Teknik Pengumpulan Data Data Penelitian Uji Normalitas

15 MAYA Bank Mayapada Internasional, Tbk 16 MEGA Bank Mega, Tbk 17 BBNI Bank Negara Indonesia, Tbk 18 BNGA Bank Niaga, Tbk Bank CIMB Niaga, Tbk 19 NISP Bank NISP, Tbk Bank OCBC NISP, Tbk 20 BBNP Bank Nusantara Parahyangan, Tbk 21 PNBN Bank Pan Indonesia, Tbk 22 BNLI Bank Permata, Tbk 23 BBRI Bank Rakyat Indonesia Persero, Tbk 24 BSWD Bank Swadesi, Tbk 25 BVIC Bank Victoria Internasional, Tbk 26 MCOR Bank Windu Kentjana Internasional, Tbk 27 BAEK Bank Ekonomi Raharja, Tbk 28 BTPN Bank Tabungan Pensiunan Nasional, Tbk 29 BBTN Bank Tabungan Negara Persero, Tbk Sumber : Tabel 3.1, diolah peneliti, 2014

3.4. Teknik Pengumpulan Data

Data yang digunakan adalah data eksternal, yaitu data yang diperoleh secara manual dengan cara mendapatkannya dari luar perusahaan yaitu studi dokumentasi dengan mengumpulkan data laporan keuangan dan informasi lain yang berkaitan melalui situs Indonesia Stock Exchange IDX.

3.5. Defenisi Operasional dan Pengukuran Variabel

Defenisi operasional adalah menjelaskan karakteristik dari objek dalam elemen-elemen yang dapat diobservasi yang menyebabkan konsep dapat diukur dan dioperasionalkan ke dalam penelitian Erlina, 2011 : 48. Adapun variabel yang digunakan dalam penelitian ini terdiri atas variabel independen dan variabel dependen.

3.5.1. Variabel Independen

Variabel independen adalah variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel dependen. Variabel independen dalam penelitian ini adalah : Universitas Sumatera Utara 1. Arus kas operasi adalah arus kas yang berasal dari aktivitas utama penghasil pendapatan perusahaan yang di dalamnya terdapat transaksi- transaksi yang menentukan laba bersih. Arus kas operasi diukur dengan jumlah perubahan kenaikanpenurunan arus kas operasi akhir tahun antara tahun t dengan tahun t-1 ∆AKO. Total perubahan arus kas operasi selama tiga tahun dibagi 3 untuk mengambil rata-rata pertumbuhan arus kas operasi selama 3 tahun. Rumus nya adalah: πAKO = ∆AKO 2009 + ∆AKO 2010 + ∆AKO 2011 : 3 2. Arus kas investasi adalah arus kas yang menyangkut perolehan dan pelepasan aktiva jangka panjang serta investasi lain yang tidak termasuk dalam kas dan setara dengan kas. Arus kas investasi diukur dengan jumlah perubahan kenaikanpenurunan arus kas investasi akhir tahun antara tahun t dengan tahun t-1 ∆AKI. Total perubahan arus kas investasi selama 3 tahun dibagi 3 untuk mengambil rata-rata perubahannya. Rumusnya adalah: πAKI = ∆AKI 2009 + ∆AKI 2010 + ∆AKI 2011 : 3 3. Arus kas pendanaan adalahyang berasal dari aktivitas yang mengakibatkan perubahan jumlah serta komposisi ekuitas dan pinjaman perusahaan. Arus kas pendanaan diukur dengan jumlah perubahan kenaikanpenurunan arus kas pendanaan akhir tahun antara t dengan t-1 ∆AKP. Total perubahan arus kas pendanaan selama 3 tahun dibagi 3 untuk rata-rata perubahannya Rumusnya: πAKP = ∆AKP 2009 + ∆AKP 2010 + ∆AKP 2011 : 3 Universitas Sumatera Utara

