Deskripsi Objek Penelitian

A. Deskripsi Objek Penelitian

  Dalam penelitian ini ditekankan pada pengujian pengaruh antara Earnings per Share dan Dividend per Share terhadap Harga Saham. Objek penelitian yang digunakan dalam penelitian ini adalah Perusahaan Pertambangan yang terdaftar di Bursa efek Indonesia selama periode penelitian. Peneliti menggunakan metode purposive sampling untuk mendapatkan sample yang sesuai dengan kriteria penelitian, maka terpilihlah 8 perusahaan yang memenuhi kriteria dan dijadikan sample pada penelitian ini. Data yang digunakan dalam penelitian ini diambil dari Laporan Keuangan Tahunan yang menjadi sample penelitian, khususnya pada Laporan Perhitungan Rasio Keuangan. Kemudian perlu ditambahkan dalam penelitian ini ditentukan periode pengamatan 3 tahun dari tahun 2014 – 2016. Dengan demikian sample penelitian ditentukan sebanyak 8 sample.

  Setelah mengetahui perusahaan yang dijadikan sample pada penelitian ini, maka melalui laporan keuangan yang diperoleh, peneliti akan menghitung Earning per Share, Dividend per Share dan Harga saham tiap perusahaan yang dijadikan sample. Selanjutnya, diuji menggunakan uji normalitas dan dianalisa menggunakan uji analisis regresi berganda. Alat yang digunakan dalam penelitian ini adalah Eviews

  8. Keseluruhan proses ini digunakan untuk menjawab rumusan masalah yang telah ada dan pembuktian hipotesis yang terdapat dalam penelitian ini.

  Tabel 4.1 Sampel Penelitian

  No.

  Perusahaan

  Kode Perusahaan

  1. Adaro Energy Tbk.

  ADRO

  2. Baramulti Suksessarana Tbk

  BSSR

  3. Golden Energy Mines Tbk

  GEMS

  4. Indo Tambangraya Megah Tbk

  ITMG

  5. Resources Alam Indonesia Tbk

  KKGI

  6. Samindo Resources Tbk

  MYOH

  7. Tambang Batubara Bukit Asam (Persero) Tbk PTBA

  8. Toba Bara Sejahtera Tbk

  TOBA

  Sumber : www.idx.co.id

B. Analisis dan Pembahasan

1. Statistik Deskriptif

  Berdasarkan data yang diperoleh penulis menggunakan uji statistik deskriptif yang berfungsi untuk mendeskriptifkan atau memberi gambaran terhadap objek yang diteliti dan melalui data sampel Berdasarkan data yang diperoleh penulis menggunakan uji statistik deskriptif yang berfungsi untuk mendeskriptifkan atau memberi gambaran terhadap objek yang diteliti dan melalui data sampel

  Tabel 4.2 Statistik Deskriptif

  Harga Saham

  Std. Dev.

  Sumber : Data sekunder diolah dengan Eviews 8

  Hasil Penelitian dari statistik di atas menjelaskan bahwa:

  a. Berdasarkan pengolahan data yang dilakukan oleh peneliti dapat diartikan bahwa sampel yang di teliti berjumlah 24, nilai rata-rata Earnings per Share 314.1271 dengan nilai terendah 5.030000.

  sedangkan nilai tertinggi sebesar 2203.610 dengan standar deviasi

  sebesar 498.7248.

  b. Berdasarkan pengolahan data yang dilakukan oleh peneliti dapat diartikan bahwa sampel yang di teliti berjumlah 24, nilai rata-rata Dividen per Share 158.1354 dengan nilai terendah 0.000000. sedangkan nilai tertinggi sebesar 1745.000 dengan standar deviasi

  sebesar 389.4596 sebesar 389.4596

  sedangkan nilai tertinggi sebesar 16875.00 dengan standar deviasi

  sebesar 5074.002.

  d. Nilai Skewness pada Earning per share, dividend per share, dan

  harga saham tidak simetris atau data tidak berdistribusi normal.

2. Uji Normalitas Data

  Harga Saham

  Std. Dev.

  Sumber : eviews 8.0 Hasil Penelitian dari statistik di atas menjelaskan bahwa:

  a. Nilai Jarque-Bera dari variabel EPS yaitu 69.87009, nilai probability 0.000000 < 0.05.

  b. Nilai Jarque-Bera dari variabel DPS yaitu 138.6476, nilai probability 0.000000 < 0.05.

  c. Nilai Jarque-Bera dari variabel Harga saham yaitu 12.85953, nilai probability 0.001613 < 0.05.

