Statistik Deskriptif . Regresi Linier Berganda Uji t Uji Parsial

Data sekunder dalam penelitian ini diperoleh dari website Bursa Efek Indonesia yaitu www.idx.co.id dan data dari ICMD Indonesia Capital Market Directory. Menurut waktu pengumpulannya, data yang digunakan termasuk dalam Pooling Data. Pooling data merupakan gabungan dari data yang melibatkan urutan waktu time series dan data yang melibatkan satu waktu tertentu dengan banyak sampel cross sectional Jogiyanto, 2004 : 54.

3.6 Metode Pengumpulan Data

Dalam penelitian ini jenis data yang digunakan adalah data kuantitatif dan merupakan data sekunder yang informasinya diperoleh secara tidak langsung dari perusahaan. Metode pengumpulan data dilakukan dengan metode dokumentasi, yaitu metode mengumpulkan data sekunder yang berasal dari laporan keuangan perusahaan dan informasi lain yang berkaitan dengan penelitian. Data yang digunakan dalam penelitian ini diperoleh dengan cara mengunduh data-data yang diperlukan dari www.idx.co.id dan ICMD Indonesia Capital Market Directory.

3.7. Teknik Analisis Data

Teknik data pada penelitian ini dilakukan dengan studi dokumentasi yaitu dengan mempelajari, mengklasifikasikan, dan mengalisis data sekunder berupa catatan – catatan, laporan keuangan, maupun informasi lainnya yang terkait dengan lingkup penelitian ini. Data penelitian mengenai ROA, CR, LDER, TATO dan harga saham.

3.7.1 Statistik Deskriptif

Statistik deskriptif merupakan analisis yang paling mendasar untuk menggambarkan keadaan data secara umum. Statistik deskriptif ini meliputi beberapa hal sub menu deskriptif statistik seperti frekuensi, deskriptif, eksplorasi data, tabulasi silang dan analisis rasio yang menggunakan Minimum, Maksimum, Mean, Median, Mode, Standard Deviasi.

3.7.2 Pengujian Asumsi Klasik

Model regresi yang digunakan dalam menguji hipotesis haruslah menghindari kemungkinan terjadinya penyimpangan asumsi klasik. Asumsi klasik regresi meliputi Ghozali dalam Sugiyono, 2002.

3.7.2.1 Uji Normalitas Data

Uji normalitas bertujuan untuk menguji apakah model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Metode yang dapat dipakai untuk normalitas antara lain: analisis grafik dan analisis statistik. Uji normalitas dalam penelitian ini dilakukan dengan cara analisis grafik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya: Jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal menyerupai lonceng, regresi memenuhi asumsi normalitas.

3.7.2.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen Erlina, 2008:105. Jika terjadi korelasi, berarti terjadi masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dilihat dari nilai tolerance dan nilai Variance Inflation Factor VIF. Batasan yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai tolerance 0,10 dan nilai VIF10. Apabila nilai tolerance 0,10 atau nilai VIF 10 maka dapat disimpulkan tidak terjadi multikolinearitas.

3.7.2.3 Uji Autokorelasi

Adapun uji yang dapat digunakan untuk mendeteksi adanya penyimpangan asumsi klasik ini adalah uji Durbin Watson D-W stat dengan ketentuan sebagai berikut Sujianto, 2009:80 : 1. 1,65 DW 2,35 maka tidak ada autokorelasi. 2. 1,21 DW 1,65 atau 2,35 DW 2,79 maka tidak dapat disimpulkan. 3. DW 1,21 atau DW 2,79 maka terjadi auto korelasi.

3.7.2.4 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang tidak terjadi heteroskedasitas. Metode yang dapat dipakai untuk mendeteksi gejala heterokedasitas antara lain: metode grafik, park glejser, rank spearman dan barlett. Dalam penelitian ini metode yang digunakan untuk mendeteksi gejala heteroskedasitas dengan melihat grafik plot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedasitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara ZPRED dan SRESID dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang terletak di Studentized ketentuan tersebut adalah sebagai berikut: 1 Jika ada titik-titik yang membentuk pola tertentu yang teratur maka mengidentifikasikan telah terjadi heterokedasitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedasitas.

