10 CTRS
Ciputra Surya Tbk 11
DART Duta Anggada Realty Tbk
12 DILD
Intiland Development Tbk 13
DUTI Duta Pertiwi Tbk
14 EMDE
Megapolitan Developments Tbk 15
GMTD Gowa Makassar Tourism Development Tbk
16 GPRA
Perdana Gapuraprima Tbk 17
GWSA Greenwood Sejahtera Tbk
18 JRPT
Jaya Real Property Tbk 19
KIJA Kawasan Industri Jababeka Tbk
20 KPIG
MNC Land Tbk. 21
LAMI Lamicitra Nusantara Tbk
22 LPCK
Lippo Cikarang Tbk 23
LPKR Lippo Karawaci Tbk
24 MDLN
Modernland Realty Ltd Tbk 25
MKPI Metropolitan Kentjana Tbk
26 MTLA
Metropolitan Land Tbk 27
PWON Pakuwon Jati Tbk.
28 RDTX
Roda Vivatex Tbk 29
SCBD Danayasa Arthatama Tbk.
30 SMDM
Suryamas Dutamakmur Tbk 31
SMRA Summarecon Agung Tbk
32 ADHI
Adhi Karya Persero Tbk. 33
DGIK Nusa Konstruksi Enjiniring Tbk.
34 PTPP
PP Persero Tbk. 35
SSIA Surya Semesta Internusa Tbk.
36 TOTL
Total Bangun Persada Tbk. 37
WIKA Wijaya Karya Persero Tbk.
Sumber: Diolah Peneliti 2014
3.5. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu data yang dapat diukur dalam bentuk skala numerik. Peneliti menggunakan data
sekunder dalam penelitian ini. Data sekunder adalah data yang telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada masyarakat pengguna
Universitas Sumatera Utara
data. Data sekunder diperoleh dari hasil publikasi Bursa Efek Indonesia mengenai data perusahaan, laporan kinerja perusahaan, laporan keuangan dan tahunan, serta
buku-buku referensi, internet, dan literatur ilmiah yang berhubungan dengan penelitian.
Menurut waktu pengumpulannya, data yang digunakan dalam penelitian ini termasuk dalam Pooling Data. Pooling Data merupakan gabungan data-data yang
melibatkan urutan waktu dan data yang melibatkan satu waktu tertentu dengan banyak sampel Jogiyanto, 2004:54.
3.6. Metode Pengumpulan Data
Pada penelitian ini, pengumpulan data dilakukan dengan dua tahap. Tahap pertama merupakan tahap dimana peneliti melakukan studi pustaka yang
dilakukan dengan cara membaca, mendalami dan menelaah berbagai macam literatur, buku-buku dan jurnal-jurnal yang menunjang penelitian yang dilakukan.
Studi pustaka ini dilakukan untuk memperoleh informasi yang sifatnya teoritis dan digunakan sebagai perbandingan dalam pembahasan. Pada tahap kedua,
peneliti melakukan dokumentasi pengumpulan data dengan mengunduh data mengenai harga saham dan laporan keuangan perusahaan yang akan diteliti dari
situs Bursa Efek Indonesia www.idx.co.id
3.7. Metode Analisis Data
.
Metode analisis data yang digunakan dalam penelitian ini adalah analisis deskriptif dan pengujian hipotesis dilakukan dengan analisis regresi berganda
menggunakan software SPSS 20.0.
Universitas Sumatera Utara
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
4.1.2.1.Uji Normalitas Sebelum Transformasi
Tujuan uji normalitas adalah untuk mengetahui apakah dalam suatu model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Terdapat dua cara untuk menguji apakah residual berdistribusi
normal atau tidak, yaitu dengan analisis grafik dan analisis statistik. Uji normalitas dengan analisis grafik dapat dilakukan dengan melihat grafik
histogram dan normal probability plot. Sedangkan analisis statistik dilakukan dengan uji non-parametrik One Sample kolmogorov-Smirnov
K-S dengan membuat hipotesis: Ho : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal
Universitas Sumatera Utara
Apabila nilai signifikansinya lebih dari 0,05 maka Ho diterima sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka Ho
ditolak.