3.5.2. Variabel Dependen

Variabel dependen adalah variabel yang dipengaruhi atau yang menjadi akibat adanya variabel bebas. Variabel dependen yang digunakan dalam penelitian ini adalah harga saham yang diukur dengan jumlah perubahan kenaikan penurunan saat closing price tahun t dengan t-1 ∆HS. Total perubahan harga saham selama 3 tahun dibagi 3 untuk mengambil rata-rata perubahan harga sahamnya selama 3 tahun. Rumusnya: πHS = ∆HS 2009 + ∆HS 2010 + ∆HS 2011 : 3 Tabel 3.3 Defenisi Operasional dan Pengukuran Variabel Variabel Defenisi Operasional Pengukuran Skala Harga saham Y Harga yang terbentuk akibat mekanisme pasar antara penjual dan pembeli saham di pasar bursa. πHS = ∆HS 2009 + ∆HS 2010 + ∆HS 2011 : 3 Rasio Arus kas operasi X1 Selisih bersih antara penerimaan dan pengeluaran kas dan setara kas dari aktivitas operasi selama satu tahun buku. πAKO = ∆AKO 2009 + ∆AKO 2010 + ∆AKO 2011 : 3 Rasio Arus kas investasi X2 Selisih bersih antara penerimaan dan pengeluaran kas dan setara kas dari aktivitas investasi selama satu tahun buku. πAKI = ∆AKI 2009 + ∆AKI 2010 + ∆AKI 2011 : 3 Rasio Arus kas pendanaan X3 Selisih bersih antara penerimaan dan pengeluaran kas dan setara kas dari aktivitas pendanaan selama satu tahun buku. πAKP = ∆AKP 2009 + ∆AKP 2010 + ∆AKP 2011 : 3 Rasio Universitas Sumatera Utara

3.6. Metode Analisis Data

Penelitian ini menggunakan metode analisis data berupa uji asumsi klasik dan uji hipotesis. Peneliti menggunakan program SPSS 17 dalam menganalisis data.

3.6.1. Uji Asumsi Klasik

Uji asumsi klasik dilakukan sebelum dilakukan uji hipotesis sebagai persyaratan untuk melakukan analisis regresi linier berganda. Uji asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari gejala heteroskedastisitas, multikolinearitas, dan autokorelasi serta data tersebut terdistribusi secara normal.

3.6.1.1. Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah terdapat variabel pengganggu atau residual berdistribusi normal atau tidak. Uji ini ditujukan untuk mendapat kepastian terpenuhinya syarat normalitas yang akan menjamin dapat dipertanggungjawabkannya langkah-langkah analisis statistik sehingga kesimpulan yang diambil dapat dipertanggungjawabkan. Peneliti menggunakan uji Kolmogorov dan Smirnov dalam menguji normalitas data dengan cara menentukan hipotesis pengujian terlebih dahulu, yaitu : Hipotesis Nol Ho : Data terdistribusi normal Hipotesis Alternatif Ha : Data tidak terdistribusi normal Universitas Sumatera Utara Jika probabilitas 0,05 pada uji Kolmogorov Smirnov maka data terdistribusi normal dan dapat digunakan regresi berganda dan jika probabilitas 0,05 maka data terdistribusi tidak normal. Menurut Erlina 2011 : 100 untuk data yang tidak normal dapat dinormalkan dengan berbagai cara sebagai berikut : 1. Transformasi data Tranformasi data dilakukan dengan logaritma natural, log. 10, maupun akar kuadrat. Jika data negatif, transformasi akan menghilangkannya sehingga sampel berkurang 2. Trimming Trimming adalah dengan memangkas atau membuang observasi yang bersifat outlier. 3. Winzorising Winzorising mengubah nilai-nilai outlier menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya menjadi normal. Uji normalitas data dapat juga dengan melihat grafik histogram dan penyebaran titik pada normal probability plot, dimana : 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arahnya, maka model regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.

3.6.1.2. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan korelasi diantara variabel independennya. Model regresi yang baik seharusnya korelasi diantara variabelnya tidak terjadi. Untuk menguji ada atau tidaknya multikolinearitas, dapat dilakukan dengan cara : Universitas Sumatera Utara 1. Melihat nilai tolerance : Nilai cutoff yang umumnya dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10. 2. Melihat VIF varians inflation factor : Nilai cutoff yang umum digunakan adalah nilai VIF 10. 3. Menganalisis matriks korelasi variabel-variabel independen.