3.7.3 . Regresi Linier Berganda

Penelitian ini bertujuan melihat pengaruh hubungan antara variabel- variabel independen terhadap variabel dependen dengan menggunakan analisis regresi linear berganda. Statistik untuk menguji hipotesis dalam penelitian ini menggunakan metode regresi linier berganda dengan rumus: Y= a + b 1 x 1 + b 2 x 2 + b 3 x 3 + b 4 x 4 +e Dalam hal ini, Y = Harga Saham a = konstanta persamaan regresi b 1 ,b 2, = koefisien regresi x 1 = ROA Return On Asset x 2 = CR Current Ratio x 3 = LDER Long Debt To Equity Ratio x 4 = TATO Total Asset Turnover e = Eror 3.7.4 Pengujian Hipotesis 3.7.4.1 Uji F Uji F dilakukan untuk melihat pengaruh variabel bebas secara bersama- sama terhadap variabel tidak bebas. Tahapan uji F sebagai berikut: 1. Merumuskan hipotesis H0 : ROA Return On Asset, CR Current Ratio, LDER Long Debt To Equity Ratio, TATO Total Asset Turnover berpengaruh signifikan baik secara parsial maupun simultan terhadap harga saham pada perusahaan minyak dan gas bumi yang terdaftar di Bursa Efek Indonesia periode 2009-2013. H1 : ROA Return On Asset, CR Current Ratio, LDER Long Debt To Equity Ratio, TATO Total Asset Turnover tidak berpengaruh signifikan baik secara parsial maupun simultan terhadap harga saham pada perusahaan minyak dan gas bumi yang terdaftar di Bursa Efek Indonesia periode 2009- 2013. 2. Membandingkan hasil F hitung dengan F tabel dengan kriteria sebagai berikut: Jika F hitung F tabel berarti α = 5, Ho diterima Jika F hitung ≤ F tabel berarti α = 5, H 1 diterima.

3.7.4.1.2 Uji t

Uji t dilakukan untuk mengetahui pengaruh masing-masing variabel independen yang terdiri atas ROA Return On Asset, CR Current Ratio, LDER Long Debt To Equity Ratio, TATO Total Asset Turnover terhadap harga saham. Adapun langkah-langkah yang harus dilakukan dalam uji ini adalah sebagai berikut 1. Merumuskan hipotesis H0 : ROA Return On Asset, CR Current Ratio, LDER Long Debt To Equity Ratio, TATO Total Asset Turnover berpengaruh signifikan baik secara parsial maupun simultan terhadap harga saham pada perusahaan minyak dan gas bumi yang terdaftar di Bursa Efek Indonesia periode 2009-2013. H1 : ROA Return On Asset, CR Current Ratio, LDER Long Debt To Equity Ratio, TATO Total Asset Turnover tidak berpengaruh signifikan baik secara parsial maupun simultan terhadap harga saham pada perusahaan minyak dan gas bumi yang terdaftar di Bursa Efek Indonesia periode 2009- 2013. Jika t hitung t tabel berarti α = 5, Ho diterima H diterima. Jika t hitung ≤ t tabel berarti α = 5, Ho diterima H 1 diterima

