BAB IV ANALISIS HASIL PENELITIAN
4.1. Data penelitian
Dalam penelitian ini penulis akan menganalisis data yang telah terkumpul. Data yang terkumpul tersebut berupa laporan keuangan dari perusahaan tambang
yang terdaftar di Bursa Efek Indonesia periode 2009-2011. Hasil pengolahan data berupa informasi untuk mengetahui hubungan antara economic value added,
market value added dan profitabilitas perusahaan terhadap return saham. Sesuai dengan permasalahan dan perumusan model yang telah dikemukakan, serta
kepentingan pengujian hipotesis, maka teknik analisis yang digunakan dalam penelitian ini meliputi analisis statistik.
Analisis statistik merupakan analisis yamg mengacu pada perhitungan data penelitian yang berupa angka-angka yang dianalisis dengan bantuan computer
melalui program SPSS. Data variabel penelitian akan disajikan pada lampiran yang menyajikan variabeleconomic value added, market value added,
profitabilitas perusahaan, dan return saham. Sampel yang memenuhi kriteria seperti yang diungkapkan dalam bab tiga
diperoleh sebanyak 10 perusahaan. Adapun perusahaan yang menjadi sampel adalah
:
Universitas Sumatera Utara
Tabel 4.1 Perusahaan yang menjadi sampel penelitian
NO KODE NAMA PERUSAHAAN
1 CTTH
PT.CITATAH TBK 2
ANTM PT.ANEKA TAMBANG TBK
3 TINS
PT.TIMAH TBK 4
PTRO PT.PETROSEA TBK
5 PTBA
PT.BUKIT ASAM TBK 6
PGAS PT.PERUSAHAAN GAS NEGARA TBK
7 MEDC
PT.MEDCO ENERGI TBK 8
CNKO PT.EXPLOITASI ENERGI INDONESIA TBK
9 BYAN
PT.BAYAN RESOURCES TBK 10
BUMI PT.BUMI RESOURCES TBK
4.2. Analisis Hasil Penelitian
4.2.1. Analisis Statistik Deskriptif Statistik deskriptif adalah statistik yang digunakan untuk menganalisa
data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan
yang berlaku untuk umum atau generalisasi Sugiyono, 2005:142. Deskripsi suatu data dilihat dari nilai rata-rata
mean,
standar deviasi, maksimum, minimum. Berikut ini akan dijelaskan hasil statistik deskriptif
data keuangan dan variabel penelitian tahun dari tahun 2009 - 2011. Statistik deskriptif variabel penelitian dari sampel perusahaan selama
periode pengamatan 2006 sampai dengan tahun 2009 disajikan pada tabel 4.2 berikut ini
Universitas Sumatera Utara
Tabel 4.2 Statistik Deskriptif Variabel Penelitian
Descriftive Statistics
a
N Minimum Maximum
Mean Std. Deviation
EVA 30
733.1 8031048.2 292494.7
1990732.5 MVA
30 8940.8 1048885222.9 8563467.5
31797546.6 ROA
30 .01
.42 .09
.099520 ROE
30 .01
.49 .185
.145305 RETURN 30
-.59 2.91
.585 .768016
VALID 30
Listwise a. Dependent Variable: ln_return
Sumber : Data yang diolah Penulis 2013 Tabel 4.2 menunjukkan hasil output SPSS mengenai statistik deskriftif
variabel penelitian tahun2009 -2011 dengan jumlah sampel keseluruhan sebanyak 30 10 perusahaan selama 4 tahun. Dari tabel tersebut, dapat dijelaskan statistik
deskriftif masing – masing variabel, bahwa : a. Variabel return saham memiliki nilai maksimun sebesar 2,91 nilai
minimun sebesar -0,59, nilai rata – rata mean sebesar 0,585, dengan standar
deviasi sebesar 0,768061 dan jumlah sampel sebanyak 30. b. Variabel Economic Value Added memiliki nilai maksimum sebesar
8031048.2, nilai minimun sebesar 733.1, nilai rata –rata mean sebesar 8563467.5, dengn standar deviasi sebesar 1990732.5 dan
jumlah sampel sebanyak 30. c. Variabel Market Value Added memiliki nilai maksimum sebesar
1048885222.9, nilai minimum sebesar 8940.8, nilai rata- rata mean
Universitas Sumatera Utara
sebesar 8563467.5, dengan standar deviasi sebesar 31797546.6, dan jumlah sampel sebanyak 30.
d. Variabel Return On Asset memiliki nilai maksimum sebesar 0,42, nilai minimum sebesar 0,01, nilai rata- rata mean sebesar 0,09,
dengan standar deviasi sebesar 0,099520, dan jumlah sampel sebanyak 30.
e. Variabel Return On Equity memiliki nilai maksimum sebesar 0,49, nilai minimum sebesar 0,01, nilai rata- rata mean sebesar 0,185,
dengan standar deviasi sebesar 0,145305, dan jumlah sampel sebanyak 30.