3.6.1.3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah pada model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya tetap maka disebut homoskedastisitas dan apabila berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Untuk mendeteksi terjadi atau tidaknya heteroskedastisitas dapat dilihat dari grafik scatterplot. Jika ada pola tertentu seperti titik – titik membentuk pola tertentu dan teratur, maka terjadi heteroskedastisitas. Sebaliknya, jika tidak ada pola tertentu, maka tidak terjadi heteroskedastisitas.

3.6.1.4. Uji Autokorelasi

Ghozali 2005 : 95 mengatakana : uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnnya yang sering ditemukan pada data time series. Universitas Sumatera Utara Cara yang dapat digunakan untuk menguji autokorelasi adalah dengan uji Durbin Watson dengan melihat kriteria berikut : 1. Bila DW lebih besar dari DU batas atas dan 4–DU, maka koefisien autokorelasi sama dengan nol, artinya tidak ada autokorelasi positif dan negatif. 2. Bila DW lebih rendah dari D batas bawah, maka koefisien autokorelasi lebih besar dari nol, artinya ada autokorelasi positif. 3. Bila DW terletak diantara DU dan DL, maka tidak dapat disimpulkan apakah ada autokorelasi atau tidak. 4. Bila DW 4–DL, maka koefisien autokorelasi lebih kecil dari nol, artinya ada autokorelasi negatif.

3.6.2. Pengujian Hipotesis

Hipotesis yang akan diuji berkaitan dengan bagaimanakah pengaruh variabel indepeden pertama, kedua, dan ketiga terhadap variabel dependennya. Hipotesis pertama H, hipotesis kedua H2, hipotesis ketiga H3 dianalisis dengan model regresi linier untuk melihat pengaruh masing- masing variabel yaitu arus kas operasi, arus kas investasi, dan arus kas pendanaan secara individu terhadap harga saham dengan rumus. Y = a + b1 x1 Y = a + b2 x2 Y = a + b3 x3 Hipotesis keempat H4 menggunakan analisis regresi linier berganda untuk melihat pengaruh arus kas operasi, arus kas investasi, dan arus kas Universitas Sumatera Utara pendanaan secara simultan terhadap harga saham dengan model persamaan berikut : Y = a + b1 x1 + b2 x2 + b3 x3 + e Keterangan : Y = harga saham a = konstanta b1-b4 = koefisien regresi x1 = arus kas operasi x2 = arus kas investasi x3 = arus kas pendanaan e = error

3.6.2.1. Uji T T – test

Uji t menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen. Kriteria dalam uji tersebut adalah : Ho =Variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen Ha =Variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Uji ini dilakukan dengan membandingkan nilai t hitung dengan t tabel Jika t hitung t tabel dengan α 0,05 maka Ho diterima, dan Jika t hitung t tabel dengan α 0,05 maka Ha diterima. Atau dapat juga menggunakan nilai signifikan : Universitas Sumatera Utara Jika sig 0,05 maka Ho ditolak, artinya signifikan, dan Jika sig 0,05 maka Ho diterima, artinya tidak signifikan dalam uji hipotesis untuk menentukan t tabel, derajat bebas df ditentukan dengan rumus = n – k dimana n adalah banyaknya objek penelitian, sedangkan k adalah banyaknya variabel bebas dan terikat.

3.6.2. Uji F F-Test

Uji ini dilakukan untuk mengetahui pengaruh variabel independen terhadap variabel dependennya secara simultan. Kriteria dalam uji tersebut adalah : Ho = Variabel independen secara simultan tidak berpengaruh signifikan terhadap variabel dependen. Ha = Variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen. Uji ini dilakukan dengan membandingkan nilai F hitung dengan F tabel Jika f hitung f tabel dengan α 0,05 maka Ho diterima, dan Jika f hitung f tabel dengan α 0,05 maka Ha diterima. Atau dapat juga menggunakan nilai signifikan : Jika sig 0,05 maka Ho ditolak, artinya signifikan, dan Jika sig 0,05 maka Ho diterima, artinya tidak signifikan dalam menentukan f tabel terlebih dahulu tentukan df1 pembilang dan df2 penyebut. Untuk menentukan df1 rumusnya k-1 dan untuk menentukan df2 rumusnya n-k, dimana n adalah jumlah objek penelitian dan k adalah jumlah variabel bebas dan terikat. Universitas Sumatera Utara

