Kriteria pengambilan keputusan : Jika probabilitas 0.05 maka Ha diterima
Jika probabilitas 0.05, maka Ha ditolak.
G. Jadwal penelitian Tahapan
Penelitian
Mei Jun
Jul Aug
Sep Okt
Nov Des
Pengajuan Proposal
Bimbingan Proposal
Seminar Proposal
Pengumpulan Data dan
Pengolahan Data
Bimbingan dan Penulisan
Skripsi
Penyelesaian Skripsi
Universitas Sumatera Utara
BAB IV ANALISIS HASIL PENELITIAN
A. Analisis Statistik Deskriptif
Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata, dan standart deviasi untuk data yang digunakan dalam
penelitian:
Tabel 4.1 Descriptive Statistics
N Minimum Maximum
Mean Std. Deviation
Earning_Per_Share
78 7
12120 774.18
1992.382
Dividen_Per_Share
78 1
15000 556.78
1977.047
Harga_Saham
78 60
55000 6171.14
12968.154
Valid N listwise
78 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa:
a. variabel earning per share EPS memiliki nilai minimum terkecil 7, nilai
maksimum terbesar 12120, mean nilai rata-rata 774.18 dan Standart Deviation simpangan baku variabel ini adalah 1992.383,
b. variabel deviden per share DPS memiliki nilai minimum terkecil 1, nilai
maksimum terbesar 15000, mean nilai rata-rata 556.78 dan Standart Deviation simpangan baku variabel ini adalah 1977.047,
Universitas Sumatera Utara
c. variabel harga saham HS memiliki nilai minimum terkecil 60 nilai
maksimum terbesar 55000, mean nilai rata-rata 6171.14 dan Standart Deviation simpangan baku variabel ini adalah 12968.154,
B. Hasil Uji Asumsi Klasik 1. Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak,
dengan membuat hipotesis sebagai berikut: H
o
: data residual terdistribusi normal,
H
a
: data residual terdistribusi tidak normal. Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual
berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Pada penelitian ini akan digunakan kedua cara tersebut.
a Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki
pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng.
Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan
menyebar di sekitar garis diagonal.
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik P-P Plot
Dengan melihat tampilan grafik histogram, penulis melihat bahwa gambar histogram telah berbentuk lonceng tetapi menceng ke arah kiri
Universitas Sumatera Utara
yang menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot terlihat titik-titik tidak menyebar di sekitar garis diagonal
dan jauh dari garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas.
Pada penelitian ini penulis menggunakan metode transformasi data untuk menormalkan data penelitian. Menurut Ghozali 2005:32, “data
yang tidak terdistribusi secara normal dapat ditransformasikan agar menjadi normal”. Salah satu trasformasi data yang dapat dilakukan adalah
dengan mentransformasikan data ke LG10 atau logaritma 10 atau LN. Hasil transformasi data dapat dilihat pada lampiran vi. Setelah dilakukan
transformasi, penulis melakukan pengujian ulang terhadap uji normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi normal
atau tidak. Berikut hasil uji normalitas data setelah transformasi:
Gambar 4.3 Histogram
Universitas Sumatera Utara
Gambar 4.4 P-Plot
Dari grafik histogram dan normal probability plot pada gambar 4.3 dan gambar 4.4 di atas terlihat bahwa setelah dilakukan transformasi data ke
logaritma natural Ln terlihat bahwa grafik histogram memperlihatkan pola distribusi yang normal, dan grafik P-P Plot memperlihatkan titik-titik
menyebar di sekitarmengikuti arah garis diagonal yang menunjukkan pola distribusi normal.
b Uji Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu
melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal
berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau
tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka
Universitas Sumatera Utara
distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov dapat
dilihat pada tabel 4.2. Tabel 4.2
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,000. Dengan demikian, data pada penelitian ini tidak
berdistribusi normal karena probabilitas 0.05. Hasil transformasi data dapat dilihat pada lampiran vi. Setelah dilakukan transformasi, penulis
melakukan pengujian ulang terhadap uji normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi normal atau tidak.
Hasil uji Kolmogorov-Smirnov pada tabel 4.3. Pada penelitian ini menujukkan probabilitas = 0,917. Dengan demikian, data pada penelitian
ini berdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,917 0,05 H
diterima. Berikut hasil uji normalitas data setelah transformasi:
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 78
Normal Parameters
a
Mean .0000000
Std. Deviation 8.14219001E3
Most Extreme Differences Absolute
.323 Positive
.323 Negative
-.308 Kolmogorov-Smirnov Z
2.852 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
Universitas Sumatera Utara
Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 78
Normal Parameters
a
Mean .0000000
Std. Deviation .76614200
Most Extreme Differences Absolute
.063 Positive
.045 Negative
-.063 Kolmogorov-Smirnov Z
.555 Asymp. Sig. 2-tailed
.917 a. Test distribution is Normal.