  Karena nilai probability EPS, DPS, Harga saham < 0.05, maka data tidak berdistribusi normal. Oleh karena itu, data ditransformasikan dengan LN (Log natural).

3. Analisis Regresi Data Panel

  Model regresi linear berganda dalam penelitian ini dilakukan dengan menggunakan alat analisis yaitu Eviews 8. Penelitian ini menggunakan data panel. Data panel merupakan data gabungan dari data cross section dan data time series (Widarjono, 2013). Regresi dengan data panel diharuskan memilih beberapa model pendekatan yang paling tepat untuk mengestimasi data panel yaitu pendekatan model Common Effect, Fixed Effect, dan Random Effect. Penjelasannya adalah sebagai berikut (Widarjono, 2013).

a. Penentuan model estimasi data panel

1) Common effect model

  Model common effect merupakan model sederhana yaitu menggabungkan seluruh data time series dengan cross section, selanjutnya dilakukan estimasi model dengan menggunakan dengan menggunakan OLS (Ordinary Least Square). Model ini menganggap bahwa intersep dan slop dari setiap variabel untuk setiap objek observasi. Kelemahan model ini adalah ketidaksesuaian model dengan kenyataannya. Kondisi setiap objek berbeda dan kondisi suatu objek dan satu waktu dengan waktu lain dapat berbeda.

  Tabel 4.3

Common effect model

  Dependent Variable: LNY Method: Panel Least Squares Date: 080817 Time: 21:09 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8 Total panel (balanced) observations: 24

  Variable

  Coefficient

  Std. Error

  t-Statistic Prob.

  0.436770 Mean dependent var

  Adjusted R-squared

  0.383129 S.D. dependent var

  S.E. of regression

  0.900883 Akaike info criterion

  Sum squared resid

  17.04338 Schwarz criterion

  Log likelihood

  -29.94702 Hannan-Quinn criter.

  F-statistic

  8.142463 Durbin-Watson stat

  Prob(F-statistic)

  Sumber :Output Eviews Versi 8

  Berdasarkan tabel 4.3 model regresi linear berganda untuk model commond effect :

  LNY = 5.73390407934 + 0.296398758113LNX1 + 0.151100588799LNX2

2) Fixed effect model

  Salah satu kesulitan prosedur data panel adalah bahwa setiap intersep dan slop yang konsisten sulit terpenuhi. Untuk mengatasi hal tersebut, yang dilakukan dalam data panel adalah memasukkan variabel boneka (dummy variable). Pendekatan dengan memasukkan variabel boneka ini biasa disebut fixed effect atau least square dummy variable (LSDV).

  Tabel 4.4 Fixed Effect Model

  Dependent Variable: LNHARGA_SAHAM Method: Panel Least Squares Date: 072117 Time: 01:34 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8 Total panel (balanced) observations: 24

  Variable

  Coefficient

  Std. Error

  t-Statistic Prob.

  Effects Specification

  Cross-section fixed (dummy variables) R-squared

  0.780625 Mean dependent var

  Adjusted R-squared

  0.696740 S.D. dependent var

  S.E. of regression

  0.463458 Akaike info criterion

  Sum squared resid

  3.007105 Schwarz criterion

  Log likelihood

  -9.129615 Hannan-Quinn criter.

  F-statistic

  14.09777 Durbin-Watson stat

  Prob(F-statistic)

  Sumber : Output Eviews Versi 8

  Berdasarkan tabel 4.4 model regresi linear berganda untuk model fixed effect : LNY

3) Random effect model

  Random effect model (REM) digunakan untuk mengatasi kelemahan model efek tetap yang menggunakan dummy variable. Penggunaan dummy variabel akan mengurangi derajat bebas (degree of freedom) yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi.

  Tabel 4.5 Random Effect Model

  Dependent Variable: LNY

  Method: Panel EGLS (Cross-section random effects) Date: 080817 Time: 21:18 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8 Total panel (balanced) observations: 24 Swamy and Arora estimator of component variances

  Variable

  Coefficient

  Std. Error

  e Effects Specification

  Cross-section random 0.682247

  Idiosyncratic random :

  Weighted Statistics

  u

  Adjusted R-squared t

  R-squared

  0.106497 Mean dependent var

  0.021402 S.D. dependent var

  S.E. of regression p

  0.548109 Sum squared resid

  F-statistic u

  1.251505 Durbin-Watson stat

  Prob(F-statistic) t

  0.306553 Unweighted Statistics

  E R-squared v

  0.221056 Mean dependent var

  Sum squared resid i

  23.57090 Durbin-Watson stat

  e ws Versi 8

  Berdasarkan tabel 4.5 model regresi linear berganda untuk model random effect : LNY

b. Pemilihan Teknik Model Estimasi Data Panel

  1) Chow test (Common Effect vs Fixed Effect)

