Book Value X 4 tetap. c. Koefisien regresi Price Earning Ratio β 2 = 0,002 Artinya Price Earning Ratio X 2 mengalami penurunan 1 maka Return saham akan mengalami penurunan sebesar 0,002 satu satuan rupiah dengan asumsi variabel Return on Equity X 1 , Price Earning Ratio X 2 , BookValue Per Share X 3 , serta Price to Book Value X 4 tetap. d. Koefisien regresi BookValue Per Share β 3 = 9,105E-6 Artinya BookValue Per Share X 3 mengalami kenaikan 1 maka Return saham akan mengalami kenaikan 9,105E-6 satu satuan rupiah dengan asumsi variable Return on Equity X 1 , Price Earning Ratio X 2 , BookValue Per Share X 3 , serta Price to Book Value X 4 tetap. e. Koefisien regresi Price to Book Value β 4 = 0,278 Artinya Price to Book Value X 4 mengalami kenaikan 1 maka Return saham akan mengalami kenaikan 0,278 satu satuan rupiah dengan asumsi Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. variable Return on Equity X 1 , Price Earning Ratio X 2 , BookValue Per Share X 3 , serta Price to Book Value X 4 tetap.

4.3.5 Koefisien Determinasi R

2 Koefisien korelasi berganda R = 0,459 yang menunjukkan bahwa hubungan antara variabel independent X1 , X2, X3 dan X4 dengan Y adalah lemah. Koefisien determinasi R 2 = 0,211 berarti variable Y dipengaruhi oleh variabel independent X1 , X2, X3 dan X4 sebesar 21,10 persen sedang sisanya sebesar 78,90 persen dipengaruhi oleh variabel lain selain ketiga variabel independen dalam model tersebut. Tabel 12 : Koefisien Determinasi Model Summary b Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .459 a .211 .109 .926188 .692 a. Predictors: Constant, PBV, PER, BVS, ROE b.Dependent Variable: R.SAHAM Sumber : Lampiran 4 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.3.6 Uji F

Tabel 13 : Uji F ANOVA b Model Sum of Squares df Mean Square F Sig. Regression 7.093 4 1.773 2.067 .109 a Residual 26.593 31 .858 1 Total 33.685 35 a. Predictors: Constant, PBV, PER, BVS, ROE b. Dependent Variable: R.SAHAM Sumber :Lampiran 4 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Berdasarkan hasil pengujai dengan F test, menunjukkan bahwa nilai signifikansi Sig = 0,109 lebih besar dari 0,10, hal ini dapat disimpulkan jika penggunaan model regresi dalam penelitian ini adalah kurang tepat.

4.3.7 Uji t

Uji t digunakan untuk menguji pengaruh secara parsial masing – masing variabel bebas Return on Equity, Price Earning Ratio, Book Value PerShare, Price to Book Value terhadap variabel terikat Return Saham. Pengujian ini dilakukan dengan uji dua arah dan menggunakan tingkat signifikan 0,10 10 ; df : 16 dengan nilai t tabel adalah sebesar = 2,120 Tabel 14 : Uji t Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF Constant -.181 .309 -.587 .561 ROE .005 .010 .102 .535 .597 .703 1.423 PER -.002 .003 -.125 -.741 .464 .895 1.117 BVS 9.105E-6 .000 .027 .159 .875 .867 1.154 1 PBV .278 .140 .354 1.985 .056 .798 1.253 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF Constant -.181 .309 -.587 .561 ROE .005 .010 .102 .535 .597 .703 1.423 PER -.002 .003 -.125 -.741 .464 .895 1.117 BVS 9.105E-6 .000 .027 .159 .875 .867 1.154 1 PBV .278 .140 .354 1.985 .056 .798 1.253 a. Dependent Variable: R.saham Sumber : Lampiran 5 Adapun hasil pengujian hipotesis berdasarkan hasil pada tabel 12 di atas Adalah sebagai berikut : 1. ROE X1 berpengaruh terhadap Return Saham Y, tidak dapat diterima dengan tingkat [Sig. ,0,597 0,10 :Non signifikan [positif]. 2. PER X2 berpengaruh terhadap Return Saham Y, tidak dapat diterima dengan tingkat [Sig. 0,464 0,10 :Non signifikan [negatif]. 3. BVS X3 berpengaruh terhadap Return Saham Y, tidak dapat diterima dengan tingkat [Sig. 0,8750,10 : Non signifikan [positif]. 4. PBV X4 berpengaruh terhadap Return Saham Y, dapat diterima dengan tingkat [Sig. 0,056 0,10 : signifikan [positif].

4.4 Pembahasan