BAB IV ANALISIS HASIL PENELITIAN
4.1. 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 EPS_normal
28 2.40
7.42 4.8939
1.34931 DPS_normal
28 .00
6.90 3.5858
2.12438 harga_saham_normal
28 4.44
10.17 7.3458
1.65001 Valid N listwise
28
Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa : a. Variabel Earnings per share EPS memiliki nilai minimum terkecil 2,40,
nilai maksimum terbesar 7,42, mean nilai rata-rata 4,8939 dan standart deviation simpangan baku variabel ini adalah 1,34931.
b. Variabel Dividend Per Share DPS memiliki nilai minimum terkecil 0, nilai maksimum terbesar 6,90, mean nilai rata-rata 3,5858 dan standart
deviation simpangan baku variabel ini adalah 2,12438. c. Variabel harga saham HS memiliki nilai minimum terkecil 4,44 nilai
maksimum terbesar 10,17. mean nilai rata-rata t,3458 dan standart deviation simpangan baku variabel ini adalah 1,65001.
4.2. Uji Asumsi Klasik
4.2.1. 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 : Ho
: data residual terdistribusi normal Ha
: 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 Analisi 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. Dan lonceng
tidak menceng kekiri maupun kekanan. 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.
Gambar 4.1 Dari grafik histogram dan normal probability plot pada gambar 4.1
diatas, terlihat bahwa grafik tidak menceng ke kiri maupun kekanan. Dengan demikian grafik diatas memperlihatkan pola distribusi yang normal,
demikian pula hasil uji normalitas dengan menggunakan grafik p-p plot.
Gambar 4.2
Pada grafik normal p-p plot di atas terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat
disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. 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 K- S dengan melihat data residualnya apakah berdistribusi normal atau tidak.
Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika signifikansinya lebih kecil dari 0,05 maka
distribusi data adalah tidak normal. Hasil uji kolmogorov-smirnov dapat dilihat pada tabel 4.2
Tabel 4.2 Hasil Pengujian Kolmogorov-smirnov sebelum tranformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
28 Normal Parameters
a,b
Mean .0000000
Std. Deviation 2004.75933231
Most Extreme Differences Absolute
.181 Positive
.181 Negative
-.117 Kolmogorov-Smirnov Z
.957 Asymp. Sig. 2-tailed
.319 a. Test distribution is Normal.
b. Calculated from data.
Hasil uji Kolmogorov-Smirnov pada yang terdapat pada tabel 4.2 dari penelitian ini menunjukkan signifikasi probabilitas dari nilai residual
adalah 0,319. Maka data dapat digunakan karena 0,319 0,05 Ho diterima. Tetapi untuk memperkecil penyimpangan dalam uji hipotesis
data, maka penulis mencoba untuk melakukan tranformasi data kedalam logaritma natural Ln. setelah dilakukan tranformasi maka nilai signifikansi
mengalami peningkatan dan std.deviation mengalami penurunan. Berikut ini hasil pengujian dengan kolmogorov-smirnov setelah mengalami
transformasi kedalam logaritma natural. Tabel 4.3
Hasil pengujian kolmogorov-smirnov setelah tranformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 28
Normal Parameters
a,b
Mean .0000000
Std. Deviation .68534109
Most Extreme Differences Absolute
.150 Positive
.150 Negative
-.110 Kolmogorov-Smirnov Z
.796 Asymp. Sig. 2-tailed
.551 a. Test distribution is Normal.
b. Calculated from data.
Dari hasil pengolahan data pada tabel 4.3 diatas diperoleh besarnya nilai Kolmogorov-smirnov adalah 0,769 dan signifikansi sebesar 0,551.
Yang artinya nilai signifikansi 0,05. Dengan demikian, data pada
penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,05 Ho diterima.