Gambar 4.1 Grafik Histogram sebelum data di transformasi
Sumber: hasil olah data SPSS, 2015
Gambar 4.2 Grafik Normal P-P Plot sebelum data di transformasi
Sumber: hasil olah data SPSS, 2015
Universitas Sumatera Utara
Dari gambar 4.1, terlihat bahwa grafik histogram tidak menunjukkan pola distribusi normal, karena menceng ke sebelah kiri
positive skewness. Pada gambar 4.2, titik-titik grafik normal p-plot menyebar di sekitar garis diagonal tetapi penyebarannya jauh dari garis
diagonal sehingga dapat disimpulkan data model regresi tidak normal.
Tabel 4.2 Hasil Uji Kolmogorov-Smirnov Test
sebelum data di transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 111
Normal Parameters
a,b
Mean 0E-7
Std. Deviation 1355.18037914
Most Extreme Differences Absolute
.227 Positive
.227 Negative
-.147 Kolmogorov-Smirnov Z
2.390 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
b. Calculated from data.
Sumber: hasil oleh data SPSS, 2015 Data yang tidak terdistribusi secara normal juga ditunjukkan oleh
hasil uji Kolmogorov-Smirnov pada Tabel 4.2. Hasil pengujian memiliki nilai signifikansi 0,000 atau 0,05, sehingga data secara positif dapat
dikategorikan tidak normal.
4.1.2.2.Uji Multikolonieritas Sebelum Transformasi
Tujuan uji multikolonieritas yaitu untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Secara umum,
Universitas Sumatera Utara
ada dua cara untuk mendeteksi adanya multikolinearitas, yakni dengan melihat nilai tolerance dan variance inflation factor VIF. Nilai cutoff
yang umum dipakai untuk menunjukkan adanya multikolineritas adalah jika tolerance 0,1 dan nilai VIF 10.
Tabel 4.3 Hasil Uji Multikolonieritas Sebelum Data di Transformasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
-26.138 297.863
-.088 .930
NPM 10.009
5.941 .151
1.685 .095
.962 1.040
PER -5.509
3.385 -.151
-1.628 .107
.900 1.111
PBV 576.157
132.573 .395
4.346 .000
.934 1.070
a. Dependent Variable: HS
Sumber: hasil olah data SPSS, 2015 Berdasarkan data olahan pada tabel 4.3, maka dapat dilihat bahwa
semua variabel independen memiliki nilai VIF 10 dan nilai tolerance 0,1. Dengan demikian, maka dapat disimpulkan bahwa tidak terjadi
korelasi di antara variabel-variabel independen yang diuji dalam penelitian ini.
4.1.2.3.Uji Heterokedastisitas Sebelum Transformasi
Tujuan uji heterokedastisitas yaitu untuk menguji apakah dalam model terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Cara untuk menentukan ada atau tidaknya heterokedastisitas adalah dengan melihat grafik scatterplot.
Universitas Sumatera Utara
Gambar 4.3 Grafik
Scatterplot sebelum data di transformasi Sumber: hasil olah data SPSS, 2015
Dari gambar 4.3 terlihat bahwa titik-titik tidak menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat
disumpulkan bahwa terjadi heterokedastisitas pada model regresi, sehingga model regresi tidak layak dipakai untuk memprediksi harga
saham.
4.1.2.4.Uji Autokorelasi Sebelum Transformasi
Pengujian autokorelasi dilakukan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi antar kesalahan pengganggu
pada periode t dengan kesalahan pada periode t-1 periode sebelumnya. Uji autokorelasi dilakukan dengan melihat nilai Durbin-Watson DW.
