Jenis dan Sumber Data Metode Pengumpulan Data Pembahasan Hasil Penelitian

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