2. Hasil Uji Heteroskedastisitas
Menurut Ghozali 2005:105, “Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas
dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan
data crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil,sedang,dan besar”.
Pengujian heteroskedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada
grafik dan uji glejser, dengan cara meregres seluruh variabel independen
Universitas Sumatera Utara
dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis adalah :
H : tidak ada heteroskedastisitas,
H
a
: ada heteroskedastisitas. Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika
signifikan 0,05 maka H diterima tidak ada heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas scatterplot
Tabel 4.4 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1 Constant
.575 .187
3.067 .003
LN_Earning_Per_Share .067
.078 .281
.860 .392
LN_Deviden_Pershare -.074
.066 -.366 -1.123
.265 a. Dependent Variable: Absut
Universitas Sumatera Utara
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta
tersebar baik diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi
layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.4 diatas kita dapat melihat bahwa nilai signifikansi
untuk variabel ln earning per share adalah 0,392 0.05. nilai signifikansi untuk variabel ln deviden per share adalah 0,265 0.05. Dari hasil ini maka
dapat disimpulkan bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya memiliki signifikan lebih besar dari 0,05
3. Hasil Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode
t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang
datanya time series. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. secara umum panduan mengenai
angka Durbin-Watson dapat diambil patokan sebagai berikut: 1
angka D-W dibawah -2 berarti ada autokorelasi positif, 2
angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3
angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .143
a
.020 -.006
.42891 1.303
a. Predictors: Constant, LN_Deviden_Pershare, LN_Earning_Per_Share b. Dependent Variable: LN_Harga_Saham
Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 1.303 Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa
tidak terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.
4. Uji Multikolineritas
Menurut Ghozali 2005:91, “Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel
bebas independen”. Adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai Variance Inflation Factor VIF. Batas tolerance
value adalah 0,1 dan batas VIF adalah 10. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas. Apabila tolerance value 0,1 atau VIF
10 = tidak terjadi multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.6.
Universitas Sumatera Utara
Tabel 4.6 Hasil Uji Multikolineritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
.575 .187
3.067 .003 LN_Earning_Per_Share
.067 .078
.281 .860 .392
.123 8.146E0 LN_Deviden_Pershare
-.074 .066
-.366 -1.123 .265 .123 8.146E0
a. Dependent Variable: LN_Harga_Saham
Berdasarkan tabel 4.6 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang
memiliki tolerance value lebih kecil dari 0,1.Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil analisis, didapat
nilai VIF untuk variabel earning per share adalah 8.146 10 dan nilai tolerance sebesar 0.123 0,1, nilai VIF untuk variabel deviden per share
adalah 8.146 10 dan nilai tolerance sebesar 0.123 0.1. Hasil ini maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian
ini lolos uji gejala multikolinearitas.
C. Hasil Pengujian Hipotesis 1. Uji Koefisien Determinasi
Besarnya kontribusi antara sumbangan yang diberikan oleh variabel earning per share dan dividen per share terhadap harga saham pada
perusahaan yang terdaftar di Bursa Efek Indonesia dapat diketahui dari nilai koefisien determinasi ganda atau R
2
. Dalam penelitian ini penulis menggunakan pengukuran dengan adjusted
R
2
. Menurut Ghozali
Universitas Sumatera Utara
2005:83,”oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai pada saat mengevaluasi mana model regresi terbaik. Tidak seperti nilai
R
2
, nilai Adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model”. Adjusted R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Dalam hal ini adjusted R
2
digunakan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen. Hasil pengukuran
koefisien determinasi dapat dilihat pada tabel 4.7 sebagai berikut:
Tabel 4.7 Hasil Pengujian Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.143
a
.020 .006
.42891 a. Predictors: Constant, LN_Deviden_Pershare,
LN_Earning_Per_Share b. Dependent Variable: LN_Harga_Saham
Besarnya Adjusted R
2
berdasarkan hasil analisis dengan menggunakan SPSS 16 diperoleh sebesar 0,006. Dengan demikian besarnya pengaruh yang
diberikan oleh variabel deviden per share dan earning per share terhadap harga saham adalah sebesar 6. Sedangkan sisanya sebesar 94 adalah
dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian
ini.
2. Hasil pengujian Simultan Uji F
Uji F digunakan untuk mengetahui ada tidaknya pengaruh secara bersama- sama variabel bebas terhadap variabel terikat. Uji F dapat dicaridengan
melihat F hitung dari tabel Anova output
SPSS versi 16 for windows
, selain itu
Universitas Sumatera Utara
jugamembandingkan hasil dari probabilitas value. Jika probabilitas value 0,05maka Ho ditolak dan jika probabilitas value 0,05 maka Ha diterima.
berdasarkan tabel 4.8 dibawah ini terlihat bahwa:
Tabel 4.8 Hasil Uji F
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
.287 2
.143 .779
.462
a
Residual 13.798
75 .184
Total 14.084
77 a. Predictors: Constant, LN_Deviden_Pershare, LN_Earning_Per_Share
b. Dependent Variable: LN_Harga_Saham
Pada tabel Anova dapat diketahui nilai dengan nilai probabilitas value dalam penelitian ini adalah 0,25 yang berarti angka ini berada diatas 0,05. Kesimpulan
yang dapat diambil adalah
variabel dividen per share dan earning per share secara simultan bersama tidak berpengaruh signifikan terhadap harga saham.