Bila nilai Durbin-Watson DW terletak diantara terletak antara batas atas
Universitas Sumatera Utara
atau Upper Bound DU dan 4
_
DU, maka dapat disimpulkan tidak ada autokorelasi, positif atau negatif.
Tabel 4.4 Hasil Uji Autokorelasi Sebelum Data di Transformasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .419
a
.175 .152
1374.04691 2.217
a. Predictors: Constant, PBV, NPM, PER b. Dependent Variable: HS
Sumber: hasil data olah SPSS, 2015 Berdasarkan data yang ada pada tabel 4.4, dapat dilihat bahwa
nilai Durbin-Watson adalah sebesar 2,217. Nilai ini akan dibandingkan dengan nilai tabel yang mempunyai nilai signifikansi α = 5, jumlah
sampel n =111 dan jumlah variabel independen k = 3. Berdasarkan tabel Durbin-Watson, maka diperoleh nilai batas atas DU = 1,746 dan
nilai batas bawah DL =1,636 serta nilai 4
_
DU = 2,254. Dengan demikian, maka dapat disimpulkan bahwa tidak terjadi autokorelasi,
sebab nilai DW terletak antara batas atas DU dan 4
_
DU. 1,7462,2172,254.
4.1.3. Uji Asumsi Klasik Hipotesis Pertama Setelah Transformasi
Setelah ditemukan masalah pada uji asumsi klasik sebelumnya, peneliti melakukan tansformasi data dengan menggunakan ln logaritma
natural sehingga dapat menyelesaikan masalah normalitas serta heterokedastisitas dan memenuhi syarat pengujian asumsi klasik. Hasil
transformasi yang telah dilakukan adalah sebagai berikut:
Universitas Sumatera Utara
4.1.3.1.Uji Normalitas Setelah Transformasi
Gambar 4.4 Grafik Histogram setelah data di transformasi
Sumber: hasil olah data SPSS, 2015
Gambar 4.5 Grafik Normal P-Plot setelah data di transformasi
Sumber: hasil olah data SPSS, 2015
Universitas Sumatera Utara
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati normal maka dari grafik di atas gambar 4.4
dan 4.5 dapat disimpulkan bahwa data telah terdistribusi secara normal karena grafik histogram menunjukkan distribusi data mengikuti garis
diagonal yang tidak menceng ke kiri maupun ke kanan. Demikian pula pada grafik normal plot terlihat titik-titik menyebar di sekitar garis
diagonal serta penyebarannya mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
Tabel 4.5 Hasil Uji Kolmogorov-Smirnov Test
setelah data di transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 111
Normal Parameters
a,b
Mean 0E-7
Std. Deviation .85759131
Most Extreme Differences
Absolute .072
Positive .072
Negative -.049
Kolmogorov-Smirnov Z .754
Asymp. Sig. 2-tailed .620
a. Test distribution is Normal. b. Calculated from data.
Sumber: hasil olah data SPSS, 2015 Hasil uji statistik non-parametric Kolmogorov-Smirnov K-S di
atas, menunjukkan besarnya nilai Kolmogorov-Smirnov adalah 0,754 dan nilai Asymp. Sig. 2-tailed 0,620 dengan nilai signifikan yang
ditetapkan 0,05 yang berarti data berdistribusi normal. Hasil statistik non- parametric Kolmogorov-Smirnov ini konsisten dengan hasil yang
Universitas Sumatera Utara
ditunjukkan melalui kurva histogram dan normal probability plot, sehingga dapat disimpulkan secara keseluruhan bahwa nilai-nilai
observasi data telah terdistribusi secara normal dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
4.1.3.2.Uji Multikolonieritas Setelah Transformasi Tabel 4.6
Hasil Uji Multikolonieritas Setelah Data di Transformasi
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
6.265 .495
12.659 .000
ln_NPM .176
.100 .148
1.750 .083
.832 1.202
ln_PER -.281
.117 -.212
-2.410 .018
.764 1.309
ln_PBV .976
.137 .582
7.120 .000
.887 1.127
a. Dependent Variable: ln_HS
Sumber: hasil olah data SPSS, 2015 Berdasarkan data olahan pada tabel 4.6, maka dapat dilihat bahwa
semua variabel independen memiliki nilai VIF 10 dan nilai tolerance 0,1. Dengan demikian, uji multikolonieritas setelah transformasi
menunjukkan hasil yang sama dengan pengujian sebelum transformasi yaitu tidak ada multikolinearitas antara variabel dalam penelitian ini.
