3.7.1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata, standar deviasi, varian, maksimum,
minimum, sum, range, kurtosis, dan skewness. Ghozali, 2013:19.
3.7.2. Uji Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi- asumsi klasik yang bertujuan untuk menghindari atau mengurangi bias dari
hasil penelitian yang diperoleh. Pengujian asumsi klasik yang digunakan
adalah sebagai berikut: 3.7.2.1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi, variabel pengganggu atau residual memiliki distribusi
normal. Pengujian ini diperlukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal Erlina,
2012 : 101. Model regresi yang baik hendaknya memiliki distribusi normal atau mendekati normal. Ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan analisis statistik Ghozali, 2013:160.
Analisis grafik pada pengujian normalitas dilakukan dengan melihat grafik histogram yang membandingkan antara data observasi
dengan distribusi yang mendekati distribusi normal atau melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi
normal. Distribusi normal akan membentuk satu garis lurus diagonal dan
Universitas Sumatera Utara
plotnya data residual akan dibandingkan dengan garis diagonal. Jika distribusi residual normal, maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya. Analisis Statistik dapat dilakukan dengan menggunakan uji
statistik non parametrik Kolmogrov-Smirnov K-S. Dalam uji Kolmogrov-Smirnov, pedoman yang digunakan dalam pengambilan
keputusan yakni : 1 Jika nilai signifikan lebih besar dari 0.05 maka distribusi data normal.
2 Jika nilai signifikan lebih kecil dari 0.05 maka distribusi data tidak normal.
Beberapa cara untuk mengatasi distribusi tidak normal yaitu: 1. Dengan melakukan transformasi data ke bentuk lain, misalnya ke
dalam bentuk logaritma natural Ln. 2. Trimming, yaitu membuang data yang bersifat outlier. Data outlier
adalah data yang mempunyai nilai yang sangat menyimpang dari nilai data lainnya.
3. Winsorizing, yaitu mengubah nilai data outlier menjadi nilai maksimum atau minimum supaya distribusi menjadi normal.
3.7.2.2. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas Ghozali,
2013:105. Multikolonieritas adalah situasi dimana terjadinya korelasi antara variabel independen yang satu dengan yang lainnya. Model regresi
Universitas Sumatera Utara
yang baik adalah tidak terjadinya korelasi di antara variabel-variabel independen tersebut.
Multikolonieritas dapat dideteksi dengan melihat nilai tolerance value dan variance inflation factor VIF. Tolerance value mengukur
variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya sementara VIF merupakan suatu estimasi
mengenai seberapa besar multikolonieritas meningkatkan varian pada suatu koefisien estimasi sebuah variabel independen. Nilai cutoff yang
umum dipakai untuk menunjukkan adanya multikolineritas adalah jika Tolerance
≤0,1 dan nilai VIF 10.
3.7.2.3. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain Ghozali, 2013:139. Model regresi yang baik adalah yang homokedastisitas
,
di mana pada nilai variabel independen tertentu, masing-masing kesalahan mempunyai nilai varian yang sama.
Jika model yang diperoleh ternyata tidak memenuhi asumsi tersebut maka dalam model tersebut terjadi heterokedastisitas.
Deteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat pola grafik scatterplot dengan dasar analisis:
1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heterokedastisitas,
Universitas Sumatera Utara
2. Jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
3.7.2.4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 atau sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu
berkaitan satu sama lainnya. Masalah ini muncul karena residual atau kesalahan pengganggu tidak bebas dari satu observasi ke observasi
lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2013:110.