4.2.2. Uji Heterokedastisitas
Pengujian ini digunakan untuk melihat apakah variabel pengganggu mempunyai varian yang sama atau tidak. Heteroskedastisitas mempunyai
suatu keadaan bahwa varian dari residual suatu pengamatan ke pengamatan yang lain berbeda. Salah satu metode yang digunakan untuk menguji ada
tidaknya Heterokedastisitas akan mengakibatkan penaksiran koefisien- koefisien regresi menjadi tidak efisien. Hasil penaksiran akan menjadi
kurang dari semestinya. Heterokedastisitas bertentangan dengan salah satu asumsi dasar regresi linear, yaitu bahwa variasi residual sama untuk semua
pengamatan atau disebut homokedastisitas Gujarati dalam Elmasari, 2010:53
Menurut Ghozali 2005:105, “uji Heterokedastisitas 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 Heterokedastisitas. Model regresi yang baik adalah homoskedastisitas atau tidak terjadi heterokedastisitas
karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, dan besar”.
Pengujian heterokedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik
penyebaran pada grafik dan uji Spearman, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel
dependennya. Perumusan hipotesis adalah : Ho
: tidak ada heterokedastisitas Ha
: ada heterokedastisitas. Jika signifikan 0,05 maka Ha diterima ada heterokedastisitas dan
jika signifikan 0,05 maka Ho diterima tidak ada heterokedastisitas.
Gambar 4.3 Gambar 4.3
Pada gambar 4.3 tentang scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar
baik diatas maupun dibawah angka nol pada sumbu Y. hal ini berarti tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak
dipakai unuk melihat pengaruh variabel independen terhadap variabel dependen.
Tabel 4.4 Uji Spearmen rho
Correlations
Unstandardized Residual
DPS_transform EPS_transform
Spearmans rho
Unstandardized Residual
Correlation Coefficient 1.000
.093 .007
Sig. 2-tailed .
.637 .971
N 28
28 28
DPS_transform Correlation Coefficient
.093 1.000
.808 Sig. 2-tailed
.637 .
.000 N
28 28
28 EPS_transform
Correlation Coefficient .007
.808 1.000
Sig. 2-tailed .971
.000 .
N 28
28 28
. Correlation is significant at the 0.01 level 2-tailed.
Dari tabel 4.4 diatas kita dapat melihat bahwa nilai siginifikansi untuk variabel in Dividend Per Share adalah 0,645 0,05. Nilai signifikansi
untuk variabel ini Earnings per share adalah 0,194 0,05. Dari hasil ini maka dapat disimpulkan bahwa tidak terdapat masalah heterokedastisitas
karena variabel independennya memiliki signifikan lebih besar dari 0,05.
Tabel 4.5 Uji glesjer
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
.564 .393
1.435 .164
EPS_transform -.063
.116 -.184
-.542 .592
DPS_transform .067
.073 .311
.919 .367
a. Dependent Variable: ABS_RES
Dari output pada Tabel 4.5 di atas dapat diketahui bahwa nilai signifikansi kedua variabel independen lebih dari 0,05. Dengan demikian
dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas pada model regresi.
4.2.3. Uji Autokorelasi
Hasil 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 diantara -2 sampai +2, berarti tidak ada autokorelasi 3. Angka D-W diatas +2 berarti ada autokorelasi negatif.
Tabel 4.6 Hasil uji autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.910
a
.827 .814
.71223 1.374
a. Predictors: Constant, DPS_transform, EPS_transform b. Dependent Variable: HS_transform
Tabel 4.6 memperlihatkan nilai statistik Durbin-Watson sebesar = 1,374 yang artinya nilai durbin watson terletak antara -2 dan +2. Maka dapat
disimpulkan bahwa model regresi bebas dari auto korelasi.
4.2.4. Uji Multikolinearitas
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 maka terjadi multikolinearitas. Apabila tolerance value 0,1 atau
VIF 10 maka tidak terjadi multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.7.
Tabel 4.7 Uji multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 2.621
.596 4.397
.000 EPS_transform
.797 .175
.652 4.544
.000 .336
2.979 DPS_transform
.230 .111
.297 2.069
.049 .336
2.979 a. Dependent Variable: HS_transform
Berdasarkan tabel 4.7 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih besar dari 10 dan tidak ada yang
memiliki tolerance value lebih dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil analisis, didapat
nilai VIF untuk variabel Earnings per share adalah 2,979 10 dan nilai tolerance sebesar 0,336 0,1, bila VIF untuk variabel Dividend Per Share
adalah 2,797 dan nilai tolerance sebesar 0,336 0,1. Hasil ini maka dapat disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini
lolos uji gejala multikolinearitas.