Universitas Sumatera Utara
4.1.3.3.Uji Heterokedastisitas Setelah Transformasi
Gambar 4.6 Grafik
Scatterplot setelah data di transformasi
Sumber: hasil olah data SPSS, 2015 Pada gambar 4.6, Grafik Scatterplot terlihat bahwa setelah
transformasi titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas. Titik-titik tersebut tersebar baik diatas maupun
dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
4.1.3.4.Uji Autokorelasi Setelah Transformasi Tabel 4.7
Hasil Uji Autokorelasi Setelah Data di Transformasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .605
a
.366 .348
.86953 2.197
a. Predictors: Constant, ln_PBV, ln_NPM, ln_PER b. Dependent Variable: ln_HS
Sumber: hasil olah data SPSS, 2015
Universitas Sumatera Utara
Berdasarkan data yang ada pada tabel 4.7, dapat dilihat bahwa nilai Durbin-Watson adalah sebesar 2,197. Nilai ini akan dibandingkan
dengan nilai tabel yang mempunyai nilai signifikansi α = 5, jumlah sampel n =111 dan jumlah variabel independen k = 3. Berdasarkan
tabel Durbin-Watson, maka diperoleh nilai batas atas DU = 1,746 dan nilai batas bawah DL =1,636 serta nilai 4
_
DU = 2,254. Dengan demikian, maka dapat disimpulkan bahwa tidak terjadi autokorelasi,
sebab nilai DW terletak antara batas atas DU dan 4
_
DU. 1,7462,1972,254.
4.1.4. Uji Asumsi Klasik Hipotesis Kedua
4.1.4.1. Uji Normalitas Hipotesis Kedua
Gambar 4.7 Grafik Histogram Hipotesis Kedua
Sumber: hasil olah data SPSS, 2015
Universitas Sumatera Utara
Berdasarkan gambar 4.7, grafik histogram menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng skewness ke kiri
maupun ke kanan.
Gambar 4.8 Grafik Normal P-Plot Hipotesis Kedua
Sumber: hasil olah data SPSS, 2015 Pada gambar 4.8, grafik normal plot terlihat titik-titik menyebar
di sekitar garis diagonal serta penyebarannya mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi
secara normal.
Universitas Sumatera Utara
Tabel 4.8 Hasil Uji Kolmogorov-Smirnov Test Hipotesis Kedua
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 111
Normal Parameters
a,b
Mean 0E-7
Std. Deviation .44104274
Most Extreme Differences Absolute
.094 Positive
.034 Negative
-.094 Kolmogorov-Smirnov Z
.989 Asymp. Sig. 2-tailed
.282 a. Test distribution is Normal.
b. Calculated from data.
Sumber: hasil olah data SPSS, 2015 Hasil uji statistik non-parametric Kolmogorov-Smirnov K-S di
atas, menunjukkan besarnya nilai Kolmogorov-Smirnov adalah 0,989 dan nilai Asymp. Sig. 2-tailed 0,282 dengan nilai signifikan yang
ditetapkan 0,05 yang berarti data berdistribusi normal.