  Uji signifikansi fixed effect (uji F) atau Chow-test adalah untuk mengetahui apakah teknik regresi data panel dengan fixed effect lebih baik dari model regresi data panel tanpa variabel dummy atau OLS. Dalam pengujian ini dilakukan hipotesa sebagai berikut :

  H 0 : Model PLS (Restricted)

  H 1 : Model Fixed Effect (Unrestricted)

  Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan tingkat signifikan cross-section Chi-square. Perbandingan dipakai apabila membandingkan tingkat signifikan

  cross-section Chi-square lebih besar dari 0,05, maka H 1 ditolak

  dan H 0 diterima, yang berarti model yang paling tepat digunakan adalah Commond Effect Model. Begitupun sebaliknya, jika tingkat

  signifikan cross-section Chi-square kecil dari 0,05, maka H 1

  diterima dan H 0 ditolak, yang berarti model yang paling tepat

  digunakan adalah Fixed Effect Model.

  Tabel 4.6 Uji Chow

  Redundant Fixed Effects Tests Equation: LNFIX Test cross-section fixed effects

  Effects Test

  Statistic

  d.f. Prob.

  Cross-section F

  Cross-section Chi-square

  Cross-section fixed effects test equation: Dependent Variable: LNY Method: Panel Least Squares Date: 080817 Time: 21:26 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8 Total panel (balanced) observations: 24

  Variable

  Coefficient

  Std. Error

  t-Statistic Prob.

  0.436770 Mean dependent var

  Adjusted R-squared

  0.383129 S.D. dependent var

  S.E. of regression

  0.900883 Akaike info criterion

  Sum squared resid

  17.04338 Schwarz criterion

  Log likelihood

  -29.94702 Hannan-Quinn criter.

  F-statistic

  8.142463 Durbin-Watson stat

  Prob(F-statistic)

  Sumber : Output Eviews Versi 8

  Berdasarkan Tabel 4.6 tingkat signifikan Cross-Section F sebesar 0.0002 dan Cross Section Chi-Square sebesar 0,0000. Tingkat signifikansi tersebut lebih kecil daripada 0,05 yang berarti H1 diterima H0 di tolak. Hal ini menunjukan bahawa model FEM yang di terima.

  2) Hausman test

  Pengujian ini dilakukan untuk menguji metode yang paling baik digunakan, apakah fixed effect atau random effect. Uji menggunakan indikator statistik Chi hitung yang untuk selanjutnya dibandingkan dengan chi square tabel untuk mengetahui apakah hipotesis null ditolak atau tidak ditolak. Dimana hipotesis null dari uji ini adalah tidak adanya hubungan antara error yang ada dalam model dengan variabel independent. Dalam pengujian ini dilakukan hipotesa sebagai berikut :

  H 0 : Model Random Effect

  H 1 : Model Fixed Effect (Unrestricted)

  Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan

  Perbandingan dipakai apabila membandingkan tingkat signifikan

  cross-section random lebih besar dari 0,05, maka H 1 ditolak dan H 0

  diterima, yang berarti model yang paling tepat digunakan adalah random Effect Model.

  Tabel 4.7 Uji Hausman

  Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects

  B

  Chi-Sq.

  Test Summary

  Statistic

  Chi-Sq. d.f. Prob.

  Cross-section random

  Cross-section random effects test comparisons:

  Var(Diff.) Prob.

  Cross-section random effects test equation: Dependent Variable: LNY Method: Panel Least Squares Date: 080817 Time: 21:28 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8

  Total panel (balanced) observations: 24 e

  r Variable

  Coefficient

  Std. Error

  t-Statistic Prob.

  Effects Specification

  Cross-section fixed (dummy variables) R-squared

  0.900625 Mean dependent var

  Adjusted R-squared

  0.836740 S.D. dependent var

  S.E. of regression

  0.463458 Akaike info criterion

  Sum squared resid

  3.007105 Schwarz criterion

  Log likelihood

  -9.129615 Hannan-Quinn criter.