4.3. Pengujian Hipotesis
4.3.1. Uji Koefisien Determinasi
Besarnya kontribusi antara sumbangan yang diberikan oleh variabel Earnings per share dan Dividend 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 2005:83,
“oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai pada saat mengevaluasi mana model regresi terbaik. Tidak sepert 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 mengatahui seberapa besar pengaruh independen terhadap variabel dependen. Hasil pengukuran
koefisien determinasi dapat dilihat pada tabel 4.8 sebagai berikut : Tabel 4.8
Hasil pengujian determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.910
a
.827 .814
.71223 1.374
a. Predictors: Constant, DPS_transform, EPS_transform b. Dependent Variable: HS_transform
Besarnya adjusted R
2
berdasarkan hasil analisis dengan menggunakan SPSS 16 diperoleh sebesar 0,814. Dengan demikian besarnya
pengaruh yang diberikan oleh variabel Dividend Per Share dan Earnings per share terhadap harga saham adalah sebesar 81. Sedangkan sisanya
sebesar 19 adalah dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
4.3.2. Pengujian Simultan Uji F
Uji F digunakan untuk mengetahui ada tidaknya pengaruh secara bersama-sama variabel bebas terhadap variabel terikat. Uji F dapat dicari
dengan melihat F hitung dari tabel Anova output SPSS versi 16 for windows, selain itu juga membandingkan hasil dari probabilitas value. Jika
probabilitas value 0,05 maka Ho ditolak dan jika probabilitas value 0,05 maka Ha diterima. Berdasarkan tabel 4.9 dibawah ini terlihat bahwa :
Tabel 4.9 Hasil uji F
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
60.827 2
30.413 59.955
.000
a
Residual 12.682
25 .507
Total 73.509
27 a. Predictors: Constant, DPS_transform, EPS_transform
b. Dependent Variable: HS_transform
Pada tabel anova atau F tes diperoleh nilai F hitung sebesar 59,955 dengan tingkat signifikansi 0,000. Kesimpulan yang dapat diambil adalah
variabel Dividend Per Share dan Earnings per share secara simultan bersama berpengaruh terhadap harga saham karena nilai signifikansi
0,000 0,005.
4.3.3. Pengujian Parsial Uji t
Untuk mengetahui pengaruh masing-masing variabel bebas terhadap variabel terikat yaitu antara Dividend Per Share dengan Earnings 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 varibael independen terhadap variabel
denpende. Jika probabilitas value 0,05 maka Ho ditolak dan jika probabilitas value 0,05 maka Ha diterima. Berdasarkan tabel 4.10
dibawah ini terlihat bahwa : Tabel 4.10
Hasil uji t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 2.621
.596 4.397
.000 EPS_transform
.797 .175
.652 4.544
.000 .336
2.979 DPS_transform
.230 .111
.297 2.069
.049 .336
2.979 a. Dependent Variable: HS_transform
Terlihat pada kolom Coefficients Earnings Per Share terdapat nilai sig 0,000. Nilai sig lebih kecil dari nilai probabilitas 0,05, atau nilai
0,0000,05, maka H
1
diterima dan Ho ditolak. Variabel Earnings Per Share mempunyai t
hitung
yakni 4,544 dengan t
tabel
=1,708. Jadi t
hitung
t
tabel
dapat disimpulkan bahwa variabel Earnings Per Share memiliki kontribusi terhadap Harga Saham. Nilai t positif menunjukkan bahwa variabel
Earnings Per Share mempunyai hubungan yang searah dengan Harga Saham. Jadi dapat disimpulkan Earnings Per Share memiliki pengaruh
signifikan terhadap Harga Saham. Selanjutnya, Terlihat pada kolom Coefficients Dividend Per Share
terdapat nilai sig 0,049. Nilai sig lebih kecil dari nilai probabilitas 0,05, atau nilai 0,0490,05, maka H
1
ditolak dan Ho diterima. Variabel Dividend Per Share mempunyai t
hitung
yakni 2,069 dengan t
tabel
=1,708.