4.1.4.2. Uji Multikolonieritas Hipotesis Kedua Tabel 4.9
Hasil Uji Multikolonieritas Hipotesis Kedua
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
3.548 .255
ln_NPM -.685
.052 -.744
.832 1.202
ln_PER -.757
.060 -.738
.764 1.309
ln_PBV .730
.070 .562
.887 1.127
a. Dependent Variable: ln_DER
Sumber: hasil olah data SPSS, 2015
Universitas Sumatera Utara
Berdasarkan data olahan pada tabel 4.9, maka dapat dilihat bahwa semua variabel independen memiliki nilai VIF 10 dan nilai tolerance
0,1. Hasil penelitian ini menunjukkan seluruh variabel terbebas dari gejala multikolonieritas.
4.1.4.3. Uji Heterokedastisitas Hipotesis Kedua
Gambar 4.9 Grafik
Scatterplot Hipotesis Kedua
Sumber: hasil olah data SPSS, 2015 Grafik Scatterplot diatas terlihat bahwa titik-titik menyebar secara
acak dan tidak membentuk suatu pola tertentu yang jelas. Titik-titik tersebut tersebar baik diatas maupun dibawah angka 0 pada sumbu Y
yang menunjukkan tidak terjadinya gejala heteroskedastisitas.
Universitas Sumatera Utara
4.1.4.4. Uji Autokorelasi Hipotesis Kedua
Tabel 4.10 Hasil Uji Autokorelasi Hipotesis Kedua
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-
Watson 1
.849
a
.720 .712
.44718 1.934
a. Predictors: Constant, ln_PBV, ln_NPM, ln_PER b. Dependent Variable: ln_DER
Sumber: hasil olah data SPSS, 2015 Hasil uji autokorelasi pada hipotesis kedua adalah nilai Durbin-
Watson adalah sebesar 1,934 dengan sampel sebanyak 111 sampel dan 3 tiga variabel bebas maka nilai batas bawah DL sebesar 1,626, nilai
batas atas DU sebesar 1,746, dan nilai 4-DU sebesar 2,254. Maka akan tampak bahwa DU DW 4-DU atau 1,7461,9342,254 yang berarti
tidak terjadi autokorelasi baik positif maupun negatif.
4.2. Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi linear berganda. Untuk menguji apakah hipotesis yang diajukan di terima atau di tolak
digunakan uji t t-test dan uji F F-test.
4.2.1. Pengujian Hipotesis Pertama H
1
4.2.1.1. Persamaan Regresi Model Pertama
Dalam pengolahan data dengan menggunakan regresi linier berganda akan dilakukan beberapa tahapan untuk mencari hubungan
antara variabel independen dan variabel dependen.
Universitas Sumatera Utara
Tabel 4.11 Hasil Analisis Regresi Hipotesis Pertama
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
6.265 .495
12.659 .000
ln_NPM .176
.100 .148
1.750 .083
ln_PER -.281
.117 -.212
-2.410 .018
ln_PBV .976
.137 .582
7.120 .000
a. Dependent Variable: ln_HS
Sumber: hasil olah data SPSS, 2015 Informasi yang ditampilkan pada tabel 4.11 adalah persamaan
regresi berganda antara variabel independen X terhadap variabel dependen Y yang dapat diformulasikan dalam bentuk persamaan
berikut ini. Y= 6,265+0,176X
1
-0,281X
2
+0,976X
3
+e Keterangan:
Y = Harga Saham 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 = Koefisien error
Penjelasan dari persamaan regresi berganda tersebut dapat dijabarkan sebagai berikut:
1. Konstanta α sebesar 6,265 menunjukkan bahwa apabila
Profitabilitas Net Profit Margin dan Nilai Pasar Price Earning
Universitas Sumatera Utara
Ratio dan Price to Book Value diasumsikan tetap atau sama dengan 0, maka harga saham adalah 6,265.
2. Koefisien Profitabilitas Net Profit Margin sebesar 0,176 menunjukkan bahwa setiap kenaikan satu satuan variabel NPM
menyebabkan harga saham meningkat sebesar 0,176 dengan asumsi variabel lainnya tetap atau sama dengan nol.
