Statistik Deskriptif Pembahasan Hasil Penelitian

Pada tahun 2006 perusahaan PT Unilever Indonesia Tbk memiliki ROI tertinggi yaitu sebesar 37,22. Perusahaan PT Kimia Farma, Tbk mempunyai ROI terendah yaitu 3,49. Return On Investment rata-rata perusahaan sampel untuk tahun 2006 adalah 13,21. Pada tahun 2007 perusahaan PT Unilever Indonesia Tbk mempunyai ROI tertinggi sebesar 36,79 sedangkan perusahaan merupakan perusahan yang mempunyai ROI terendah PT Indofood Sukses Makmur Tbk yaitu sebesar 3,3. Return On Investment rata – rata perusahaan sampel untuk tahun 2007 adalah 12,94. Pada tahun 2008 perusahaan PT Unilever Indonesia Tbk kembali yang mempunyai ROI tertingi sebesar 37,01 sedangkan perusahaan PT Indofood Sukses makmur, Tbk yang mempunyai ROI terendah yaitu sebesar 2,61. Return On Investment rata-rata perusahaan sampel untuk tahun 2008 adalah 13,92.

B. Statistik Deskriptif

Menurut Sugiyono 2004:142, 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. Statistik deskriptif dalam penelitian ini hanya untuk mendeskripsikan data sampel, dan tidak membuat kesimpulan yang berlaku untuk populasi di mana sampel di ambil. Menurut Ghozali 2005: 19, statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, Universitas Sumatera Utara varian, maksimum, minimum, sum, range, kurtosis, dan skewness kemencengan distribusi. Gambaran statistik seluruh sampel dapat dilihat dari tabel 4.4. Tabel 4.5 Descriptive Statistics Sumber : Output SPSS, diolah Peneliti, 2010 Dari tabel 4.5. tersebut, dapat dideskripsikan mengenai data-data dalam penelitian ini, yaitu : Variabel PER mempunyai nilai minimum 0,03 ; nilai maksimum 12,63 ; nilai rata-ratanya adalah 1,9025 dengan deviasi standar sebesar 3,20082 dan jumlah observasi sebanyak 52. Variabel DPR mempunyai nilai minimum 0.04 ; nilai maksimum 6,06 ; nilai rata-ratanya adalah 0,5440 dengan deviasi standar sebesar 0,85217 dan jumlah observasi sebanyak 52. Variabel Earning Growth mempunyai nilai minimum -83,75 ; nilai maksimum 71,21 ; nilai rata-ratanya adalah 7,9588 dengan deviasi standar sebesar 18,63050 dan jumlah observasi sebanyak 52. Variabel Return On Investment mempunyai nilai minimum 0,84 ; nilai maksimum 37,49 ; nilai rata-ratanya adalah 13,2635 dengan deviasi standar sebesar 10,21360 dan jumlah observasi sebanyak 52. Descriptive Statistics N Minimum Maximum Mean Std. Deviation Divident Payout Ratio 52 .04 6.06 .5440 .85217 Earning Growth 52 -83.75 71.21 7.9588 18.63050 Return On Investment 52 .84 37.49 13.2635 10.21360 Price Earning Ratio 52 .03 12.63 1.9025 3.20082 Valid N listwise 52 Universitas Sumatera Utara

C. Pengujian Asumsi Klasik

Uji asumsi klasik merupakan syarat yang harus dipenuhi model regresi dengan metode Ordinary Least Squares OLS agar memberikan hasil yang Best Linear Unbiased Estimator BLUE. Adapun pengujian asumsi klasik tersebut meliputi :

