1 10
mempunyai beta kurang dari 1 β 1 yaitu saham PT. Darya - Varia Tbk
dan PT. Merck. Tbk Hasil perhitungan beta pada tahun 2006 menunjukkan bahwa
terdapat 3 perusahaan farmasi yang memiliki beta saham lebih dari satu β
1, yakni PT. Darya - Varia , Tbk. PT. Merck. Tbk, PT. Pyridam Farma Tbk. Sedangkan Saham yang mempunyai beta kurang dari 1
β 1 terdapat pada PT. Indofarma Tbk, PT. Kimia Farma. Tbk, PT. Kalbe
Farma. Tbk, PT. Tempo Scan Pacifik Tbk. Dan Perhitungan beta pada tahun 2007 menunjukkan bahwa
terdapat 1 perusahaan farmasi yang memiliki beta saham lebih dari satu β
1, yakni PT. Kalbe Farma. Tbk. Sedangkan Saham yang mempunyai beta kurang dari 1
β 1 terdapat pada PT. Darya Varia Tbk, PT. Indofarma Tbk, PT. Kimia Farma. Tbk, PT. Merck. Tbk, PT. Pyridam
Farma Tbk PT. Tempo Scan Pacifik Tbk.
4.3. Uji Normalitas
Pengujian normalitas dilakukan untuk mengetahui apakah data variabel penelitian mengikuti sebaran normal atau tidak. Pengujian
normalitas menggunakan uji Kolmogrov Sminorv. Apabila uji Kolmogrov Sminorv menghasilkan nilai signifikansi lebih besar dari 0,05 £ = 5,
maka distribusi data adalah normal Sumarsono, 2004:43. Hasil pengujian normalitas menggunakan uji Kolmogrov Sminorv
memperoleh nilai signifikansi sebagai berikut :
1 10
Tabel 6 : Hasil Uji Normalitas
Variabel Penelitian Nilai signifikansi Kolmogrov
Sminorv Keterangan
Harga Saham Y 0,071
Normal DER X1
0,010 Tidak Normal
Resiko Sistematis X2 0,236
Normal Sumber : Lampiran 9
Berdasarkan tabel 6 dapat diketahui bahwa nilai signifikansi uji Kolmogrov Sminorv dari ketiga variable penelitian terdapat satu variable
yang memiliki nilai signifikansi kurang dari 0,05, sehingga data tersebut menjadi tidak normal. Maka cara memperbaiki normalitas adalah dengan
melakukan transformasi data. Hasil uji Normalitas dengan uji statistic Kolmogrov Sminorv, sebagai berikut :
Tabel 7 : Uji Normalitas
Variabel Penelitian Nilai signifikansi
Kolmogrov Sminorv Keterangan
Harga Saham Y 0,733
Normal DER X1
0,304 Normal
Resiko Sistematis X2 0,707
Normal Sumber : Lampiran 10
Berdasarkan tabel 7 dapat diketahui bahwa nilai signifikansi uji Kolmogrov Sminorv dari ketiga variabel penelitian lebih besar dari 0,05,
maka dapat disimpulkan data variabel penelitian berdistribusi normal, sehingga asumsi normalitas terpenuhi.
4.4. Analisis dan Pengujian Hipotesis 4.4.1. Uji
Asumsi Klasik
1 10
4.4.1.1. Autokorelasi
Pada penelitian yang menggunakan data urut waktu, kemungkinan terjadinya autokorelasi relative besar. Untuk menguji
variabel-variabel yang diteliti apakah terjadi autokorelasi atau tidak dapat digunakan uji Durbin Watson yaitu dengan cara membandingkan
nilai Durbin Watson yang dihitung dengan dL dan dU yang ada dalam tabel.