  F-statistic

  14.09777 Durbin-Watson stat

  Prob(F-statistic)

  Berdasarkan Tabel 4.7 tingkat signifikansi Cross-Setion random sebesar 0.0056. Tingkat signifikansi tersebut lebih kecil Berdasarkan Tabel 4.7 tingkat signifikansi Cross-Setion random sebesar 0.0056. Tingkat signifikansi tersebut lebih kecil

  c. Kesimpulan Pemilihan Teknik Model

  Berdasarkan uji chow, uji hausman model panel yang di pilih adalah Fixed Effect Model. Pertimbangan memilih Fixed dapat dilihat dalam uji chow model fixed yang dipilih, uji hausman model yang dipilih adalah model fixed, sehingga tidak perlu menguji menggunakan uji Lagrange Multiplier . hal ini berarti model fixed yang akan menjadi atau yang akan di pilih dalam data panel.

4. Model Regresi Fixed Effect Model

  Tabel 4.8 Regresi Fixed effect model

  Dependent Variable: LNHARGA_SAHAM Method: Panel Least Squares Date: 072117 Time: 01:34 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8 Total panel (balanced) observations: 24

  Variable

  Coefficient

  Std. Error

  t-Statistic Prob.

  Effects Specification

  Cross-section fixed (dummy variables) R-squared

  0.780625 Mean dependent var

  Adjusted R-squared

  0.696740 S.D. dependent var

  S.E. of regression

  0.463458 Akaike info criterion

  Sum squared resid

  3.007105 Schwarz criterion

  Log likelihood

  -9.129615 Hannan-Quinn criter.

  F-statistic

  14.09777 Durbin-Watson stat

  Prob(F-statistic)

  Sumber : Eviews Versi 8

  Dari nilai-nilai koefisien di atas, persamaan regresi yang dapat disusun untuk variabel EPS dan DPS adalah:

  Y = 7,126463+ 0.136925 X1 - 0.123759 X2

  Adapun interpretasi dari persamaan diatas adalah :

  a. Konstanta sebesar 7.126463, artinya apabila Earnings per share dan

  Dividend per share, tidak ada atau nilainya adalah 0, maka Harga Saham nilainya sebesar 7.126463.

  b. Koefisien regresi variabel Earnings Per Share (Lneps) sebesar

  0.136925, berarti bahwa apabila Earnings Per Share (Lndps) ditingkatkan 1 satuan, sementara variabel independen lainnya tetap maka Harga Saham (Lnharga_saham) akan mengalami penurunan sebesar 0.136925 dan sebaliknya apabila Earnings Per Share (Lneps) diturunkan sebesar 1 satuan, sementara variabel independen lainnya tetap maka Ln Harga Saham (Lnharga_saham) akan mengalami kenaikan sebesar 0.136925. Koefisien bernilai Positif artinya ada hubungan antara Earnings Per Share (Lneps) dengan Harga Saham (Lnharga_saham).

  c. Koefisien regresi variabel Dividen Per Share (Lndps) sebesar - 0.123759, berarti bahwa apabila Dividen Per Share (Lndps) ditingkatkan 1 satuan, sementara variabel independen lainnya tetap maka Harga Saham (Lnharga_saham) akan mengalami penurunan sebesar 0.123759 dan sebaliknya apabila Dividen Per Share (Lndps) diturunkan sebesar 1 satuan, sementara variabel independen lainnya tetap maka Harga Saham (Lnharga_saham) akan mengalami c. Koefisien regresi variabel Dividen Per Share (Lndps) sebesar - 0.123759, berarti bahwa apabila Dividen Per Share (Lndps) ditingkatkan 1 satuan, sementara variabel independen lainnya tetap maka Harga Saham (Lnharga_saham) akan mengalami penurunan sebesar 0.123759 dan sebaliknya apabila Dividen Per Share (Lndps) diturunkan sebesar 1 satuan, sementara variabel independen lainnya tetap maka Harga Saham (Lnharga_saham) akan mengalami

5. Uji Asumsi Klasik

a. Uji Normalitas

  Uji normalitas dilakukan untuk mengetahui apakah dalam model regresi variabel dependen dan variabel independen yang di teliti memiliki distribusi normal atau tidak. Mengantisipasi agar tidak terjadinya bias, data yang digunakan harus terdistribusi dengan normal. Uji statistik yang digunakan dalam menguji normalitas residual dalam penelitian ini adalah uji statistik jarque-bera test. Gambar 2 berikut ini menunjukan hasil Uji Normalitas :