1. Uji Normalitas

Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak. Ghozali 2005:115, memberikan pedoman pengambilan keputusan tentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov-Smirnov yang dapat dilihat dari : Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal. Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal. Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov adalah seperti yang ditampilkan berikut ini : Tabel 4.6 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 52 Normal Parameters a Mean .0000000 Std. Deviation 2.76139347 Most Extreme Differences Absolute .196 Positive .196 Universitas Sumatera Utara Negative -.165 Kolmogorov-Smirnov Z 1.415 Asymp. Sig. 2-tailed .036 a. Test distribution is Normal. Sumber : Output SPSS, diolah Peneliti, 2010 Berdasarkan hasil uji statistik dengan model Kolmogorov-Smirnov seperti yang terdapat dalam tabel 4.6 dapat disimpulkan bahwa data tidak terdistribusi normal, hal ini dapat dilihat dari nilai Asymp.Sig.2-tailed Kolmogorov- Smirnov sebesar 0,036 yang lebih kecil dari 0,05. Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data yang outlier yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Menurut Erlina 2007:106 ada beberapa cara mengubah model regresi menjadi normal yaitu : a. Lakukan transformasi data ke bentuk lainnya, b. Lakukan trimming, yaitu membuang data outlier, c. Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu. Hasil pengolahan data menunjukkan bahwa data tidak terdistribusi normal, maka dilakukan tindakan perbaikan treatment agar model regresi memenuhi asumsi normalitas. Dalam penelitian ini peneliti melakukan transformasi data ke model logaritma natural Ln, kemudian data diuji ulang berdasarkan asumsi normalitas. Hasil uji statistik dengan model Kolmogorov-Smirnov yang baru setelah dilakukan transformasi data yang tidak normal tersebut dapat dilihat pada tabel 4.7. Universitas Sumatera Utara Tabel 4.7 Hasil Uji Normalitas Pada Data Setelah Transformasi LogaritmaNatural One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 44 Normal Parameters a Mean .0000000 Std. Deviation .95147307 Most Extreme Differences Absolute .124 Positive .088 Negative -.124 Kolmogorov-Smirnov Z .819 Asymp. Sig. 2-tailed .513 a. Test distribution is Normal. Sumber : Output SPSS, diolah Penulis, 2010 Dari hasil pengolahan data pada tabel 4.7 diperoleh hasil pengujian statistik dengan model Kolmogorov-Smirnov menunjukkan bahwa data telah terdistribusi normal karena nilai Asymp.Sig 2-tailed Kolmogorov-Smirnov 0,513 lebih besar dari 0,05. Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini Universitas Sumatera Utara dilampirkan grafik histogram dan grafik p-plot data yang telah berdistribusi normal. Gambar 4.1 Histogram Sumber : Output SPSS, diolah Penulis, 2010 Grafik histogram di atas menunjukkan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan grafik plot yang ditampilkan pada Gambar 4.2. Universitas Sumatera Utara Gambar 4.2 Grafik Normal P-Plot Sumber : Output SPSS, diolah Penulis, 2010 Menurut Ghozali 2005:112, pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Gambar 4.2 menunjukkan bahwa data titik menyebar di sekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil pengujian dengan menggunakan histogram bahwa data telah terdistribusi normal. Karena secara keseluruhan data telah terdistribusi secara normal, maka dapat dilakukan pengujian asumsi klasik lainnya.

2. Uji Multikolinieritas

Universitas Sumatera Utara Uji multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari : a. nilai tolerance dan lawannya, b. Variance Inflatin Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerance. Nilai cutoff yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerance 0,10 atau sama dengan VIF 10 Ghozali, 2005 : 91. Hasil dari uji multikolinieritas dapat dilihat pada tabel berikut ini : Tabel 4.8 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics B Tolerance VIF 1 Constant 3.250 Ln_Divident Payout Ratio .000 .445 2.249 Ln_Earning Growth -.283 .300 3.333 Ln_Return On Investment -1.352 .321 3.113 a. Dependent Variable: Ln_Price Earning Ratio Sumber : Output SPSS, diolah Penulis, 2010 Universitas Sumatera Utara Berdasarkan tabel 4.8 dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinieritas. Hal tersebut dapat dilihat dengan membandingkannya dengan nilai Tolerence atau VIF. Masing-masing variabel independen yang digunakan dalam penelitian ini memiliki nilai Tolerence yang lebih besar dari 0,10. Jika dilihat dari VIF-nya, bahwa masing-masing variabel bebas lebih kecil dari 10. Dengan demikian dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas dalam variabel bebasnya.

3. Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin Watson. Menurut Sunyoto 2009:91, untuk melihat ada tidaknya autokorelasi dilihat dari: a. Angka D-W di bawah –2 berarti ada autokorelasi positif b. Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi. c. Angka D-W di atas +2 berarti ada autokorelasi negatif. Universitas Sumatera Utara Tabel 4.9 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .774 a .599 .569 .98651 1.505 a. Predictors: Constant, Ln_Return On Investment, Ln_Divident Payout Ratio, Ln_Earning Growth b. Dependent Variable: Ln_Price Earning Ratio Sumber : Output SPSS, diolah Penulis, 2010 Tabel 4.9 menunjukkan hasil uji autokorelasi variabel penelitian. Berdasarkan hasil pengujiannya dapat dilihat bahwa tidak terjadi autokorelasi antar kesalahan pengganggu antar periode. Hal tersebut dilihat dari nilai Durbin-Watson D-W sebesar 1.505. Angka D-W berada diantara -2 dan 2, yang mengartikan bahwa angka DW lebih besar dari -2 dan lebih kecil dari 2. Jadi dapat disimpulkan bahwa tidak ada autokorelasi positif maupun negatif.