BAB IV ANALISIS DAN PEMBAHASAN

4.1 Analisis Hasil Penelitian 4.1.1 Analisis Statistik Deskriptif Metode yang digunakan dalam penelitian ini adalah metode statistik deskriptif, yaitu penelitian yang dilakukan untuk memperoleh gambaran yang sebenarnya tentang kondisi perusahaan dalam analisis. Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, dan nilai rata- rata mean, dan nilai standar deviasi dari variabel-variabel independen dan variabel dependen. Informasi yang dibutuhkan dalam penelitian ini merupakan data sekunder yang diperoleh dari www.idx.co.id Variabel dari penelitian ini terdiri ROA Return On Asset, CR Current Ratio, LDER Long Debt To Equity Ratio, TATO Total Asset Turnover sebagai variabel bebas independent variable dan harga saham sebagai variabel terikat dependent variable. Statistik deskriptif dari variabel tersebut dari sampel perusahaan real estate dan properti selama periode tahun 2009 sampai dengan tahun 2013 disajikan dalam tabel 4.1 berikut ini. dan Indonesian Capital Market Directory berupa data keuangan sampel perusahaan minyak dan gas bumi dari tahun 2009 sampai tahun 2013 yang dijabarkan dalam bentuk statistik. 36 Tabel 4.1 Statistik Deskriptif Variabel-Variabel Selama Tahun 2009 - 2013 Descriptive Statistic s N Minimum Maximum Mean Std. Deviation ROA 35 -14,93 19,97 4,9306 7,61149 CR 35 47,19 1064,23 246,6131 217,55449 LDER 35 ,07 4,08 ,8409 ,79782 TATO 35 ,11 1,84 ,6463 ,45994 Saham 35 70,00 4875,00 1195,4571 1302,36017 Valid N listwise 35 Sumber: Data diolah penulis 2015 Tabel diatas menunjukkan bahwa hanya variabel ROA Return On Asset yang memiliki nilai minimun negatif sedangkan variabel CR Current Ratio, LDER Long Debt To Equity Ratio, TATO Total Asset Turnover dan harga saham memiliki nilai minimum positif. Untuk nilai maksimum, semua variabel memiliki nilai yang positif. Berikut ini perincian data deskriptif yang telah diolah: a. variabel ROA memiliki nilai minimum -14.93 dan nilai maksimum 19.97 dengan rata-rata ROA 4.9306 dengan jumlah sampel sebanyak 35 perusahaan. b. variabel CR memiliki nilai minimum 47.19 dan nilai maksimum 1064.23 dengan rata-rata CR 246.6131 dengan jumlah sampel sebanyak 35 perusahaan. c. variabel LDER memiliki nilai minimum 0,07 dan nilai maksimum 4.08 dengan rata-rata LDER 0,8409 dengan jumlah sampel sebanyak 35 perusahaan. d. variabel TATO memiliki nilai minimum 0,11 dan nilai maksimum 1.84 dengan rata-rata TATO 0,6463 dengan jumlah sampel sebanyak 35 perusahaan. e. variabel harga saham memiliki nilai minimum 70.00 dan nilai maksimum 4875 dengan rata-rata harga saham 1195,4571 dengan jumlah sampel sebanyak 35 perusahaan.

4.1.2 Uji Asumsi Klasik

Pengujian asumsi klasik dilakukan untuk menentukan model regresi dapat diterima secara ekonometrik. Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu. Pengujian asumsi klasik ini terdiri dari Uji Normalitas, Uji Multikolonearitas, dan Uji Heterokedastisitas.

4.1.2.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah variabel residual berdistribusi normal. Pengujian normalitas data dalam penelitian ini mengunakan uji statistik non parametrik Kolmogorov-Smirnov K-S, grafik Histogram, dan grafik Normal Plot. Uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis: H0 : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal Dalam uji Kormogrov-Smirnov, pedoman yang digunakan dalam pengambilan keputusan yaitu: 1 jika nilai signifikansi 0,05 maka distribusi data tidak normal, 2 jika nilai signifikansi 0,05 maka distribusi data normal. Hasil uji kolmogorov-Smirnov dapat dilihat pada tabel dibawah ini: Tabel 4.2 Uji Normalitas One-Sample Kolmogorov-Smirnov Test ROA CR LDER TATO Saham N 35 35 35 35 35 Normal Parametersa,b Mean 1,3369 5,2269 -,5589 -,6811 6,3617 Std. Deviation 1,16596 ,73718 ,91464 ,73289 1,28886 Most Extreme Differences Absolute ,144 ,093 ,126 ,093 ,191 Positive ,078 ,093 ,123 ,093 ,191 Negative -,144 -,070 -,126 -,085 -,159 Kolmogorov-Smirnov Z ,854 ,552 ,743 ,548 1,133 Asymp. Sig. 2-tailed ,459 ,921 ,639 ,925 ,154 a Test distribution is Normal. b Calculated from data. Sumber: data diolah oleh penulis, 2014 Dari hasil pengolahan data tersebut, besarnya nilai K ol mogor o v - Smi r no v adalah ROA Return On Asset 0.459, CR Current Asset 0.921, LDER Long Debt To Equity Ratio 0.639, TATO Total Asset Turnover 0.925, dan harga saham 0.154 maka disimpulkan data terdistribusi secara normal karena p 0,05. Data yang terdistribusi secara normal tersebut juga dapat dilihat melalui grafik histogram dan grafik normal plot data berikut ini: Gambar 4.1 Histogram Berdasarkan grafik diatas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng s kew ness ke kiri maupun ke kanan. Demikian pula dengan hasil uji normalitas dengan menggunakan grafik p-plot dibawah ini. Pada grafik normal p-plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Gambar 4.2 Grafik P-Plot