Jadi t
hitung
t
tabel
dapat disimpulkan bahwa variabel Dividend Per Share memiliki kontribusi terhadap Harga Saham. Nilai t positif menunjukkan
bahwa variabel Dividend Per Share mempunyai hubungan yang searah dengan Harga Saham. Jadi dapat disimpulkan Dividend Per Share
memiliki pengaruh signifikan terhadap Harga Saham. Dari tabel 4.9 diatas diperoleh model persamaan regresi berganda
sebagai berikut : Y= 2,621 + 0,797X
1
+ 0,230X
2
+ e Keterangan :
1. Nilai konstanta adalah 2,621 artinya apabila variabel Earnings per share dan Dividend Per Share bernilai nol tidak ada maka harga
saham akan bernilai sebesar 2,621. 2. Nilai koefisien Earnings per share adalah 0,797 artinya setiap
kenaikan Earnings per share akan meningkatkan nilai harga saham sebesar Rp. 1.
3. Nilai Koefisien Dividend Per Share adalah 0,230 artinya setiap kenaikan Dividend Per Share akan meningkatkan nilai harga saham
sebesar Rp. 1.
4.4. Pembahasan Hasil Penelitian
Penelitian ini bertujuan untuk melihat apakah ada pengaruh antara Earnings per share dan Dividend Per Share terhadap harga saham baik secara
persial maupun secara simultan pada perusahaan-perusahaan perkebunan go publik di Indonesia.
Variabel independen yang digunakan dalam penelitian ini adalah Earnings per share dan Dividend Per Share. Variabel dependen dalam penelitian ini adalah
harga saham. Populasi yang digunakan dalam penelitian ini adalah semua perusahaan-perusahaan perkebunan yang go publik di Bursa Efek Indonesia pada
tahun 2008-2011. Dimana jumlah populasi sebanyak 8 perusahaan. Teknik pengambilan sampel yang digunakan adalah teknik purposive sampling dimana
jumlah amatan yang diperoleh dalam penelitian ini adalah 84 21 x 4 tahun. Pengujian yang digunakan dalam penelitian ini adalah uji asumsi klasik
normalitas, heterokedastisitas, autokorelasi, dan multikolinearitas 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 81. Dengan demikian besarnya pengaruh yang diberikan oleh variabel Earnings
per share dan Dividend Per Share terhadap harga saham adalah sebesar 81. Sedangkan sisanya sebesar 19 adalah dipengaruhi oleh faktor lain yang tidak
diteliti dalam penelitian ini. Berdasarkan hasil uji simultan diperoleh kesimpulan variabel Earnings per share dan Dividend Per Share berpengaruh signifikan
terhadap harga saham. Berdasarkan hasil uji pasial diperoleh variabel Earnings per share berpengaruh positif dan signifikan terhadap harga saham. Variabel
Dividend Per Share berpengaruh positif dan signifikan terhadap harga saham.
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
Penelitian ini menguji apakah Earnings Per Share dan Dividend Per Share berpengaruh, baik secara parsial maupun secara simultan, terhadap harga saham
pada perusahaan perkebunan yang terdaftar di Bursa Efek Indonesia periode 2008-2011. Penelitian ini menggunakan sampel sebanyak 7 perusahaan
perkebunan yang terdaftar di Bursa Efek Indonesia. Berdasarkan hasil analisis data dan pembahasan yang telah dikemukakan dalam BAB IV, maka dapat ditarik
kesimpulan sebagai berikut : 1. Secara simultan, hasil penelitian ini menunjukkan bahwa Earnings Per
Share EPS dan Dividend Per Share DPS berpengaruh signifikan terhadap harga saham. Hal ini dapat dilihat pada uji koefisien determinasi
yang mana hasil analisis diperoleh sebesar 0,814. Dengan demikian besarnya pengaruh yang diberikan oleh variabel Dividend Per Share dan
Earnings per share terhadap harga saham adalah sebesar 81. Sedangkan sisanya sebesar 19 adalah dipengaruhi oleh faktor lain yang tidak diteliti
dalam penelitian ini. 2. Secara parsial, penelitian ini menunjukkaan bahwa Earning Per Share
EPS dan Dividend Per Share DPS masing-masing berpengaruh secara signifikan terhadap harga saham. Hal ini dapat dilihat pada analisis uji T
sebagai berikut :
Kategori