H
o
: Tidak ada autokorelasi d 4 – dL : Menolak H
o
d 4 – dU : tidak menolak H
o
4 – dU ≤ d ≤ 4 - dL : pengujian tidak meyakinkan
Untuk N = 21 dan k = 2, diperoleh nilai dL = 1,13 dan dU = 1,54. nilai DW hitung sebesar 1,958 terletak antara dU = 1,54 dan 4-dU =
2,46 terletak didaerah tidak ada autokorelasi positif dan negative. Dengan demikian dapat disimpulkan bahwa asumsi tidak terjadi
autokorelasi pada model regresi dapat dipenuhi.
4.4.1.2. Multikolinieritas
Identifikasi secara statistic ada atau tidaknya gejala multikolonieritas dapat dilakukan dengan menghitung Variance Inflation
Factor VIF.
1 10
Tabel 8 : Uji Multikolinieritas Variabel Toleransi VIF
Keterangan DER X1
0,908 1,101
Non Multikolinieritas Resiko Sistematis X2
0,908 1,101
Non Multikolinieritas Sumber : Lampiran 10 data diolah
Berdasarkan hasil olahan seperti yang tampak pada tabel 8 diperoleh hasil nilai VIF untuk semua variabel bebas. Apabila nilai VIF
10, maka tidak terjadi multikolinieritas Gujarati, 2003:362.
4.4.1.3. Heterokedasitas
Pada regresi linier nilai residual tidak boleh ada hubungan dengan variabel X. Hal ini bisa diidentifikasi dengan cara menghitung
korelasi Rank Spearman antara residual dengan seluruh variabel bebas. Hasil perhitungan adalah sebagai berikut :
Tabel 9 : Uji Heterokedasitas
Residual X1
X2 Spearmanrho Residual
Correlation Coeffient 1,000
0,552 0,136 sig.
2-tailed .
0,005 0,278
N 21
21 21
X1 Correlation
Coeffient 0,552
1,000 -0,089
sig. 2-tailed
0,005 .
0,350 N
21 21
21 X2
Correlation Coeffient 0,136
-0,089 1,000 sig.
2-tailed 0,278
0,350 .
N 21
21 21
Sumber : Lampiran 9 Korelasi Rank Spearman untuk DER X1 sebesar 0,552 dengan nilai
probabilitas kesalahan 0,005 0,5 kurang dari 5 yang berarti ada hubungan antara nilai residu dengan variabel DER. Sedangkan, Korelasi
Rang Spearman untuk Resiko sistematis X2 sebesar 0,136 dengan nilai
1 10
probabilitas kesalahan 0,278 27,8 lebih besar dari 5 yang berarti tidak ada hubungan antara nilai residu dengan variabel Resiko
Sistematis. Pada hasil Uji Heterokedasitas pada nilai residual variabel bebas penelitian menunjukkan adanya Heterokedasitas pada variabel
penelitian. Dengan demikian asumsi tidak terjadi Heterokedasitas pada model regresi tidak dapat dipenuhi. Cara untuk memperbaiki model jika
terjadi Heterokedasitas adalah, sebagai berikut : 1.
Melakukan transformasi dalam bentuk model regresi dengan membagi model regresi dengan satu variabel independent yang
digunakan pada model. 2.
Melakukan transformasi logaritma sehingga model persamaan regresi menjadi :
Log Y =
b
+
b
1
Log X1 +
b
2
Log X2 +
b
3
Log X3 Setelah kami menemukan kesalahan atau tidak sesuai dengan
persyaratan, maka kami melakukan revisi atau perbaikan adapun hasil olahan data terlihat pada tabel berikut:
Tabel 10 : Uji Heterokedasitas dengan Korelasi Rank Spearman
Residual X1
X2 Spearmanrho Residual
Correlation Coeffient 1,000
0,18 0,119 sig.
2-tailed .
0,472 0,320
N 18
18 18
X1 Correlation
Coeffient 0,018
1,000 0,141
sig. 2-tailed
0,472 .
0,289 N
18 21
18 X2
Correlation Coeffient
0,119 0,141
1,000 sig.