4.1.2.2 Uji Multikolinearitas

Uji multikolonearitas bertujuan untuk menguji apakah pada model regresi ditemukan korelasi antara variabel independent. Jika terjadi korelasi maka terdapat masalah multikolonearitas sehingga model regresi tidak dapat digunakan. Mendeteksi ada tidaknya gej ala multikolinearitas adalah dengan melihat nilai tolerance dan variance inflation factor VIF, serta menganalisis matrik korelasi variabel-variabel independen. Besarnya tingkat multikolinearitas yang masih dapat ditolerir, yaitu: Tolerance 0.10, dan nilai VIF 5. Berikut ini disajikan tabel hasil pengujian multikolonearitas: Tabel 4.3 Uji Multikolinearitas Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -1,397 1,292 -1,081 ,288 ROA ,177 ,144 ,160 1,228 ,229 ,812 1,231 CR 1,428 ,253 ,817 5,646 ,000 ,663 1,509 LDER ,267 ,212 ,189 1,259 ,218 ,614 1,629 TATO -,307 ,215 -,175 -1,428 ,164 ,927 1,079 a Dependent Variable: Saham Sumber: data diolah 2015 Berdasarkan pada tabel 4.3 diatas, dapat disimpulkan bahwa tidak terjadi gejala multikolonearitas antara variabel independen yang diindikasikan dari nilai tolerance setiap variabel lebih besar dari 0,1. Nilai tol erance ROA adalah 0,812, CR adalah 0,663, LDER sebesar 0,614. Nilai VIF dari keempat variabel independen juga lebih kecil dari 5 yaitu untuk ROA sebesar 1,231, CR 1,509, LDER 1,629, TATO 1,079,.

4.1.2.3 Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada data time s eri es . Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson. Untuk uji Durbin Watson memiliki ketentuan sebagai berikut: 1 tidak ada autokorelasi positif, jika 0 d dl, 2 tidak ada autokorelasi positif, jika dl ~ d ~ du, 3 tidak ada korelasi negatif, jika 4 - dl d 4, 4 tidak ada korelasi negatif, jika 4 – du ~ d ~ 4 – dl, 5 tidak ada autokorelasi, positif atau negatif, jika du d 4 – du. Tabel 4.4 Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Durbin- Watson 1 .764 a .584 .529 .88485 2.495 Tabel 4.4 memperlihatkan nilai statistik D-W sebesar 2,495 d. Nilai ini akan peneliti bandingkan dengan nilai tabel dengan menggunakan signifikansi 5, jumlah pengamatan n sebanyak 35 perusahaan dan jumlah variabel independen 4 k = 4. Berdasarkan tabel Durbi n Wats on didapat nilai batas atas du sebesar 1,7814 dan nilai batas bawah dl 1,2546. Oleh karena itu, nilai dw dapat dinyatakan 1,7814 du 2,459 d 2,7454 4 – du. Berdasarkan pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.

4.1.3 Analisis Regresi

Berdasarkan hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Bes t Linear Unbias ed Esti mat or BLUE dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan hasil pengolahan data dengan program SPSS 18, maka diperoleh hasil sebagai berikut:

4.1.3.1 Persamaan Regresi

Dalam pengolahan data dengan menggunakan regresi linier, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh ROA yang memiliki nilai minimun negatif sedangkan variabel CR, LDER, TATO terhadap harga saham. Berdasarkan hasil pengolahan data dengan program SPSS Versi 18, maka diperoleh hasil sebagai berikut: Tabel 4.5 Hasil Analisis Regresi Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1,397 1,292 -1,081 ,288 ROA ,177 ,144 ,160 1,228 ,229 ,812 1,231 CR 1,428 ,253 ,817 5,646 ,000 ,663 1,509 LDER ,267 ,212 ,189 1,259 ,218 ,614 1,629 TATO -,307 ,215 -,175 -1,428 ,164 ,927 1,079 Berdasarkan tabel diatas didapatlah persamaan regresi sebagai berikut HS = 1,397+0,177 ROA+1,428 CR+0,267 LDER - 0,307TATO +µ Keterangan: 1 konstanta sebesar 1,397 menunjukkan bahwa apabila tidak ada variabel independen X1 = 0, X2 = 0, X3 = 0, X4 = 0 maka nilai harga saham sebesar 1,397. 2 β1 sebesar 0,177 menunjukkan bahwa setiap kenaikan ROA sebesar 1 akan diikuti oleh peningkatan harga saham sebesar 0,177 dengan asumsi variabel lain tetap, 3 β2 sebesar 1,428 menunjukkan bahwa setiap kenaikan CR sebesar 1 akan diikuti oleh kenaikan harga saham sebesar 1,428 dengan asumsi variabel lain tetap, 4 β3 sebesar 0,267 menunjukkan bahwa setiap LDER sebesar 1 akan diikuti oleh penurunan harga saham sebesar 0,267 dengan asumsi variabel lain tetap, 5 β4 sebesar 0,307 menunjukkan bahwa setiap kenaikan TATO sebesar 1 akan diikuti oleh penurunan harga saham sebesar 0,307 dengan asumsi variabel lain tetap,