  Series: Standardized Residuals Sample 2014 2016

  Observations 24 Mean

  Std. Dev. 0.361585 Skewness

  Jarque-Bera 1.459493 Probability

  : Output Eviews versi 8

  Gambar 4.2 Uji Normalitas

  Berdasarkan gambar 4.2 nilai Jarque-Bera sebesar 1.459493 lebih kecil nilai χ 2 tabel sebesar 15.50731. Hal ini menunjukan bahwa residualnya berdistribusi normal. Setelah melihat hasil uji Berdasarkan gambar 4.2 nilai Jarque-Bera sebesar 1.459493 lebih kecil nilai χ 2 tabel sebesar 15.50731. Hal ini menunjukan bahwa residualnya berdistribusi normal. Setelah melihat hasil uji

b. Uji Multikolinieritas

  Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi terdapat hubungan linear antar variabel independen. Menurut Widarjono (2013), model regresi yang baik adalah yang tidak terdapat hubungan linear antar variabel independen. Indikasi adanya multikolinearitas dalam sebuah model regresi ditunjukkan dengan adanya nilai koefisien determinasi (R2) yang tinggi tetapi variabel independen banyak yang tidak signifikan.

  Multikolinieritas dapat dideteksi dengan melihat nilai korelasi parsial antar variabel independen, apabila nilai korelasi parsial kurang dari atau sama dengan 0,8 maka tidak ada masalah multikolinearitas, sebaliknya apabila nilai korelasi parsial lebih dari 0,8 maka diduga terdapat masalah multikolinearitas di dalam penelitian (Widarjono, 2013).

  Hasil uji multikolinearitas yang ditunjukkan dalam output Eviews dari dua variabel independen yang digunakan dapat dilihat pada Tabel sebagai berikut:

  Tabel 4.9 Uji Multikolineritas

  LNY

  LNX1

  LNX2

  LNY

  LNX1

  Sumber : Output Eviews Versi 8

  Tabel 4.9 menunjukan hasil uji multikoleniaritas dengan nilai kurang dari 0,8 pada setiap variabel sehingga dapat disimpulkan bahwa penelitian ini tidak memiliki multikoleniaritas. Dengan demikian dapat disimpulkan bahwa model regresi berganda yang digunakan terhindar dari masalah multikoleniaritas.

c. Uji Autokorelasi

  Uji autokorelasi dilakukan untuk menguji apakah dalam model regresi linier terdapat korelasi antara variabel gangguan atau residual, jika dalam model regresi terdapat masalah autokorelasi maka akan menyebabkan varian yang besar dan akan menyebabkan model regresi tidak bersifat BLUE sehingga hasil estimasi dari model regresi tidak dapat dipercaya.

  Pengujian autokorelasi dalam penelitian ini dilakukan dengan menggunakan uji Durbin-Watson (DW test). Uji Durbin Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi serta tidak ada variabel lag di antara variabel independen. Hasil perbandingan akan menghasilkan kesimpulan seperti kriteria sebagai berikut:

  1) Jika d < dl, berarti terdapat autokorelasi positif

  2) Jika d > (4 – dl), berarti terdapat autokorelasi negatif

  3) Jika du < d < (4 – dl), berarti tidak terdapat autokorelasi

  4) Jika dl < d < du atau (4 – du), berarti tidak dapat

  disimpulkan

  Hasil pengujian autokorelasi dengan menggunakan dua pendekatan memberikan hasil yang sama, sehingga dapat disimpulkan bahwa bahwa dalam model regresi linier yang diajukan tidak menggandung autokorelasi. Artinya pemenuhan asumsi klasik model regresi linier telah terpenuhi.

  Tabel 4.10 Hasil Uji Autokorelasi (Tabel Durbin Watson)

  Sumber ; Tabel Durbin Watson

  Berdasarkan dari model yang telah dipilih yaitu fungsi Fixed effect maka diperoleh nilai Durbin Watson sebesar 2.775398. Kemudian nilai dL dari tabel Durbin Watson sebesar 0.5591 dan nilai dU sebesar 1.7771. Berdasarkan kriteria di atas maka dapat diperoleh :

  1.7771 < 2.775398 < (4 – 0.5591)

  Dengan demikian dapat disimpulkan bahwa tidak terdapat autokorelasi.

d. Uji Heteroskedastisitas

  Jika dalam regresi residual graphics tidak membentuk pola tertentu (bergelombang, melebar kemudian menyempit, pola linear atau kuadratis) maka dalam regresi asumsi heteroskedastisitas tidak terjadi.

  Gambar 4.3 Uji Heteroskedastisitas

  Output Eviews versi 8

  Dengan hasil di atas kita menduga tidak terjadi heteroskedastisitas, karena residualnya tidak membentuk pola tertentu, dengan kata lainnya residualnya cenderung konstan.

6. Uji Kelayakan Model Regresi Logistik

a. Uji Korelasi Berganda

  Analisa Koefisien korelasi digunakan untuk mengetahui seberapa kuat hubungan antara Earnings Per Share dan Dividend Per Share terhadap Harga Saham secara serentak.