2-tailed 0,320
0,289 .
N 18
18 18
Sumber :Lampiran 10 data diolah.
1 10
Berdasarkan tabel 10 dapat dilihat korelasi rank spearman untuk DER X1 sebesar 0,018 dengan nilai probabilitas kesalahan
0,47247,2 lebih besar dari 5 yang berarti tidak ada bubungan antara nilai residu dengan variabel DER. Korelasi rank spearman untuk
Resiko Sistematis X2 sebesar 0,119 dengan nilai probabillitas kesalahan 0,320 32 lebih besar dari 5 yang berarti tidak ada
hubungan antara nilai residu dengan variabel Resiko Sistematis. Sehingga asumsi tidak terjadi Heterokedasitas pada model regresi dapat
dipenuhi.
4.4.2. Teknik Analisis
Berdasarkan teknik analisis yang dilakukan yaitu analisis kuantitatif, maka data yang telah dikumpulkan perlu dianalisis dengan
melakukan perhitungan. Analisis ini dilakukan untuk mengetahui pengaruh variabel Debt to Equity Ratio dan Resiko Sistematis terhadap
perubahan Harga Saham. Dalam analisis ini digunakan model analisis statistic regresi linier
berganda dan untuk pengolahan datanya menggunakan alat Bantu computer dengan program SPSS . Adapun hasil olahan data terlihat pada
tabel berikut ini :
1 10
Tabel 11 : Hasil Regresi Linier Berganda
Variabel Bebas Unstandardized Coefficients
t - Sta Sig t
B Std
Error Debt To Equity Ratio
1,547 1,321
1,171 0,260
Resiko Sistematis -1,598
0,769 -
2,079 0,055
Konstanta 2,248 0,653
3,443 0,004
Multiple R = 0,486 R Square = 0,236
Adj R Square = 0,135 Sig F = 0,132ª
F Statistik = 2,321 D.W Statistik = 1,958
Sumber : Lampiran 11data diolah.
Dari tabel 11 dapat ditentukan persamaan regresinya sebagai berikut : Y = 2,248 + 1,547X1 – 1,598X2 + e
Dari persamaan tersebut diatas dapat dijelaskan sebagai berikut : Konstanta = 2,248
Nilai konstanta sebesar 2,248 menunjukkan apabila variabel X
1
dan X
2
sebesar nol atau konstan, maka besarnya nilai Harga Saham adalah sebesar 2,248.
Koefisien Regresi b1 = 1,547 Besarnya nilai b1 hasil olah regresi sebesar nilai b1 1,547 yang
positif menunjukkan adanya hubungan yang searah antara perubahan Harga Saham Y dengan Debt to Equity Ratio X
1
yang artinya jika variabel Debt to Equity Ratio X
1
naik sebesar 1 satuan maka besarnya nilai Harga Saham Y akan naik sebesar 1,547 dengan asumsi bahwa
variabel bebas lainnya konstan. Koefisien Regresi b2 = – 1,598
1 10
Besarnya nilai b2 hasil olah regresi sebesar –1,598 nilai b2 yang negatif menunjukkan adanya hubungan yang berlawanan antara perubahan
Harga Saham Y dengan Resiko Sistematis X
1
yang artinya jika variabel Resiko Sistematis X
1
naik sebesar 1 satuan maka besarnya nilai Harga Saham Y akan turun sebesar 1,598 dengan asumsi bahwa variabel bebas
lainnya konstan. Dari hasil pengujian juga diperoleh nilai koefisien korelasi R
sebesar 0,486. Hal ini menunjukkan terdapat hubungan positif antara Debt to Equity Ratio X
1
dan Resiko sistematis X
2
terhadap Harga Saham Y, Dan menunjukkan korelasi atau hubungan yang rendah antara Debt
To Equity Ratio X
1
dan Resiko Sistematis X
2
terhadap Harga Saham Y. Diketahui juga nilai koefisien determinasi R
2
sebesar 0,236. Hal ini menunjukkan bahwa perubahan yang terjadi pada Harga Saham sebesar
23,6 dapat dijelaskan oleh variabel Debt To Equity Ratio X
1
dan Resiko Sistematis X
2
. Sedangkan sisanya 72,4 dijelaskan oleh variabel lain yang tidak ikut diteliti dalam penelitian ini.