Pada penelitian ini, uji autokorelasi dilakukan dengan menggunakan uji Durbin-Watson. Pengambilan keputusan ada tidaknya
autokorelasi:
Tabel 3.3 Kriteria Autokorelasi
Hipotesis nol Keputusan
Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
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 atau negatif Tidak ditolak
du d 4
_
du
Sumber : Ghozali 2013:111
Universitas Sumatera Utara
3.7.3. Pengujian Hipotesis Penelitian
3.7.3.1. Pengujian Hipotesis Pertama H
1
Pengujian H
1
menggunakan analisis regresi berganda. Analisis regresi berganda digunakan untuk mengukur pengaruh atau hubungan
variabel independen dengan variabel dependen. Model persamaan analisis regresi penelitian ini adalah sebagai berikut:
Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+e Di mana :
Y = Harga Saham
α = Konstanta
β
1,
β
2,
β
3
= Koefisien Regresi X
1
= Profitabilitas diproksikan dengan Net Profit Margin X
2
= Nilai Pasar diproksikan dengan Price Earning Ratio X
3
= Nilai Pasar diproksikan dengan Price to Book Value e
= Error Pengujian hasil analisis regresi dilakukan dengan melalui Uji
Koefisien Determinasi, Uji Statistik F dan Uji Statistik t. 1. Koefisien Determinasi R
2
Koefisien Determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen
Ghozali, 2013:97. Nilai koefisien determinasi adalah antara nol dan satu 0 R
2
1. Jika R
2
sama dengan 0, berarti tidak ada hubungan antara variabel independen X dan variabel dependen Y. Jika R
2
sama
Universitas Sumatera Utara
dengan 1, berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen.
Semakin dekat nilai R
2
ke nilai 1, berarti pengaruh variabel dependen yang dapat dijelaskannya semakin kuat.
2. Uji Signifikan Simultan Uji Statistik F Uji statistik F menunjukkan apakah semua variabel independen atau
bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependenterikat Ghozali, 2013:98.
Uji ini dilakukan dengan membandingkan signifikan F-hitung dengan F-tabel dengan ketentuan sebagai berikut :
1. Jika F-hitung F-tabel atau Sig. 0,05, maka Ha diterima. 2. Jika F-hitung F-tabel atau Sig. 0,05, maka Ha tidak diterima.
3. Uji Signifikan Parsial Uji Statistik t Uji statistik t menunjukkan seberapa besar pengaruh satu variabel
independen secara parsial dalam menerangkan variasi variabel dependen Ghozali, 2013:98. Hipotesis yang diuji adalah:
Ha = masing-masing variabel independen berpengaruh secara parsial terhadap variabel dependen.
Uji ini dilakukan dengan membandingkan t-hitung dengan t-tabel dengan ketentuan sebagai berikut :
1. Jika t-hitung t-tabel, atau Sig. 0,05, maka Ha diterima. 2. Jika t-hitung t-tabel, atau Sig. 0,05, maka Ha tidak diterima.
Universitas Sumatera Utara
3.7.3.2. Pengujian Hipotesis Kedua H
2
Pengujian hipotesis kedua H
2
berkaitan dengan interaksi struktur modal dalam mempengaruhi variabel independen terhadap harga
saham. Terdapat tiga cara menguji regresi dengan variabel pemoderasi yaitu 1 uji interaksi, 2 uji selisih mutlak dan 3 uji residual.
Pengujian variabel pemoderasi dalam penelitian ini menggunakan uji residual. Uji residual memiliki kecenderungan multikolonieritas yang
rendah dibandingkan uji interaksi dan uji selisih mutlak. Multikolonieritas yang tinggi antar variabel independen akan menyalahi
asumsi klasik dalam regresi ordinary least square OLS Ghozali, 2013:239. Persamaan regresi sebagai berikut:
Z = α + β₁X₁ + β₂X₂ + β
3
X
3
+ e…………………1 Setelah menghasilkan persamaan diatas, maka akan
menghasilkan nilai residual, selanjutnya akan ditransformasikan yang akan menghasilkan nilai absolute residual yang akan diregresikan dengan
variabel harga saham, sehingga menghasilkan persamaan dengan model berikut:
|e| = α + β₁ Harga Saham + e……………………...2 Dimana:
Z = Struktur Modal diproksikan dengan Debt to Equity Ratio
α = Konstanta
β₁,
2,3
= Koefisien Regresi X
1
= Profitabilitas diproksikan dengan Net Profit Margin
Universitas Sumatera Utara
X
2
= Nilai Pasar diproksikan dengan Price Earning Ratio X
3
= Nilai Pasar diproksikan dengan Price to Book Value |e|
= Interaksi antar Variabel e
= Error Pada persamaan 2 menggambarkan variabel struktur modal
dikatakan variabel pemoderasi apabila nilai koefisien β₁ Harga Saham
signifikan dan negatif hasilnya
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian
4.1.1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran umum atau deskripsi suatu data yang dijadikan sampel penelitian, dilihat dari nilai minimum,
maksimum, rata-rata, dan standar deviasi. Statistik deskriptif dari variabel yang diteliti ditunjukkan dalam Tabel 4.1 di bawah ini.