  Interpretasi koefisien korelasi:

  Tabel 4.11

  Pedoman Interpretasi Koefisien Korelasi

  Interval Korelasi

  Tingkat Hubungan

  0.000-0.199

  Sangat lemah

  Sangat Kuat

  Hasil uji koefisien korelasi dapat dilihat pada tabel berikut ini :

  Tabel 4.12 Tabel Uji Korelasi Berganda

  Dependent Variable: LNHARGA_SAHAM Method: Panel Least Squares Date: 072117 Time: 01:34 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8 Total panel (balanced) observations: 24

  Variable

  Coefficient

  Std. Error

  t-Statistic Prob.

  Effects Specification

  Cross-section fixed (dummy variables) R-squared

  0.780625 Mean dependent var

  Adjusted R-squared

  0.696740 S.D. dependent var

  S.E. of regression

  0.463458 Akaike info criterion

  Sum squared resid

  3.007105 Schwarz criterion

  Log likelihood

  -9.129615 Hannan-Quinn criter.

  F-statistic

  14.09777 Durbin-Watson stat

  Prob(F-statistic)

  Sumber : Eviews 8

  Dari model fixed effect diatas didapat koefisien determinasi R 2 (R-

  square) antara EPS, DPS dengan Harga Saham adalah sebesar 0.850625 . Maka nilai R adalah √ 0.850625 = 0.92230689. Angka 0.92230689 menunjukan bahwa terjadi hubungan yang sangat kuat antara kedua variabel independen dengan variabel dependen.

b. Uji t – test

  Uji t (uji secara parsial) digunakan untuk menunjukkan apakah variabel independen secara individu mempunyai pengaruh yang signifikan terhadap variabel dependen. Dasar pengambilan keputusan :

  1) Jika signifikansi > 0.05 (Thitung ˂ Ttabel) maka Ho diterima

  2) Jika signifikansi ˂ 0.05 (Thitung > Ttabel) maka Ha diterima.

  Hasil dari uji t dapat dilihat dari tabel berikut ini :

  Tabel 4.13 Uji t

  Dependent Variable: LNHARGA_SAHAM Method: Panel Least Squares Date: 072117 Time: 01:34 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8 Total panel (balanced) observations: 24

  Variable

  Coefficient

  Std. Error

  t-Statistic

  Prob.

  C 7.126463

  LNEPS

  LNDPS

  Effects Specification

  Cross-section fixed (dummy variables) R-squared

  0.780625 Mean dependent var

  Adjusted R-squared

  0.696740 S.D. dependent var

  S.E. of regression

  0.463458 Akaike info criterion

  Sum squared resid

  3.007105 Schwarz criterion

  Log likelihood

  -9.129615 Hannan-Quinn criter.

  F-statistic

  14.09777 Durbin-Watson stat

  Prob(F-statistic)

  Sumber : Eviews Versi 8

  1) Dari hasil penelitian, dapat dilihat bahwa variabel X1 atau Earnings per Share (EPS) berpengaruh signifikan terhadap variabel Y (harga saham), sebagaimana ditunjukkan oleh angka signifikansinya 0.0291 ˂ 0,05 setelah dilakukan uji t. t tabel dicari pada signifikansi 0,05 kebebasan df = n-k-1 atau 24-2-1 =

  21. Hasil diperoleh t tabel sebesar 2,079. Dari output didapat Thitung 2.097327. Sehingga di dapatkan nilai t hitung > t tabel (2.097327 > 2.07961) maka Ha diterima yang berarti Variabel X1 berpengaruh signifikan terhadap variabel Y.

  2) Dari hasil penelitian, dapat dilihat bahwa variabel X2 Dividend per Share (DPS) memiliki pengaruh yang tidak signifikan terhadap variabel (Y) harga saham, sebagaimana ditunjukkan oleh angka signifikansinya sebesar 0,1565 > 0.05 setelah dilakukan uji t. t tabel dicari pada signifikansi 0,05 kebebasan df = n-k-1 atau 24- 2-1=21 Hasil diperoleh t tabel sebesar 2,079. Dari output didapat t hitung -1,497402. Sehin gga di dapatkan nilai t hitung ˂ t tabel (- 1,497402 ˂ 2.079) maka Ho diterima yang berarti Variabel X2 tidak berpengaruh signifikan terhadap variabel Y.

c. Uji F – test

  Uji F ( Uji secara simultan) digunakan untuk menguji apakah secara bersama-sama seluruh variabel independen mempunyai pengaruh yang signifikan terhadap variabel dependen. Dasar pengambilan keputusan :

  1) Jika signifikansi > 0.05 (Fhitung ˂ Ftabel) maka Ho diterima.