Selanjutnya untuk mengetahui seberapa besar tingkat pengaruh variabel–variabel bebas secara bersama-sama, maka digunakan uji F F
test yaitu dengan cara membandingkan nilai F
hitung
dengan nilai F
tabel
sedangkan untuk mengetahui seberapa besar tingkat pengaruh variabel – variabel bebas secara parsial maka digunakan uji t t test yaitu dengan
nilai t tabel. Adapun penjelasan dari masing –masing uji tersebut adalah sebagai berikut.
1 10
4.4.3. Uji Hipotesis
4.4.3.1. Uji F
Uji F digunakan untuk mengetahui kesesuaian model analisis variabel bebas terhadap variabel terikat, berdasarkan hasil olahan SPSS,
diperoleh hasil sebagai berikut : Tabel 12 : Anova
Model Sum Of Square
df Mean Square
F Sig
1. Regression 3,839
2 1,919
2,321 0,132ª
Residual 12,404
15 0,827
Total 16,243
17
a. Predictors : Constant, Resiko Sistematis Tr_X2, Debt to Equity Ratio Tr_X1
b. Dependent Variabel : Harga Saham Tr_Y Sumber : Lampiran 11data diolah
Berdasarkan pada tabel 12 dapat diketahui besarnya nilai F
hitung
2,321 ≤ F
tabel
3,52 maka H
o
diterima, yang berarti model analisis tidak cocok untuk menguji Debt To Equity Ratio dan Resiko Sistematis
terhadap Harga Saham Y.
4.4.3.2. Uji
t
Uji t digunkan untuk mengukur pengaruh tingkat signifikan atau keberartiannya variable bebas terhadap variable terikat secara parsial.
1. Pengujian Debt To Equity Ratio X
1
secara masing-masing terhadap Harga Saham.
Dari perhitungan didapat t
hitung
sebesar 1,171Lampiran 10, karena t
hitung
≤ t
tabel
2,101, dimana t
hitung
masuk di daereh penerimaan H
o,
maka H
o
diterima dan demikian H
a
ditolak pada level
1 11
signifikan 5 . Sehingga secara parsial Debt To Equity Ratio X
1
tidak berpengaruh signifikan terhadap Harga Saham Y. Sedangkan untuk mengetahui besarnya sumbangan yang
diberikan variabel Debt To Equity Ratio X
1
terhadap Harga Saham Y dapat dilihat pada parsial r
2
yaitu sebesar 1,547 yang berarti bahwa variabel Debt To Equity Ratio X
1
mampu menjelaskan variabel Harga Saham Y sebesar 1,547 atau sebesar 15,47 .
2. Pengujian Resiko Sistematis X
2
secara masing-masing terhadap Harga Saham.
Dari perhitungan diatas didapat t
hitung
sebesar – 2,079 Lampiran 10, karena t
hitung
≤ t tabel 2,101 dimana t
hitung
masuk di daerah penerimaan H
o
, maka H
o
diterima dan demikian H
a
ditolak pada level signifikan 5 . Sehingga secara parsial Resiko Sistematis
X
2
tidak berpengaruh signifikan terhadap Harga Saham Y. Sedangkan untuk mengetahui besarnya sumbangan yang
diberikan variabel Resiko Sistematis X
2
terhadap Harga Saham Y dapat dilihat pada parsial r
2
yaitu sebesar -1,598 yang berarti bahwa variabel Debt To Equity Ratio X
1
mampu menjelaskan variabel Harga Saham Y sebesar 1,598 atau sebesar 15,98 .
4.5 Pembahasan