BAB IV ANALISIS DAN PEMBAHASAN

4.1. Data Penelitian

Objek penelitian ini adalah perusahaan perbankan yang masih terdaftar di Bursa Efek Indonesia BEI pada tahun 2009-2011. Jumlah seluruh perusahaan perbankan tersebut adalah 33 perusahaan. Setelah data terkumpul, perusahaan yang termasuk dalam populasi diseleksi berdasarkan criteria purposive sampling penarikan sampel yang ditentukan. Dari penyeleksian tersebut diperoleh 29 perusahaan yang menjadi sampel serta 29 data observasi yang terdiri atas 3 variabel independen yaitu arus kas aktivitas operasi AKO, arus kas aktivitas investasi AKI, dan arus kas aktivitas pendanaan AKP. Harga saham menjadi variabel dependen penelitian. 4.2. Hasil Penelitian 4.2.1. Analisis Statistik Deskriptif Informasi yang dibutuhkan dalam penelitian ini merupakan data sekunder yang didapat dari situs Bursa Efek Indonesia berupa data keuangan perusahaan perbankan antara tahun 2009-2011 yang dijabarkan dalam bentuk statistik. Hasil analisis deskriptif menunjukkan nilai maksimum, nilai minimum, mean, dan standar deviasi, baik variabel dependen yaitu harga saham, maupun variabel-variabel independen yaitu arus kas operasi, arus kas investasi, dan arus kas pendanaan dapat dilihat pada table 4.1 berikut ini: Universitas Sumatera Utara Tabel 4.1 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation LN_AKO 29 .00 29.94 15.0247 13.83611 LN_AKI 29 .00 27.97 7.5106 11.46011 LN_AKP 29 .00 29.71 16.1516 12.95459 LN_HS 29 .00 7.33 3.6687 2.41334 Valid N listwise 29 Berdasarkan data dari table 4.1 dapat dijelaskan bahwa: 1. Variabel LnAKO arus kas operasi memiliki nilai minimum terendah sebesar 0,00 dan nilai maksimum terbesar sebesar 29,94 dengan mean nilai rata-rata sebesar 15,0247 dan standard deviasi sebesar 13,83611. Standar deviasi yang lebih kecil dari mean rata- rata menunjukkan penyebaran data yang lebih sempit. 2. Variabel LnAKI arus kas investasi memiliki nilai minimum terendah sebesar 0,00 dan nilai maksimum terbesar sebesar 27,97 dengan mean nilai rata-rata sebesar 7,5106 dan standard deviasi sebesar 11,461011. Standar deviasi yang lebih besar dari mean rata- rata menunjukkan penyebaran data yang lebih luas. 3. Variabel LnAKP arus kas pendanaan memiliki nilai minimum terendah sebesar 0,00 dan nilai maksimum terbesar sebesar 29,71 dengan mean nilai rata-rata sebesar 16,1516 dan standard deviasi sebesar 12,95459. Standar deviasi yang lebih kecil dari mean rata- rata menunjukkan penyebaran data yang sempit. Universitas Sumatera Utara 4. Variabel LnHS harga saham memiliki nilai minimum terendah sebesar 0,00 dan nilai maksimum terbesar sebesar 7,33 dengan mean nilai rata-rata sebesar 3,6687 dan standard deviasi sebesar 2,41334. Standar deviasi yang lebih kecil dari mean rata-rata menunjukkan penyebaran data yang sempit.