4. Uji Heteroskedastisitas

Uji heterokedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas, dan jika berbeda disebut heterokedastisitas. Model regresi yang baik yaitu homokedastisitas. Pengujian dilakukaan dengan Scatter-Plot dengan menggunakan SRESID dan ZPRED pada software SPSS. Universitas Sumatera Utara Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai berikut: Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi gejala heterokedastisitas atau tidak dengan cara mengamati penyebaran titik-titik pada grafik. Gambar 4.3 Hasil Uji Heteroskedastisitas Sumber : Output SPSS, diolah Peneliti, 2010 Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi Universitas Sumatera Utara heterokedastisitas, sehingga model ini layak dipakai untuk memprediksi Price Earning Ratio pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia berdasarkan masukan variabel independen yaitu Dividend Payout Ratio, Earning Growth, Return On Investment.

D. Analisis Regresi

Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimstor BLUE dan layak untuk dilakukan analisis statistik selanjutnya, yaitu melakukan pengujian hipotesis.

1. Persamaan Regresi

Dalam pengolahan data dengan menggunakan regresi linear, dilakukan dengan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen. Adapun hasil pengolahan data dengan analisis regresi dapat dilihat pada tabel 4.10. Tabel 4.10 Hasil Analisis Regresi Universitas Sumatera Utara Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3.250 .661 4.919 .000 Ln_Divident Payout Ratio .001 .316 .000 .001 .999 Ln_Earning Growth -.283 .345 -.150 -.820 .417 Ln_Return On Investment -1.352 .355 -.673 -3.812 .000 a. Dependent Variable: Ln_Price Earning Ratio Sumber : Output SPSS, diolah Penulis, 2010 Berdasarkan tabel 4.10 pada kolom Unstandardized Coefficients bagian B diperoleh model persamaan regresi linier berganda yaitu: Y = 3.250 + 0.001X 1 - 0.283 X 2 – 1.352X 3 Model regresi tersebut akan diinterpretasikan sebagai berikut: a Nilai β 0 = 3.250 Nilai konstanta ini menunjukkan bahwa apabila tidak ada nilai variabel bebas yaitu Divident Payout Ratio, Earning Growth,Return On Investment maka perubahan nilai Price Earning Ratio yang dilihat dari nilai Y adalah sebesar 3.250. b Nilai β 1 = 0.001 Koefisisen regresi β 1 ini menunjukkan bahwa setiap variabel Divident payout ratio meningkat sebesar satu satuan, maka Price Earning Ratio akan meningkat sebesar 0,001 atau 1 dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol. c Nilai β 2 = -0.283 Universitas Sumatera Utara Koefisisen regresi β 2 ini menunjukkan bahwa setiap variabel earning growth meningkat sebesar satu satuan, maka Price Earning Ratio akan menurun sebesar 0.283 atau 28.3 dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol. d Nilai β 3 = -1.352 Koefisisen regresi β 3 ini menunjukkan bahwa setiap variabel return on investment meningkat sebesar satu satuan, maka Price Earning Ratio akan menurun sebesar 1.352 atau 135.2 dengan asumsi variabel independen lainnya dianggap tetap atau sama dengan nol.

2. Koefisien Determinasi

Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen. Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati1. Koefisien determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh Universitas Sumatera Utara signifikan terhadap variabel dependen. Oleh karena itu, digunakan nilai adjusted R square untuk mengevaluasi mana model regresi terbaik. Tabel 4.11 Hasil Analisis Koefisien Determinasi Sumber : Output SPSS, diolah Penulis, 2010 Dari hasil uji dapat dilihat nilai R sebesar 0.506, hal ini berarti hubungan antara price earning ratio dengan variabel-variabel independennya adalah kuat karena berada diatas 0.5. Nilai R Square didapat 0.256, namun untuk mengevaluasi model regresi sebaiknya digunakan nilai Adjusted R Square yaitu 0.209. Hasil ini menjelaskan bahwa 0.209 20,9 dari variasi price earning ratio dapat dijelaskan oleh variabel-variabel independen yang ada.. Sedangkan sisanya 79,1 100-20,9 dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini. Standard Error of the Estimate SEE model tersebut adalah 2.84638. SEE yang semakin kecil akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.