3. Koefisien Nilai Pasar Price Earning Ratio sebesar -0,281 menunjukkan bahwa setiap kenaikan satu variabel PER menyebabkan
harga saham menurun sebesar 0,281 dengan asumsi variabel lainnya tetap atau sama dengan nol.
4. Koefisien Nilai Pasar Price to Book Value sebesar 0,976 menunjukkan bahwa setiap kenaikan satu satuan variabel PBV
menyebabkan harga saham meningkat sebesar 0,976 dengan asumsi variabel lainnya tetap atau sama dengan nol.
4.2.1.2. Koefisien Determinasi
Uji Koefisien Determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel
dependen.
Tabel 4.12 Uji Koefisien Determinasi R
2
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate 1
.605
a
.366 .348
.86953 a. Predictors: Constant, ln_PBV, ln_NPM, ln_PER
b. Dependent Variable: ln_HS
Sumber: hasil olah data SPSS, 2015
Universitas Sumatera Utara
Hasil uji koefisien determinasi pada tabel 4.12 menunjukkan nilai R sebesar 0,605 yang berarti korelasi atau hubungan antara variabel
dependen dengan variabel-variabel dependen dengan variabel-variabel independen cukup kuat karena lebih besar dari 0,5 50. Sementara
nilai Adjusted R
2
adalah 0,348. Hal ini berarti bahwa persentase pengaruh variabel independen terhadap harga saham sebesar 34,8 sedangkan
sisanya yaitu 65,2 adalah pengaruh lain yang tidak dijelaskan dalam penelitian ini.
4.2.1.3.Uji Signifikan Simultan Uji F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai
pengaruh secara bersama-sama terhadap variabel dependenterikat.
Tabel 4.13 Uji Signifikan Simultan Uji F
ANOVA
a
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
46.685 3
15.562 20.582
.000
b
Residual 80.901
107 .756
Total 127.585
110 a. Dependent Variable: ln_HS
b. Predictors: Constant, ln_PBV, ln_NPM, ln_PER
Sumber: hasil olah data SPSS, 2015 Didapatkan angka F hitung 20,582 F tabel 2,690 dan nilai
signifikansi 0,00 0,05, maka Ha yang diajukan dapat diterima, artinya Profitabilitas Net Profit Margin dan Nilai Pasar Price Earning Ratio,
dan Price to Book Value berpengaruh signifikan secara simultan terhadap harga saham.
Universitas Sumatera Utara
4.2.1.4.Uji Signifikan Parsial Uji-t
Uji statistik t menunjukkan seberapa besar pengaruh satu variabel independen secara parsial dalam menerangkan variasi variabel dependen.
Tabel 4.14 Uji Signifikan Parsial Uji-t
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
6.265 .495
12.659 .000
ln_NPM .176
.100 .148
1.750 .083
ln_PER -.281
.117 -.212
-2.410 .018
ln_PBV .976
.137 .582
7.120 .000
a. Dependent Variable: ln_HS
Sumber: hasil olah data SPSS, 2015 T tabel dalam penelitian ini adalah sebesar 1,982. Dari hasil Uji
Signifikan Parsial t di atas dapat dijelaskan pengaruh variabel independen secara parsial, yaitu:
1. Variabel Profitabilitas Net Profit Margin mempunyai nilai t-hitung sebesar 1,750 dan nilai t-tabel sebesar 1,982 sehingga t-hitung t-
tabel 1,750 1,982 dan memiliki nilai signifikan 0,083 0.050 Hal ini berarti Profitabilitas Net Profit Margin secara parsial tidak
berpengaruh terhadap harga saham. 2. Variabel Nilai Pasar Price Earning Ratio mempunyai nilai t-hitung
sebesar -2,410 dan nilai t-tabel sebesar 1,982 sehingga t-hitung t- tabel 2,410 1,982 dan memiliki nilai signifikan 0,018 0.050 Hal
Universitas Sumatera Utara
ini berarti variabel Nilai Pasar Price Earning Ratio secara parsial berpengaruh terhadap harga saham.