  2) Jika signifikansi ˂ 0.05 (Fhitung > Ftabel) maka Ha diterima.

  Hasil dari uji F dapat dilihat dari tabel berikut ini :

  Tabel 4.14 Uji F

  Dependent Variable: LNHARGA_SAHAM Method: Panel Least Squares Date: 072117 Time: 01:34 Sample: 2014 2016 Periods included: 3 Cross-sections included: 8 Total panel (balanced) observations: 24

  Variable

  Coefficient

  Std. Error

  Effects Specification

  Cross-section fixed (dummy variables) R-squared

  0.780625 Mean dependent var

  Adjusted R-squared

  0.696740 S.D. dependent var

  S.E. of regression

  0.463458 Akaike info criterion

  Sum squared resid

  3.007105 Schwarz criterion

  Log likelihood

  -9.129615 Hannan-Quinn criter.

  F-statistic

  14.09777 Durbin-Watson stat

  Prob(F-statistic)

  Sumber : Eviews Versi 8

  Dari tabel diatas, bahwa nilai Fhitung = 14.09777 > Ftabel =

  3.47 dengan nilai signifikansi sebesar 0.000014 ˂ 0.05 yang berarti

  Earning per Share (Lneps), Dividend per Share (Lndps), secara bersama-sama mempunyai pengaruh yang signifikan terhadap Harga Saham (Lnharga_saham). Berdasarkan hasil di atas maka Ha diterima, Ho ditolak, berarti Earning per Share (Lneps) dan Dividend per Share (Lndps), mempunyai pengaruh yang signifikan terhadap harga saham (Lnharga_saham) secara simultan. Dengan demikian hipotesis Ha3 terbukti.

d. Koefisien Determinasi ( )

  Berdasarkan tabel 4.14 diatas dapat disimpulkan bahwa nilai koefisien determinasi ( ) secara simultan adalah sebesar 0.780625 atau berarti 78.0625 variabel harga saham dipengaruhi oleh Earnings per share dan Dividend per share sedangkan sisanya sebesar 27.9375 dipengaruhi oleh variabel lain yang tidak diteliti dalam penelitian ini. Dan dari nilai adjusted R square hasilnya adalah 0.696740 ini artinya bahwa nilai regresi variabel Earnings per share dan Dividend per share dapat menerangkan harga saham sebesar 69.6740 .

7. Interpretasi Hasil Penelitian

a. Pengaruh Earnings per share terhadap Harga saham

  Hasil dari pengujian statistik menyatakan bahwa earnings per share berpengaruh sebesar 13.69 terhadap harga saham dan mempunyai korelasi 0.610909. nilai korelasi sebesar 0.610909 mengacu pada Sugiyono (2014) termasuk dalam kategori hubungan yang kuat dan bertanda positif yang menunjukan hubungan yang Hasil dari pengujian statistik menyatakan bahwa earnings per share berpengaruh sebesar 13.69 terhadap harga saham dan mempunyai korelasi 0.610909. nilai korelasi sebesar 0.610909 mengacu pada Sugiyono (2014) termasuk dalam kategori hubungan yang kuat dan bertanda positif yang menunjukan hubungan yang

  

  Akan tetapi ada beberapa kasus yang terjadi pada beberapa perusahaan sector pertambangan ketika earnings per share meningkat tetapi harga saham perusahaan menurun seperti pada PT. Baramulti suksessarana Tbk. pada tahun 2015 earnings per share perusahaan meningkat dari tahun sebelumnya menjadi Rp. 147.75 akan tetapi harga saham perusahaan menurun menjadi Rp. 1.110. Pada PT. Tambang Batubara pada tahun 2015 earnings per share

  perusahaan meningkat menjadi Rp. 883.59 akan tetapi harag saham

  perusahaan turun menjadi Rp. 4.525.

  Berdasarkan hasil analisis verikatif dapat disimpulkan bahwa earnings per share mempengaruhi harga saham, sesuai dengan penelitian Putu Ryan Damayanti, Anantawikrama, dan I Made Pradana (2014) yang menyatakan bahwa Earnings per Share (EPS) secara parsial mempunyai pengaruh signifikan terhadap harga saham.