4.2.2. Pengujian Asumsi Klasik

Pengujian asumsi klasik digunakan untuk memastikan bahwa model yang diperoleh benar-benar memenuhi asumsi dasar dalam analisis regresi. Sebelum pengujian hipotesis dilakukan, terlebih dahulu perlu dilakukan pengujian terhadap gejala penyimpangan asumsi klasik. Pengujian asumsi klasik meliputi:

a. Uji Normalitas

Uji ini bertujuan untuk melihat apakah dalam model regresi terdapat variabel pengganggu atau residual memiliki distribusi normal Erlina, 2011: 100. Uji ini ditujukan untuk mendapatkan epastian terpenuhinya syarat normalitas yang akan menjamin dapat dipertanggungjawabkannya langkah-langkah analisis statistik sehingga kesimpulan yang diambilpun dapat dipertanggungjawabkan. Peneliti menggunakan analisis grafik dengan melihat grafik histogram, normal probability plot, dan analisis one sample kolmogorov-smirnov. Analisis grafik dilakukan dengan melihat grafik histogram yang membandingkan data observasi dengan distribusi yang Universitas Sumatera Utara mendekati distribusi normal atau mengikuti kurva berbentuk lonceng. Pada grafik normal probability plot, apabila data menyebar di sekitar garis diagonal, maka regresi memenuhi asumsi normalitas. Sedangkan pada analisis one sample kolmogorov- smirnov, apabila sigma 0,05 maka tidak ada perbedaan distribusi residual dengan distribusi normal, dengan kata lain regresi memenuhi asumsi normalitas. Pada grafik histogram pada gambar 4.1, grafik histogram menunjukkan data sudah berdistribusi normal karena grafik histogram menunjukkan distribusi mengikuti garis diagonal yaitu tidak menceng ke kiri atau ke kanan. Namun pada grafik normal probability plot pada gambar 4.2, data menyebar agak menjauh dari garis diagonal yang menunjukkan indikasi bahwa residual berdistribusi tidak normal begitu juga dengan nilai sigma dari analisis one sample kolmogorov-smirnov sebesar 0,000 0,05 Universitas Sumatera Utara Gambar 4.1 Uji Normalitas : grafik histogram sebelum transformasi Gambar 4.2 Uji Normalitas : grafik normal probability plot sebelum transformasi Universitas Sumatera Utara Tabel 4.2 One Sample Kolmogorov-smirnov Test sebelum transformasi. One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 29 Normal Parameters a,,b Mean .0000000 Std. Deviation 3.95754161E2 Most Extreme Differences Absolute .267 Positive .267 Negative -.194 Kolmogorov-Smirnov Z 1.439 Asymp. Sig. 2-tailed .032 a. Test distribution is Normal. b. Calculated from data. Berdasarkan uji tersebut, uji normalitas yang melanggar asumsi normalitas dapat dijadikan ke bentuk normal dengan mentransformasi data. Transformasi data dapat dilakukan dengan menggunakan logaritma natural Ln baik terhadap faktor dependen maupun faktor independen. Jika terdapat data yang bernilai negatif, transformasi data dengan logaritma akan menghilangkannya sehingga jumlah sampel akan berkurang. Hasil pengujian terhadap data yang telah ditransformasi nanti akan diperbandingkan dengan hasil pengujian sebelum transformasi sehingga akan memperlihatkan apakah data tersebut sudah memenuhi kriteria-kriteria asumsi klasik. Universitas Sumatera Utara Gambar 4.3 Uji Normalitas : grafik histogram setelah transformasi Gambar 4.4 Uji Normalitas: grafik normal probability plot setelah transformasi Universitas Sumatera Utara Tabel 4.3 One Sample Kolmogorov-smirnov Test setelah transformasi One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 29 Normal Parameters a,,b Mean .0000000 Std. Deviation 2.27565956 Most Extreme Differences Absolute .071 Positive .071 Negative -.056 Kolmogorov-Smirnov Z .383 Asymp. Sig. 2-tailed .999 a. Test distribution is Normal. b. Calculated from data. Dari uji normalitas terhadap data yang telah ditransformasi, pada grafik histogram di atas menunjukkan bahwa data tetap berdistribusi normal, hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang tidak menceng ke kiri ataupun ke kanan. Hal ini juga didukung dengan hasil uji normalitas dengan melihat grafik normal probability plot yang ditampilkan pada gambar 4.4 yang menunjukkan data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonalnya. Pada uji One Sample Kolmogorov-smirnov yang ditampilkan pada gambar 4.3 terlihat sigma sebesar 0,999 atau lebih besar dari 0,05 yang menunjukkan bahwa data berdistribusi normal. Universitas Sumatera Utara

b. Uji Multikolinearitas