Tabel 4.1 Statistik Deskriptif Penelitian
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation NPM
111 .73
156.52 27.2500
22.48896 PER
111 1.04
371.05 20.0803
40.80429 PBV
111 .25
4.84 1.5968
1.02242 DER
111 .08
5.67 1.1495
1.10244 HS
111 66.00
9500.00 1055.9640
1492.15207 Valid N listwise
111
Sumber: hasil olah data SPSS, 2015 Tabel 4.1 merupakan output statistik deskriptif variabel penelitian
dari tahun 2011 sampai 2013 dengan menggunakan software SPSS. Jumlah sampel keseluruhan adalah 111 sampel 37 perusahaan property, real estate
dan building construction selama 3 tahun. Dari tabel dapat dijelaskan statistik deskriptif masing-masing variabel sebagai berikut :
a. Variabel Net Profit Margin NPM memiliki nilai minimum sebesar 0,73 dimiliki Nusa Konstruksi Enjiniring Tbk tahun 2011, nilai
Universitas Sumatera Utara
maksimum sebesar 156,52 dimiliki Greenwood Sejahtera Tbk tahun 2013, nilai rata-rata sebesar 27,2500 dan standar deviasi sebesar
22,48896 yang berarti variasi data sangat besar, yaitu 83 dari rata- rata.
b. Variabel Price Earning Ratio PER memiliki nilai minimum sebesar 1,04 dimiliki Gowa Makassar Tourism Development Tbk tahun 2012,
nilai maksimum 371,05 dimiliki Bumi Citra Permai Tbk tahun 2011, nilai rata-rata sebesar 20,0803 dan standar deviasi sebesar 40,80429
yang berarti variasi data sangat besar, yaitu 203 dari rata-rata. c. Variabel Price to Book Value PBV memiliki nilai minimum sebesar
0,25 dimiliki Suryamas Dutamakmur Tbk tahun 2011, nilai maksimum sebesar 4,84 dimiliki Bumi Citra Permai Tbk tahun 2011, nilai rata-rata
sebesar 1,5968 dan standar deviasi sebesar 1,02242 yang berarti variasi data sangat besar, yaitu 64 dari rata-rata.
d. Variabel Debt to Equity Ratio DER memiliki nilai minimum sebesar 0,08 dimiliki MNC Land Tbk tahun 2011, nilai maksimum sebesar 5,67
dimiliki Adhi Karya Persero Tbk tahun 2012, nilai rata-rata sebesar 1,1495 dan standar deviasi sebesar 1,10244 yang berarti variasi data
sangat besar, yaitu 96 dari rata-rata. e. Variabel Harga Saham memiliki nilai minimum sebesar 66,00 dimiliki
Bekasi Asri Pemula Tbk tahun 2013, nilai maksimum sebesar 9500,00 dimiliki Metropolitan Kentjana Tbk tahun 2013, nilai rata-rata sebesar
Universitas Sumatera Utara
1055,9640 dan standar deviasi sebesar 1492,15207 yang berarti variasi data sangat besar, yaitu 141 dari rata-rata.
Secara keseluruhan, data yang digunakan dalam penelitian ini terlihat tidak baik, karena seluruh standar deviasi yang dimiliki kelima
variabel tersebut berada diatas 50 dari nilai rata-ratanya. Hal ini berarti data yang ada tersebar jauh dari angka rata-rata yang dimiliki, untuk itu
dalam pengujian berikutnya akan dibutuhkan transformasi masing-masing data, sehingga karakteristik data menjadi lebih baik untuk digunakan dalam
penelitian.
4.1.2. Uji Asumsi Klasik Hipotesis Pertama Sebelum Transformasi