  Berdasarkan tabel 4.13 dapat diketahui bahwa variabel EPS mempunyai angka signifikansi sebesar 0.0291 yang artinya dibawah

  0.05 dan menunjukkan bahwa EPS secara parsial berpengaruh signifikansi terhadap harga saham sektor pertambangan pada periode 2014 – 2016.

b. Pengaruh Dividend per share terhadap Harga saham

  Dari hasil penelitian, dapat dilihat bahwa variabel tingkat dividen per lembar saham atau Dividend Per Share (DPS) memiliki pengaruh yang tidak signifikan terhadap harga saham, sebagaimana ditunjukkan oleh angka signifikansinya sebesar 0,1565 > 0,05 setelah dilakukan uji t. Dari hasil penelitian ini, variabel DPS memiliki koefisien regresi bertanda negatif sebesar -0,1237, artinya apabila terjadi perubahan variabel DPS sebesar 1 akan menurunkan HS sebesar 0,1237atau 12.37. dengan demikian secara parsial variabel Dividend per share tidak signifikan terhadap harga saham.

  Hal ini berarti bahwa informasi DPS perusahaan yang terdapat dalam laporan keuangan preusahaan yang dipublikasikan bukan merupakan hal yang utama diperhatikan oleh investor dalam membuat keputusan investasinya, karena tidak selamanya laba bersih yang diperoleh perusahaan dialokasikan sebagai dividen, bisa saja perusahaan mengalokasikan laba bersih yang didapatnya untuk perluasanekspansi usaha, atau melakukan investasi seperti investasi aktiva tetap, investasi jangka panjang dll.

  Hasil ini sesuai dengan pendapat Maulan Irwadi (2014) dan penelitian Nuliana (2003) yang menghasilkan kesimpulan bahwa dividend per share (DPS) tidak berpengaruh terhadap harga saham. Namun, di sisi lain, hasil penelitian ini berbeda dengan dua penelitian terdahulu yaitu penelitian Aditia Pratama (2014) dan Putu Ryan, Anantawikrama (2014) yang menghasilkan kesimpulan bahwa dividend per share (DPS) berpengaruh signifikan terhadap harga saham baik pada perusahaan pertambangan yang terdaftar di Bursa Hasil ini sesuai dengan pendapat Maulan Irwadi (2014) dan penelitian Nuliana (2003) yang menghasilkan kesimpulan bahwa dividend per share (DPS) tidak berpengaruh terhadap harga saham. Namun, di sisi lain, hasil penelitian ini berbeda dengan dua penelitian terdahulu yaitu penelitian Aditia Pratama (2014) dan Putu Ryan, Anantawikrama (2014) yang menghasilkan kesimpulan bahwa dividend per share (DPS) berpengaruh signifikan terhadap harga saham baik pada perusahaan pertambangan yang terdaftar di Bursa

  Hal tersebut sesuai dengan teori kebijakan dividen dalam irrelevance Theory mengenai pengaruh kebijakan dividen terhadap harga saham. Teori ini menganggap bahwa kebijakan dividen tidak membawa dampak apa-apa bagi nilai perusahaan. Peningkatan atau penurunan dividen oleh perusahaan tidak akan mempengaruhi nilai perusahaan. Jadi teori ini tidak terbukti kebenarannya terhadap hipotesis bahwa DPS tidak berpengaruh terhadap harga saham secara parsial.

c. Pengaruh Earnings per share dan Dividend per share terhadap Harga saham

  Untuk uji signifikan regresi berganda dapat dilihat dari hasil pengujian signifikan dan uji F. Hasilnya dapat dilihat pada table bahwa nilai Fhitung = 14.09777 > Ftabel = 3.47 dengan nilai signifikansi sebesar 0.000014 ˂ 0.05 yang berarti Earning per Share (Lneps), Dividend per Share (Lndps), secara bersama-sama mempunyai pengaruh yang signifikan terhadap Harga Saham (Lnharga_saham). Berdasarkan hasil di atas maka Ha diterima, Ho ditolak, berarti Earning per Share (Lneps) dan Dividend per Share (Lndps), Untuk uji signifikan regresi berganda dapat dilihat dari hasil pengujian signifikan dan uji F. Hasilnya dapat dilihat pada table bahwa nilai Fhitung = 14.09777 > Ftabel = 3.47 dengan nilai signifikansi sebesar 0.000014 ˂ 0.05 yang berarti Earning per Share (Lneps), Dividend per Share (Lndps), secara bersama-sama mempunyai pengaruh yang signifikan terhadap Harga Saham (Lnharga_saham). Berdasarkan hasil di atas maka Ha diterima, Ho ditolak, berarti Earning per Share (Lneps) dan Dividend per Share (Lndps),