4.1.3.2. Analisis Koefisien Regresi

Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila data nilai R berada diantara 0,5 dan mendekati 1. Koefisien determinasi R Square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R Square adalah 0 sampai dengan 1. Apabila nilai R Square semakin mendekati 1, maka variabel- variabel independen mendekati semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R S q u a r e maka kemampuan variabel-variabel independen untuk menjelaskan variasi variabel dependen semakin terbatas. Nilai R S q u a r e memiliki kelemahan yaitu nilai R Square akan meningkat setiap ada penambahan satu variabel dependen meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap variabel dependen. Tabel 4.6 Koefisien Determinasi Model R R Square Adjusted R Square Std. Error of the Durbin- Watson 1 .764 a .584 .529 .88485 2.495 b. Dependent Variable: harga saham Hasil pengujian dengan menggunakan koefisien determinasi menunjukkan bahwa nilai R = 0,764 berarti hubungan antara ROA, CR, LDER, TATO terhadap harga saham sebesar 76,4. Artinya hubungannya erat. Semakin besar R berarti hubungan semakin erat. R Square sebesar 0,584 berarti 54,4 harga saham dipengaruhi oleh ROA, CR, LDER, TATO. Sisanya 45,6 dijelaskan oleh variabel-variabel lainnya yang tidak masuk dalam model penelitian ini. Adjusted R Square sebesar 0,529 berarti 52,9 ROA, CR, LDER, TATO mempengaruhi harga saham sementara sisanya 47,1 dijelaskan oleh variabel lainnya yang tidak masuk dalam model penelitian ini.

4.1.4. Uji t Uji Parsial

Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Berdasarkan hasil pengolahan SPSS versi 18, diperoleh hasil sebagai berikut. Tabel 4.7 Hasil Uji t Coefficients Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 1,397 1,292 -1,081 ,288 ROA ,177 ,144 ,160 1,228 ,229 ,812 1,231 CR 1,428 ,253 ,817 5,646 ,000 ,663 1,509 LDER ,267 ,212 ,189 1,259 ,218 ,614 1,629 TATO -,307 ,215 -,175 -1,428 ,164 ,927 1,079 Dari tabel regresi dapat dilihat besarnya thitung untuk variabel ROA sebesar 1,228 dengan nilai signifikan 0,229, sedangkan t tabel adalah 1,68, sehingga t h i t u n g t t a b e l 1,228 1,68, maka ROA secara parsial tidak mempengaruhi harga saham. Signifikansi penelitian juga menunjukkan angka 0,05 0,229 0,05, maka H0 diterima dan Ha ditolak, artinya ROA tidak berpengaruh signifikan terhadap harga saham. CR memiliki t hitung sebesar 5,646 dengan nilai signifikan 0,000, sedangkan t tabel adalah 1,68, sehingga t h i t u n g t t a b e l 5,646 1,68, maka CR secara individual mempengaruhi harga saham. Signifikansi penelitian juga menunjukkan angka 0,05 0,000 0,05, maka H0 ditolak dan Ha diterima, artinya CR berpengaruh signifikan terhadap harga saham. Nilai dari LDER menunjukkan besarnya t hitung untuk variabel LDER sebesar 1,259 sedangkan t tabel adalah 1,68, sehingga t h i t u n g t t a b e l 1,259 1,68, maka LDER tidak berpengaruh terhadap harga saham secara individual. Signifikansi 0,218 menyimpulkan bahwa sig penelitian 0,05 0,218 0,05, maka Ho diterima dan Ha ditolak, artinya LDER tidak berpengaruh signifikan terhadap harga saham. Tabel diatas juga menunjukkan besarnya t hitung untuk variabel TATO sebesar -1,428 dengan nilai signifikan 0,164, sedangkan t t a b e l adalah 1,68, sehingga t h i t u n g t t a b e l -1,428 1,68, maka TATO secara individual tidak berpengaruh terhadap harga saham. Signifikansi penelitian juga menunjukkan angka 0,05 0,164 0,05, maka Ho diterima dan Ha ditolak, artinya TATO tidak berpengaruh signifikan positif terhadap harga saham.

4.1.5. Uji F Uji Simultan