4.2.2. Uji Asumsi Klasik 4.2.2.1. Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov K-S dengan
membuat hipotesis : H0 : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka H0 diterima,
sedangkan jika signifikansinya lebih kecil dari 0,05 maka H0 ditolak.
Universitas Sumatera Utara
Tabel 4.3 Uji Normalitas Sebelum Data Ditransformasi
One Sample Kolmogorov – Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
30 Normal Parameters
a,b
Mean .0000000
Std. Deviation .75953830
Most Extreme Differences Absolute .173
Positive .173
Negative -.128
Kolmogorov-Smirnov Z .948
Asymp. Sig. 2-tailed .000
a. Test distribution is Normal. Sumber : Data yang diolah penulis 2013
Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov- Smirnov adalah 0,948 dan signifikan pada 0,330 maka disimpulkan data
tidak terdistribusi secara normal karena p = 0.000 0,05 menurut Situmorang 2008 : 62 ada beberapa cara jika data tidak menyebar
secara normal diantaranya melakukan transformasi data menjadi bentuk Logaritma natural Ln, oleh karena itu penulis memutuskan melakukan
transformasi data terhadap semua variabel menjadi Logaritma natural Ln, agar variabel – variabel dalam penelitian memenuhi asumsi
normalitas. Setelah itu, dilakukan pengujian ulang dengan metode statistik.
Hasil output SPSS pengujian normalitas setelah transformasi data akan disajikan pada tabel 4.4 berikut ini:
Universitas Sumatera Utara
Tabel 4.4 Hasil uji normalitas setelah transformasi
One – Sample Kolmogorov – Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
30 Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.42323136
Most Extreme Differences Absolute .176
Positive .097
Negative -.176
Kolmogorov-Smirnov Z .963
Asymp. Sig. 2-tailed .312
a. Test distribution is Normal. Sumber : Data yang diolah penulis 2013
Berdasarkan hasil pengujian K-S diatas, nilai K- S yang diperoleh adalah 0,963, dan signifikan pada 0,312, sehingga dapat disimpulkan
bahwa data terdistribusi normal dimana nilai p lebih besar dari 0,05 p=0,312 0,05. Dengan demikian keseluruhan bahwa nilai observasi
telah didistribusikan secara normal Pada grafik histogram, dapat dilihat bahwa distribusi data tidak menceng skewnes ke kiri atau ke kanan.
Gambar 4.1 Histogram
Universitas Sumatera Utara
Pada grafik normal plot, dapat dilihat titik – titik menyebar disekitar garis diagonal dan agak mendekati garis diagonal sehingga dapat
disimpulkan data berdistribusi normal.
Gambar 4.2 Grafik Normal P-Plot
4.2.2.2. Uji Multikolonieritas Dalam penelitian ini, untuk mendeteksi ada tidaknya
gajala multikolonieritas adalah dengan melihat besaran korelasi anatara variabel independen dan besarnya tingkat
kolonieritas yang masih dapat ditolerir, yaitu Tolerance 0,10 dan Variance Inflation Factor VIF 10. Berikut disajikan
tabel hasil pengujian:
Universitas Sumatera Utara
Tabel 4.5 Uji multikolonieritas untuk
LN_RETURN=fLN_EVA,LN_MVA,LN_ROA, LN_ROE
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
ln_eva .484
2.065 ln_mva
.511 1.959
ln_roa .732
1.366 ln_roe
.531 1.883
a. Dependent Variable: ln_return Sumber : Data yang diolah penulis 2013
Hasil pengujian menunjukkan angka tolerance untuk LN_EVA lebih besar dari 0,1 0,4840,1 , LN_MVA lebih besar dari 0,1 0,511 0,1
LN_ROA lebih besar dari 0,1 0,732 0,1 , LN_ROE lebih besar dar 0,1 0,531 0,1. Angka VIF untuk LN_EVA lebih kecil dari 10 2,065
10 , LN_MVA lebih kecil dari 10 1,959 10 , LN_ROA lebih kecil dari 10 1,366 10 , LN ROE lebih kecil dari 10 1,883 10
.
Berdasarkan hasil pengujian tersebut diperoleh kesimpulan tidak terdapat multikolonieritas.Hasil ini menunjukkan tidak ada hubungan antar
variabel bebas independen.