3.
Hasil Pengujian Parsial Uji t
Untuk mengetahui pengaruh masing-masing variabel bebas terhadap variabel terikat yaitu antara
dividen per share dan earning per share terhadap harga saham
dalam penelitian ini dilakukan pengujian terhadap koefisien regresi yaitu dengan uji t. Berdasarkan perhitungan SPSS versi 16 for windows yang dapat
dilihat pada tabel 4.9, dapat diketahui nilai probabilitas value masing-masing variabel independen terhadap variabel dependen. Jika probabilitas value 0.05
maka Ho ditolak dan
dan jika probabilitas value 0,05 maka Ha diterima. berdasarkan tabel 4.9 dibawah ini terlihat bahwa:
Universitas Sumatera Utara
Tabel 4.9 Hasil Uji t
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error
Beta 1 Constant
.575 .187
3.067 .003
LN_Earning_Per_Share .067
.078 .281
.860 .392
LN_Deviden_Pershare .074
.066 -.366 -1.123
.265 a. Dependent Variable: LN_Harga_Saham
Variabel earning per share berpengaruh positif dan tidak signifikan terhadap terhadap harga saham. Hal ini dapat terlihat dari nilai signifikan
0.392 diatas lebih besar 0.05. Variabel dividen per share berpengaruh negatif dan tidak signifikan terhadap harga saham. Hal ini dapat terlihat dari
nilai signifikan 0.265 diatas besar 0.05. Dari tabel 4.9 diatas dapat diperoleh model persamaan regresi berganda sebagai berikut:
Y = 0.575 +0.067X
1
+0.74 X
2
+e
Keterangan:
a. Nilai konstanta adalah 0.575 artinya apabila variabel earning per share
dan deviden per share bernilai nol tidak ada maka harga saham akan bernilai sebesar sebesar 0.575,
b. Nilai koefisien earning per share adalah 0.067 artinya Setiap kenaikan
earning per share akan meningkatkan nilai harga saham sebesar 0.067.
c. Nilai koefisien deviden per share adalah 0.74 artinya setiap kenaikan
dividen per share akan meningkatkan nilai harga saham sebesar 0.74,
Universitas Sumatera Utara
D. Pembahasan Hasil Penelitian
Penelitian ini bertujuan untuk melihat apakah ada pengaruh antara antara earning per share dan dividend per share terhadap harga saham baik secara
parsial maupun simultan pada perusahaan perusahaan go public di Indonesia. Variabel independen yang digunakan dalam penelitian ini adalah earning per
share dan dividend per share. Variabel dependen dalam penelitian ini adalah harga saham. Populasi yang digunakan dalam penelitian ini adalah semua
perusahaan yang go public di Bursa Efek Indonesia pada tahun 2006-2008. dimana jumlah populasi yang digunakan adalah sebanyak 397 perusahaan.
Teknik pengambilan sampel yang digunakan adalah teknik purposive sampling dimana jumlah amatan yang diperoleh dalam penelitian ini adalah 78 26x 3
tahun. Pengujian yang digunakan dalam penelitian ini adalah uji asumsi klasik normalitas, heteroskedastisitas, autokorelasi dan multikolineritas dan uji
hipotesis uji t, uji F dan uji determinasi. Berdasarkan hasil uji besarnya adjusted R
2
berdasarkan hasil analisis dengan menggunakan SPSS 16 diperoleh sebesar 6. Dengan demikian besarnya pengaruh yang diberikan oleh variabel earning
per share dan dividend per share terhadap harga saham adalah sebesar 6. Sedangkan sisanya sebesar 94 adalah dipengaruhi oleh faktor lain yang tidak
diteliti dalam penelitian ini. Berdasarkan hasil uji simultan diperoleh kesimpulan variabel earning per share dan dividend per share tidak berpengaruh signifikan
terhadap harga saham. Berdasarkan hasil uji parsial diperoleh variabel earning per share berpengaruh positif dan tidak signifikan terhadap harga saham. Variabel
dividend per share berpengaruh positif dan tidak signifikan terhadap harga saham.
Universitas Sumatera Utara
Penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh Raymond 2007, Denny 2008, Liestyana 2008 dan Silvana 2009. Penelitian ini sejalan
dengan penelitian yang dilakukan oleh Nurmala 2006.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
A. Kesimpulan