3. Variabel Nilai Pasar Price to Book Value mempunyai nilai t-hitung sebesar 7,120 dan nilai t-tabel sebesar 1,982 sehingga t-hitung t-
tabel 7,120 1,982 dan memiliki nilai signifikan 0,000 0.050 Hal ini berarti variabel Nilai Pasar Price to Book Value secara parsial
berpengaruh terhadap harga saham.
4.2.2. Pengujian Hipotesis Kedua H
2
Pengujian hipotesis kedua menggunakan Uji Residual untuk melihat pengaruh Struktur Modal Debt to Equity Ratio sebagai variabel
pemoderasi dalam hubungan variabel independen dengan variabel dependen. Hasil persamaan uji residual dalam penelitian ini dapat dilihat
pada tabel 4.15.
Tabel 4.15 Hasil Pengujian Pengaruh Profitabilitas dan Nilai Pasar terhadap Struktur Modal
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
3.548 .255
ln_NPM -.685
.052 -.744
.832 1.202
ln_PER -.757
.060 -.738
.764 1.309
ln_PBV .730
.070 .562
.887 1.127
a. Dependent Variable: ln_DER
Sumber: hasil olah data SPSS, 2015 Model a yang dapat dikembangkan dari hasil penelitian hipotesis
kedua adalah:
Universitas Sumatera Utara
Z= 3,548 – 0,685X
1
– 0,757X
2
+ 0,730X
3
+ e Keterangan:
Z = Struktur Modal diproksikan dengan Debt to Equity Rati 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 = Koefisien error
Model a untuk hipotesis kedua bertujuan untuk mendapatkan nilai residual dari variabel pemoderasi. Nilai residual dari model a
digunakan sebagai variabel dependen pada model b. Dari hasil uji model b akan diperoleh kesimpulan apakah struktur modal bisa dikatakan sebagai
variabel pemoderasi atau tidak. Sebuah variabel dikatakan sebagai variabel pemoderasi jika memiliki nilai koefisien yang negatif dan berpengaruh
signifikan. Hasil pengujian model b dapat dilihat pada tabel 4.16 berikut ini.
Tabel 4.16 Hasil Uji Residual
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
.124 .154
.807 .421
ln_HS .035
.024 .139
1.466 .146
a. Dependent Variable: Abs_Res2
Sumber: hasil olah data SPSS, 2015 Dari tabel 4.16 tersebut, maka model uji residual dapat diformulasikan
dalam bentuk persamaan sebagai berikut:
Universitas Sumatera Utara
|e| = 0,124 + 0,035 ln_HS + e Berdasarkan hasil uji statistik yang dilakukan diketahui bahwa nilai
ln_HS sebesar 0,035 dan nilai signifikansi sebesar 0,146 0,05. Sebuah variabel dikatakan variabel pemoderasi jika memiliki koefisien negatif dan
berpengaruh signifikan. Sehingga, dapat disimpulkan bahwa struktur modal Debt to Equity Ratio bukan merupakan variabel pemoderasi yang dapat
memoderasi hubungan antara profitabilitas diproksikan dengan Net Profit Margin dan nilai pasar diproksikan dengan Price Earning Ratio dan Price
to Book Value terhadap harga saham.
4.3. Pembahasan Hasil Penelitian
Hasil uji statistik F yang dilakukan, diketahui bahwa nilai F adalah sebesar 20,582 dengan tingkat signifikansi 0,00 yang lebih kecil dari 0,05. Berdasarkan
hasil ini juga dapat disimpulkan bahwa Profitabilitas diproksikan dengan Net Profit Margin dan Nilai Pasar diproksikan dengan Price Earning Ratio dan
Price to Book Value secara simultan berpengaruh signifikan terhadap harga saham pada perusahaan property, real estate dan building construction yang
terdaftar di BEI tahun 2011-2013. a.