Universitas Sumatera Utara
Tabel 4.6 Cofficient correlations
Coefficient Correlations
a
Model ln_roe
ln_mva ln_roa
ln_eva
1
Correlations ln_roe 1.000
-.218 -.514
-.305 ln_mva
-.218 1.000
.121 -.566
ln_roa -.514
.121 1.000
.105 ln_eva
-.305 -.566
.105 1.000
Covariances ln_roe .126
-.010 -.066
-.017 ln_mva
-.010 .016
.006 -.011
ln_roa -.066
.006 .132
.006 ln_eva
-.017 -.011
.006 .023
a. Dependent Variable: ln_return Sumber : Data yang diolah penulis 2013
Dari tabel di atas data dapat dilihat tingkat kolerasi antara variabel bebas yaitu : tingakat antara variabel bebas antara LN_EVA terhadap
LN_MVA menunjukkan angka -0,566 atau -56,6 . Tingkat ini masih jauh dibawah 95. Tingkat kolerasi antara LN_EVA terhadap
LN_ROA menunjukkan angka 0,121 atau 12,1. Tinkat kolerasi antara LN_EVA antara LN_ROE menunjukkan angka -0,218 atau -
21,8. Tingkat kolerasi antara LN_MVA terhadap LN_ROA menunjukkan angka 0,105 atau 10,5. Tingkat kolerasi antara
LN_MVA antara LN_ROE menunjukkan -0,305 atau -30,5. Tingkat kolerasi antara LN_ROA antara LN_ROE menunjukkan angka -0,514
atau -51,4. Berdasarkan perhitungan tersebut dapat dibuktikan bahwa tidak dapat kolerasi antara variabel bebas atau tidak terdapat
multikolonieritas.
Universitas Sumatera Utara
4.2.2.3. Uji Heterokedastisitas Untuk pengujian heteroskedastisitas, penulis menggunakan alat
analisis grafik Scatterplot. Pada analisis grafik Scatterplot,.deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat jika tidak
ada pola tertentu pada grafik Scatterplot maka tidak terjadi heteroskedastisitas dengan kata lain homoskedastisitas. Hasil pengujian
dapat ditunjukkan grafik scatterplot antara ZPRED dan SRESID sebagai berikut.Dari grafik scatterplot terlihat bahwa titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada persamaan regresi.
Gambar 4.3 Grafik Scatterplot
4.2.2.4. uji autokolerasi Uji ini bertujuan untuk menganalisis apakah dalam model
regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan tingkat kesalahan pada periode t-1.Auto korelasi muncul
karena observasi yang berurutan sepanjang tahun yang berkaitan satu
Universitas Sumatera Utara
dengan yang lainnya, hal ini sering ditemukan pada time series. Metode yang digunakan penulis telah diungkapkan dalam bab tiga.
Hasil pengujian pada tabel memperlihatkan nilai statistik Durbin – Watson sebesar 1, 195. Nilai ini akan dibandingkan dengan nilai
tabel Durbin –Watson dengan nilai signifikan 5, jumlah sampel = 30, jumlah variabel independen 4 K=4 , maka di tabel Durbin –
Watson akan dapat nilai, maka di tabel Durbin –Watson akan dapat nilai dl = 0,8795 dan du = 0,9825. Nilai DW terletak di antar batas
du lebih kecil dari 3,0175 4-0,9825, maka dapat disimpulkan tidak ada autokolerasi
Tabel 4.7 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
dimension0 1 .163
a
.027 -.129
1.53287 1.195
a. Predictors: Constant, ln_roe, ln_mva, ln_roa, ln_eva Sumber : Data yang diolah penulis 20113
4.3.3. Pengujian Hipotesis Hasil uji asumsi klasik memperlihatkan data observasi tidak memenuhi
asumsi normalitas, kemudian dilakukan transformasi ke dalam bentuk logaritma natural LN.Sehingga persamaan yang baru memenuhi asumsi
klasik dan dapat dianalisis lebih lanjut untuk pengujian hipotesis. Penulis menggunakan analisis regresi berganda untuk melakukan pengujian hipotesis
dengan bantuan program SPSS 18.
Universitas Sumatera Utara
4.3.3.1. Persamaan Regresi
Tabel 4.8 Analisis Hasil Regresi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF 1 Constant
.007 3.801
.002 .998 ln_eva
.030 .153
.055 .195 .847 .484 2.065
ln_mva -.040
.125 -.088
- .319
.752 .511 1.959
ln_roa .236
.363 .150 .651 .521
.732 1.366 ln_roe
-.151 .355
-.115 -
.424 .675
.531 1.883
a. Dependent Variabel : Ln_return Sumber : Data yang diolah penulis 2013