3. Pengujian Hipotesis a. Uji t t-test

Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .506 a .256 .209 2.84638 a. Predictors: Constant, Return On Investment, Divident Payout Ratio, Earning Growth b. Dependent Variable: Price Earning Ratio Universitas Sumatera Utara Uji t dilakukan untuk mengetahui hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial. Dalam uji t digunakan hipotesis seperti yang terlihat berikut ini. H1: Dividend Payout Ratio berpengaruh signifikan terhadap Price Earning Ratio H2: Earning Growth berpengaruh signifikan terhadap Price Earning Ratio H3: Return On Investment berpengaruh signifikan terhadap Price Earning Ratio Uji t ini dilakukan dengan membandingkan signifikansi t hitung dengan ketentuan: H diterima dan H a ditolak jika t hitung t tabel untuk α = 5 H a diterima dan H ditolak jika t hitung t tabel untuk α = 5 Tabel 4.12 Hasil Uji t coefficients a Model t Sig. 1 Constant 4.919 .000 Ln_Divident Payout Ratio .001 .999 Ln_Earning Growth -.820 .417 Ln_Return On Investment -3.812 .001 a. Dependent Variable: Ln_Price Earning Ratio Sumber : Output SPSS, diolah Penulis, 2010 Tabel 4.12 menunjukkan hasil pengujian statistik t sehingga dapat menjelaskan pengaruh variabel independen secara parsial. Universitas Sumatera Utara 1 Pengaruh dividend payout ratio terhadap Price Earning Ratio a. Nilai signifikansi = 0,999 menunjukkan bahwa nilai Sig. untuk uji t individual parsial lebih besar dari 0,05. Hal ini sesuai dengan hasil pengujian statistik yang membandingkan antara t hitung dengan t tabel yaitu dividend payout ratio secara parsial tidak signifikan terhadap tingkat pertumbuuhan laba pada tingkat kepercayaan 95. b. Variabel pengaruh dividend payout ratio memiliki t hitung 0,001 dengan nilai signifikansi 0,999 0,05. Dengan menggunakan tabel t, diperoleh t tabel sebesar 2,007. Hal ini menunjukkan bahwa t hitung t tabel 0,001 2,007 yang berarti bahwa H diterima, H 1 ditolak artinya dividend payout ratio secara parsial tidak mempunyai pengaruh terhadap price earning ratio pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia. 2 Pengaruh earning growth terhadap price earning ratio a. Nilai signifikansi = 0,417 menunjukkan bahwa nilai Sig. untuk uji t individual parsial lebih besar dari 0,05. Hal ini sesuai dengan hasil pengujian statistik yang membandingkan antara t hitung dengan t tabel yaitu earning growth secara parsial tidak signifikan terhadap tingkat price earning ratio pada tingkat kepercayaan 95. Universitas Sumatera Utara b. Variabel earning growth memiliki t hitung -0,82 dengan nilai signifikansi 0,417 0,05. Dengan menggunakan tabel t, diperoleh t tabel sebesar 2,007. Hal ini menunjukkan bahwa t hitung t tabel 0,82 2,007 yang berarti bahwa H diterima, H 2 ditolak artinya earning growth secara parsial tidak mempunyai pengaruh signifikan terhadap price earning ratio pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia . 3 Pengaruh return on investment terhadap price earning ratio a. Nilai signifikansi = 0,001 menunjukkan bahwa nilai Sig. untuk uji t individual parsial lebih kecil dari 0,05. Hal ini sesuai dengan hasil pengujian statistik yang membandingkan antara t hitung dengan t tabel yaitu return on investment secara parsial berpengaruh signifikan terhadap tingkat price earning ratio pada tingkat kepercayaan 95. b. Variabel return on investment memiliki t hitung -3,812 dengan nilai signifikansi 0,001 0,05. Dengan menggunakan tabel t, diperoleh t tabel sebesar 2,007. Hal ini menunjukkan bahwa t hitung t tabel 3,812 2.011 yang berarti bahwa H 3 diterima , H ditolak artinya return on investment secara parsial mempunyai pengaruh signifikan yang negatip terhadap price earning ratio pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia .

b. Uji F ANOVA

Universitas Sumatera Utara Uji F ini dilakukan untuk melihat seberapa besar pengaruh variabel independen terhadap variabel dependen secara simultan. Dalam uji F digunakan hipotesis yang disebutkan dibawah ini: H a : artinya dividend payout ratio, earning growth, return on investment mempunyai pengaruh terhadap price earning ratio secara simultan pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia. Kriteria: H diterima dan H a ditolak jika F hitung F tabel untuk α = 5 H a diterima dan H ditolak jika F hitung F tabel untuk α = 5 Tabel 4.13 Hasil Uji F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 58.230 3 19.410 19.945 .001 Residual 38.928 40 .973 Total 97.158 43 a. Predictors: Constant, Ln_Return On Investment, Ln_Divident Payout Ratio, Ln_Earning Growth b. Dependent Variable: Ln_Price Earning Ratio Sumber : Output SPSS, diolah Penulis, 2010 Hasil uji F yang ditampilkan dalam tabel 4.13 menunjukkan bahwa nilai F hitung adalah 19,945 dengan tingkat signifikansi 0,001 yang lebih kecil dari 0,05. Dengan menggunakan tabel F diperoleh nilai F tabel sebesar 2,798. Hal tersebut menunjukkan bahwa F hitung sebesar 19,945 lebih besar dari F tabel sebesar 2,798 sehingga H ditolak dan H a diterima, artinya variabel bebas yaitu dividend payout ratio, earning growth, return on investment Universitas Sumatera Utara berpengaruh signifikan secara simultan terhadap price earning ratio pada perusahaan barang konsumsi yang terdaftar di bursa efek Indonesia.

E. Pembahasan Hasil Penelitian

Hasil penelitian ini menunjukkan bahwa secara parsial variabel independen yaitu dividend payout ratio dan earning growth tidak memiliki pengaruh signifikan terhadap variabel dependen. Hal ini dapat dibuktikan dengan melihat nilai signifikansi dividend payout ratio dan earning growth lebih besar dari 0,05 yang memiliki makna bahwa Ho diterima dan Ha ditolak. Dividend Payout Ratio secara parsial tidak memiliki pengaruh signifikan terhadap Price Earning Ratio, sebagaimana ditunjukkan oleh angka signifikansinya sebesar 0,999 0.05 setelah dilakukan uji t. Hal ini berarti bahwa H 1 ditolak atau Dividend Payout Ratio tidak berpengaruh signifikan terhadap Price Earning Ratio. Hal ini sesuai dengan hasil penelitian Delvi Agustina 2004 yang menemukan bahwa variabel Dividend Payout Ratio tidak berpengaruh signifikan terhadap Price Earning Ratio, pada industri barang konsumsi yang terdaftar di Bursa Efek Indonesia. Hal ini berarti bahwa rasio pembayaran dividen merupakan hal yang penting dan dapat dijadikan sebagai informasi bagi investor. Namun para investor tidak boleh hanya memperhatikan rasio pembayaran dividen ini saja, karena menurut hasil pengujian parsial yang menyatakan bahwa variabel rasio pembayaran dividen tidak akan memberikan informasi yang bermanfaat untuk memprediksi nilai PER, selain itu investor perlu memperhatikan bahwa perusahaan yang membayar dividen yang besar Universitas Sumatera Utara mengindikasikan bahwa perusahaan tersebut hanya menjadikan dividen sebagai penarik bagi pihak luar agar menanamkan dananya ke dalam perusahaan. Oleh karena itu investor perlu memperhatikan faktor tingkat pertumbuhan perusahaan. Earning Growth juga tidak memiliki pengaruh signifikan secara parsial. Hal ini dapat dilihat dari nilai t hitung Earning Growth yaitu -0,82 dengan nilai signifikansi 0,417 0,05. Hasil penelitian ini didukung oleh penelitan sebelumnya yang dilakukan oleh Rossje dan Christina 2003. Return On Investment memiliki pengaruh yang signifikan terhadap price earning ratio. Hal ini mengidikasikan bahwa perubahan yang ditunjukkan oleh return on investmen diikut i oleh peningkatan atau penurunan price earning ratio. Keadaan ini dapat dilihat dari regresi yang menunjukkan bahwa nilai t hitung variabel Return On Investment -3,812 dengan nilai signifikansi sebesar 0,001 yaitu lebih besar dari 0.05 yang berarti Return On Investment memiliki pengaruh yang signifikan negatif terhadap price earning ratio. Return On Investment yang mempunyai pengaruh signifikan negatip maksudnya adalah setiap kenaikan Return On Investment diikuti dengan penurunan price earning ratio. Pengolahan data dalam penelitian ini tidak hanya dilakukan dengan uji t parsial melainkan juga melakukan penelitian dengan menggunakan uji f simultan. Hasil penelitian yang dilakukan dengan uji f menunjukkan bahwa DPR, Earning Growth, ROI secara simultan memiliki pengaruh signifikan terhadap PER , pada perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia. Universitas Sumatera Utara BAB V KESIMPULAN DAN SARAN

A. Kesimpulan