Pengaruh Profitabilitas diproksikan dengan Net Profit Margin dan Nilai Pasar diproksikan dengan Price Earning Ratio dan Price to Book Value
terhadap Harga Saham Hasil pengujian variabel Net Profit Margin terhadap harga saham
menggunakan uji t, diperoleh nilai t-hitung= 1,750 t-tabel 1,982 dengan nilai
Universitas Sumatera Utara
signifikansi 0,083 0.050. Hal ini menunjukkan bahwa variabel Net Profit Margin secara parsial berpengaruh positif dan tidak signifikan terhadap harga
saham. Hasil pengujian mendukung hasil temuan penelitian yang dilakukan Wulandari 2012 yang menjelaskan bahwa Net Profit Margin berpengaruh tidak
signifikan, namun terdapat perbedaan dimana variabel tersebut berpengaruh negatif tidak signifikan terhadap harga saham. Pengaruh NPM tidak signifikan
terhadap harga saham kemungkinan terjadi karena para investor lebih memperhatikan variabel lain seperti EPS dalam membuat keputusan untuk
berinvestasi di pasar modal, sehingga investor kurang mempertimbangkan variabel NPM dalam mengambil keputusan investasinya.
Hasil pengujian variabel Price Earning Ratio terhadap harga saham menggunakan uji t, diperoleh nilai t-hitung= -2,410 t-tabel -1,982 dengan nilai
signifikansi 0,018 0.050. Hal ini menunjukkan bahwa variabel Price Earning Ratio secara parsial berpengaruh negatif dan signifikan terhadap harga saham.
Semakin kecil rasio PER akan semakin baik karena tingkat pengembalian investasi saham akan semakin cepat, sehingga dapat menarik perhatian investor
untuk membeli saham tersebut. Penelitian ini sejalan dengan penelitian yang dilakukan oleh Pranggana dan Winarno 2012 serta Willianove 2013 yang
menyatakan bahwa PER berpengaruh secara signifikan terhadap harga saham. Hasil pengujian variabel Price to Book Value terhadap harga saham
menggunakan uji t, diperoleh nilai t-hitung = 7,120 t-tabel 1,982 dengan nilai signifikansi 0,000 0.050 Hal ini menunjukkan bahwa variabel Price to Book
Value secara parsial berpengaruh positif dan signifikan terhadap harga saham. Hal
Universitas Sumatera Utara
ini dikarenakan bahwa rasio PBV perusahaan property, real estate dan building construction masih rendah dengan rata-rata 1,6x menunjukkan bahwa harga
saham masih relatif murah. Walaupun rasio PBV masih rendah, jika perusahaan memiliki kinerja yang baik, harga saham masih berpotensi untuk naik. Penelitian
ini sejalan dengan penelitian yang dilakukan oleh Chandra 2013 yang menyatakan bahwa variabel PBV berpengaruh signifikan terhadap harga saham.
b. Pengaruh Struktur Modal diproksikan dengan Debt to Equity Ratio sebagai
variabel pemoderasi dalam memoderasi hubungan antara profitabilitas dan nilai pasar
Hasil Uji Residual menunjukkan bahwa nilai koefisien parameter yang dimiliki struktur modal adalah positif dan tidak signifikan. Hal ini menunjukkan
bahwa struktur modal bukan merupakan variabel pemoderasi yang mampu memoderasi hubungan antara Profitabilitas diproksikan dengan Net Profit
Margin dan Nilai Pasar diproksikan dengan Price Earning Ratio dan Price to Book Value terhadap harga saham perusahaan property, real estate, dan building
construction yang terdaftar di Bursa Efek Indonesia tahun 2011-2013. Hasil penelitian ini mengidentifikasikan bahwa sebagian besar investor saham tidak
begitu memperhatikan nilai Debt to Equity Ratio. Hal ini disebabkan secara umum yang mempengaruhi keputusan investor untuk membeli saham adalah berkaitan
dengan aspek fundamental dari perusahaan yang memasuki pasar modal seperti laba yang diperoleh perusahaan.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan