b. Menganalisis matrik korelasi variabel – variabel independen. Jika
antar variabel independen ada korelasi yang cukup tinggi umumnya 0.90, maka hal ini merupakan indikasi adanya
multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas.
Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
c. Multikolinearitas dapat juga dilihat dari a nilai tolerance dan
lawannya bvariance inflation factor VIF. Kedua ukuran ini menunjukan setiap variabel independen manakah yang dijelaskan
oleh variabel independen lainnya. Dalam pengertian sederhana setiap variabel independen menjadi variabel dependen terikat
dan diregres terhadap variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang
tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena
VIF=1Tolerance. Nilai cut off yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai tolerance
0.10 atau sama dengan nilai VIF 10.
3.13 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk melihat apakah di dalam model regresi terjadi ketidaksamaan variabel dari residual suatu
pengamatan ke pengamatan yang lain Ghozali, 2005:11. Suatu model
Universitas Sumatera Utara
regresi yang baik adalah tidak terjadi heteroskedastisitas. Deteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat ada tidaknya
pola tertentu. Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar, kemudian
menyempit maka mengindikasikan telah terjadi heteroskedastisitas. Jika tak ada pola yang jelas maka tidak terjadi gejala
heteroskedastisitas. Salah satu cara yang dapat digunakan untuk mengetahui ada tidaknya gejala heteroskedastisitas adalah dengan
melihat pada grafik scatter plot.
3.14 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 sebelumnya. Metode regresi yang baik apabila tidak terdapat autokorelasi.
Jika terjadi korelasi maka dinamakan ada problem autokorelasi Ghozali, 2005:95. Untuk
menguji ada tidaknya gejala autokorelasi maka dapat dideteksi dengan uji Durbin-Waston DW test. Pengambilan keputusan ada tidaknya
autokorelasi adalah sebagai berikut: a.
angka D-W dibawah -2 berarti ada autokorelasi positif, b.
angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, c.
angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
3.2 Pengujian Hipotesis
Hipotesis penelitian diuji dengan menggunakan analisis regresi linear berganda. Analisis ini digunakan untuk mengukur kekuatan dua variabel atau
lebih dan juga menunjukan arah hubungan antara variabel dependen dengan variabel independen. Rumus dari regresi linier berganda multiple linier
regresion adalah:
Y = β + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ e
Y = Perubahan harga saham
β = konstanta
X
1
= Net Profit Margin X
2
= Return On Equity X
3
= Debt to Equity Ratio X
4
= Earning Per Share β
1
, β
2
, β
3,
β
4
= koefisien regresi e
= variabel pengganggu error Pengujian hipotesis menggunakan analisis regresi berganda karena ada dua
atau lebih variabel independennya. Pengujian hipotesis ditujukan untuk menguji ada tidaknya pengaruh dari variabel independen secara keseluruhan terhadap
variabel dependen.
3.2.1 Uji signifikansi simultan
Secara simultan, pengujian hipotesis dilakukan dengan uji F.
Uji F dilakukan untuk mengetahui adanya pengaruh secara bersama-sama
variabel independen terhadap variabel dependen.
Menurut Ghozali
Universitas Sumatera Utara
2005:84 “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependenterikat”.
Tingkat signifikansi yang digunakan adalah sebesar 5, dengan derajat kebebasan df = n-k-1, dimana n adalah jumlah
observasi dan k adalah jumlah variabel. Uji ini dilakukan dengan membandingkan
F
hitung
dengan
F
tabel
dengan ketentuan sebagai berikut:
a. jika F
hitung
F
tabel
pada α 0.05, maka H
diterima, dan b.
jika F
hitung
F
tabel
pada α 0.05, maka H
1
diterima.
3.2.2 Uji signifikansi parsial
Secara parsial, pengujian hipotesis dilakukan dengan uji t. Uji t dilakukan untuk menguji koefisien regresi secara parsial dari variabel
independennya. Menurut Ghozali 2005:84 “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel
penjelasindependen secara individual dalam menerangkan variabel dependen”. Tingkat signifikansi yang digunakan sebesar 5, dengan
derajat kebebasan df = n-k-1, dimana n adalah jumlah observasi dan k adalah jumlah variabel. Uji ini dilakukan dengan membandingkan
t
hitung
dengan t
tabel
dengan ketentuan sebagai berikut: a.
jika t
hitung
t
tabel
pada α 0.05, maka H
1
ditolak, dan b.
jika t
hitung
t
tabel
pada α 0.05, maka H
1
diterima.
Universitas Sumatera Utara
G. Jadwal Penelitian Tabel 3.1
Jadwal Penelitian
Sumber: Data diolah penulis, 2011
T T
a a
h h
a a
p p
a a
n n
P P
e e
n n
e e
l l
i i
t t
i i
a a
n n
F F
e e
b b
r r
u u
a a
r r
i i
2 2
1 1
1 1
M M
a a
r r
e e
t t
2 2
1 1
1 1
A A
p p
r r
i i
l l
2 2
1 1
1 1
M M
e e
i i
2 2
1 1
1 1
J J
u u
n n
i i
2 2
1 1
1 1
J J
u u
l l
i i
2 2
1 1
1 1
Study Pendahuluan Pengajuan Proposal
Penyetujuan Proposal Bimbingan Proposal
Seminar Proposal Pengumpulan dan
Pengolahan Data Bimbingan dan
Penyelesaian Skripsi Ujian Komprehensif
Universitas Sumatera Utara
BAB IV ANALISIS HASIL PENELITIAN
A. Data Penelitian
Untuk mengetahui pengaruh yang terjadi dalam penelitian ini, maka diperlukan data dari perusahaan-perusahaan yang diteliti agar dapat diketahui
bagaimana pengaruh yang terjadi antara net profit margin, return on equity, debt equity ratio, dan earning per share terhadap perubahan harga saham. Populasi
yang diteliti dalam penelitian ini adalah perusahaan real estate dan property yang terdaftar di Bursa Efek Indonesia sebanyak 48 populasi. Setelah dilakukan
pemilihan sampel dengan teknik purposive sampling diperoleh 18 sampel untuk periode 3 tahun dimulai dari tahun 2007 sampai dengan tahun 2008. Berikut tabel
nama dan kode perusahaan real estate dan property yang menjadi populasi dan sampel dalam penelitian ini.
Tabel 4.1 Data populasi dan sampel perusahaan real estate dan property yang terdaftar
di Bursa Efek Indonesia No. Kode
Nama Perusahaan Kriteria
Sampel 1
2 3
4
1 ASRI
PT Alam Sutera Realty Tbk √
- -
- -
2 BAPA
PT Bekasi Asri Pemula Tbk √
- √ -
- 3
BIPP PT Bhuwanatala Indah Permai Tbk
√ -
- -
- 4
BKDP PT Bukit Darmo Property Tbk
√ √ √ √ 1
5 BKSL
PT Bukit Sentul Sentul City Tbk √ √ - √
- 6
BMSR PT Bintang Mitra Semestaraya Tbk
√ √ √ √ 2
7 BSDE
PT Bumi Serpong Damai Tbk √ √ √ √
3 8
CKRA PT Citra Kebun Raya Agri Tbk
√ √ √ √ 4
Universitas Sumatera Utara
No. Kode Nama Perusahaan
Kriteria Sampel
1 2
3 4
9 COWL PT Cowell Development Tbk
√ -
√ √ -
10 CTRA PT Ciputra DevelopmentTbk
√ -
- -
- 11 CTRP
PT Ciputra Property Tbk √ √ √ √
5 12 CTRS
PT Ciputra Surya Tbk √ √ √ √
6 13 DART
PT Duta Anggada Realty Tbk √ √ √ √
7 14 DGIK
PT Duta Graha Indah Tbk √ √ √ √
8 15 DILD
PT Intiland Development Tbk √ √ √ √
9 16 DUTI
PT Duta Pertiwi Tbk √
- √ -
- 17 ELTY
PT Bakrieland Development Tbk √
- -
- -
18 GMTD PT Gowa Makassar Tourism Development Tbk √ √ - √
- 19 GPRA
PT Perdana Gapuraprima Tbk √
- √ -
- 20 INPP
PT Indonesian Paradise Property Tbk √ √ √ √
10 21 JAKA
PT Jaka Inti Realtindo Tbk √
- -
- -
22 JIHD PT Jakarta International HotelDevelopment Tbk
√ √ √ √ 11
23 JRPT PT Jaya Real Property Tbk
√ √ √ √ 12
24 JSPT PT Jakarta Setiabudi International Tbk
√ √ - √ -
25 KARK PT Dayaindo Resources International Tbk √
- √ -
- 26 KIJA
PT Kawasan Industri JababekaTbk √
- -
- -
27 KPIG PT Global Land Development Tbk
√ -
- -
- 28 LAMI
PT Lamicitra Nusantara Tbk √ √ √ √
13 29 LCGP
PT Laguna Cipta Griya Tbk √ √ - √
- 30 LPCK
PT Lippo Cikarang Tbk √ √ √ √
14 31 LPKR
PT Lippo KarawaciTbk √
- √ -
- 32 MAMI PT Mas Murni IndonesiaTbk
√ -
- -
- 33 MDLN PT Modernland Realty Tbk
√ √ √ √ 15
34 MTSM PT Metro Supermarket Realty Tbk √ √ - √
- 35 OMRE PT Indonesia Prima Property Tbk
√ √ - √ -
36 PJAA PT Pembangunan Jaya Ancol Tbk
√ -
- -
- 37 PNSE
PT PudjiadiSons Tbk √
- -
- -
38 PSAB PT Pelita Sejahtera Abadi Tbk
√ √ - √ -
39 PTRA PT New Century Development Tbk
√ -
- -
- 40 PUDP
PT Pudjiadi Prestige Limited Tbk √ √ √ √
16 41 PWON PT Pakuwon Jati Tbk
√ √ √ √ 17
42 PWSI PT Panca Wiratama Sakti Tbk
√ √ √ √ 18
43 RBMS PT Ristia Bintang Mahkotasejati Tbk
√ √ √ √ 19
44 RODA PT Royal Oak Development Asia Tbk √
- √ -
- 45 SIIP
PT Suryainti Permata Tbk √
- -
- -
46 SMDM PT Suryamas Dutamakmur Tbk √ √ √ √
20 47 SMRA PT Summarecon Agung Tbk
√ √ √ √ 21
48 SSIA PT Surya Semesta Internusa Tbk
√ -
- -
-
Sumber: Data diolah penulis, 2011
Universitas Sumatera Utara
B. Analisis Data Penelitian 4.1 Statistik Deskriptif
Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimum, mean, serta standar deviasi. Statistik deskriptif adalah proses
transformasi data penelitian dalam bentuk tabulasi sehingga mudah dipahami. Statistik deskriptif akan dijelaskan dalam tabel berikut ini.
Tabel 4.2 Statistik deskriptif
Descriptive statistics
N Minimum
Maximum Mean
Std. Deviation
NPM 54
0,01 18,46
1,2646 4,04110
ROE 54
0,10 27,88
7,5481 6,37500
DER 54
0,05 4,04
1,2437 0,91005
EPS 54
1,00 247,00
40,4074 47,54284
AHS 54
-0,90 7,57
0,4037 1,40591
Valid N listwise
54
Sumber : Output SPSS, diolah Penulis, 2011
Penjelasan tabel diatas sebagai berikut : a.
Variabel net profit margin NPM memiliki sampel N sebanyak 54; nilai minimum terkecil 0,01; nilai maksimum terbesar 18,46; mean nilai
rata-rata 1,2646; dan standar deviation simpangan baku variabel ini adalah 4,04110.
b. Variabel return on equity ROE memiliki sampel N sebanyak 54; nilai
minimum terkecil 0,10; nilai maksimum terbesar 27,88; mean nilai
Universitas Sumatera Utara
rata-rata 7,5481; dan standar deviation simpangan baku variabel ini adalah 6,37500.
c. Variabel debt to equity ratio DER memiliki sampel N sebanyak 54;
nilai minimum terkecil 0,05; nilai maksimum terbesar 4,04; mean nilai rata-rata 1,2437; dan standar deviation simpangan baku variabel
ini adalah 0,91005. d.
Variabel earning per share EPS memiliki sampel N sebanyak 54; nilai minimum terkecil -0,90; nilai maksimum terbesar 247,00; mean nilai
rata-rata 40,4074; dan standar deviation simpangan baku variabel ini adalah 47,54284.
e. Variabel perubahan harga saham
∆HS memiliki sampel N sebanyak 54; nilai minimum terkecil -0,90; nilai maksimum terbesar 7,57; mean
nilai rata-rata 0,4037; dan standar deviation simpangan baku variabel ini adalah 1,40591.
4.2 Pengujian Asumsi Klasik
Untuk menghasilkan suatu model regresi yang baik diperlukan pengujian asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis. Menurut
Ghozali 2005:123, asumsi klasik yang harus dipenuhi adalah : a.
berdistribusi normal, b.
non-multikolinearitas yaitu antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna
ataupun mendekati sempurna,
c. non-autokorelasi yaitu kesalahan pengganggu dalam model regresi
tidak saling berkorelasi, d.
non-heterokedastisitas yaitu variance variabel independen dari satu pengamatan ke pengamatan lain adalah konstan atau sama.
Universitas Sumatera Utara
4.2.1 Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik yang digunakan untuk mengetahui apakah data
sudah terdistribusi secara normal atau tidak. Ghozali 2005:115, memberikan pedoman pengambilan keputusan rentang data mendekati
atau merupakan distribusi normal berdasarkan uji Kolmogorov- Smirnov, dapat dilihat dari:
a. Jika nilai signifikan 0,05 maka distribusi data tidak normal,
b. Jika nilai signifikan 0,05 maka distribusi data normal.
Hipotesis yang digunakan adalah : H0 : Data residual berdistribusi normal, dan
Ha : Data residual tidak berdistribusi normal.
Tabel 4.3 Hasil Uji Normalitas
Unstandardized Residual
N 54
Normal Parameters
a,b
Mean 0,0000000
Std. Deviation 1,38629076
Most Extreme Differences Absolute
0,148 Positive
0,148 Negative
-0,137 Kolmogorov-Smirnov Z
0,907 Asymp. Sig. 2-tailed
0,187 a. Test distribution is Normal.
b. Calculated from data. Sumber : Output SPSS, diolah Penulis, 2011
Universitas Sumatera Utara
Berdasarkan hasil uji statistik dengan model Kolmogorov- Smirnov seperti yang terdapat dalam tabel 4.3 dapat diketahui bahwa :
1. Dari hasil pengolahan data pada tabel 4.2 diperoleh besarnya
nilai Kolmogorov-Smirnov adalah 1,089 dengan probabilitas signifikan Asymp.Sig.2-tailed adalah 0,187. Nilai tersebut di
atas α = 0,05 karena Asymp.Sig.2-tailed lebih besar dari α2 0,025. Hal ini berarti data residual terdistribusi secara
normal. Dengan demikian, Ha ditolak dan Ho diterima. 2.
Setelah data berdistribusi normal dapat dilanjutkan dengan uji asumsi klasik lainnya. Untuk lebih jelas berikut ini
dilampirkan grafik histogram dan grafik p-plot data yang telah berdistribusi normal.
Sumber : Output SPSS, diolah Penulis, 2011
Gambar 4.1 One Sample Kolmogorov- Smirnov Test
Universitas Sumatera Utara
Histogram
Grafik histogram menunjukkan pola distribusi normal karena grafik tidak menceng skewness kiri maupun menceng kanan. Dengan
demikian, dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan
menggunakan grafik normal p-plot seperti dibawah ini.
Sumber : Output SPSS, diolah Penulis, 2011
Gambar 4.2 Grafik Normal P-Plot
Berdasarkan grafik normal p-plot di atas terlihat bahwa data menyebar disekitar garis diagonal, maka dapat disimpulkan bahwa
model regresi telah memenuhi asumsi nomalitas. Hal ini sesuai dengan pernyataan Ghozali 2005:112, dimana pendeteksian normalitas dapat
dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan
Universitas Sumatera Utara
mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal.
4.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen dalam model regresi. Jika pada
model regresi terjadi multikolinearitas, maka koefisien regresi tidak dapat ditaksir dan nilai standard error menjadi tidak terhingga. Cara
yang digunakan untuk mendeteksi ada tidaknya multikolinearitas adalah dengan melihat tolerance value dan VIF. Menurut Ghozali 2005
“adanya gejala multikolinearitas dapat dilihat dari tolerance value atau nilai variance inflation factor VIF. Batas tolerance value adalah 0,1
dan batas VIF adalah 10”. Apabila tolerance value 0,1 atau VIF 10 = terjadi multikolinearitas akan tetapi jika tolerance value 0,1 atau
VIF 10 = tidak terjadi multikolinearitas.
Tabel 4.4 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
NPM 0,796
1,257 ROE
0,207 4,837
DER 0,703
1,422 EPS
0,243 4,114
Universitas Sumatera Utara
Berdasarkan data diatas dapat dilihat bahwa tolerance value dari setiap variabel independen adalah lebih besar dari 0,10 dan nilai VIF
dari setiap variabel independen adalah lebih kecil dari 10. Dengan demikian dapat disimpulkan bahwa dalam model regresi tidak terjadi
multikolinearitas antar variabel independen.
4.2.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
lain dalam model regresi. Model regresi yang baik adalah tidak terjadi heterokedastisitas atau terjadi homokedastisitas apabila titik-titik yang
ada membentuk pola tertentu yang teratur. Menurut Ghozali 2005:105, terdapat dua dasar pengambilan keputusan penentuan uji
heteroskedastisitas.
a. Jika ada pola tertentu seperti titik-titik yang ada membentuk
pola tertentu yang teratur bergelombang, melebar kemudian
a. Dependent Variable:
∆HS Sumber : Output SPSS, diolah Penulis, 2011
Universitas Sumatera Utara
menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi heterokedastisitas dengan mengamati penyebaran titik-
titik pada gambar.
Sumber : Output SPSS, diolah Penulis, 2011
Gambar 4.3 Hasil Uji Heteroskedastisitas Scatterplot
Berdasarkan grafik scatterplot tersebut dapat dilihat bahwa titik- titik menyebar secara acak serta tersebar baik diatas maupun dibawah
angka 0 pada sumbu Y. Grafik tersebut juga tidak membentuk pola tertentu atau tidak teratur. Hal ini mengidentifikasikan tidak terjadinya
Universitas Sumatera Utara
heteroskedasitas pada model regresi sehingga model regresi layak dipakai.
4.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada
periode saat ini t dengan kesalahan pengganggu sebelumnya t-1. Jika terjadi korelasi, maka terdapat autokorelasi. Autokorelasi muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual atau kesalahan pengganggu
tidak bebas dari satu observasi ke observasi lainnya. Jika terjadi autokorelasi dalam model regresi berarti koefisien korelasi yang
diperoleh menjadi tidak akurat, sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi.
Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokorelasi diantaranya adalah dengan Uji Durbin
Watson. Menurut Sunyoto 2009:91, untuk melihat ada tidaknya autokorelasi dilihat dari:
a. angka D-W di bawah –2 berarti ada autokorelasi positif,
b. angka D-W di antara -2 sampai +2, berarti tidak ada
autokorelasi, dan c.
angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
Tabel dibawah ini menyajikan hasil uji Durbin Watson dengan menggunakan program SPSS versi 18.0.
Tabel 4.5 Hasil Uji Autokorelasi
Sumber : Output SPSS, diolah Penulis, 2011
Hasil uji autokorelasi diatas menunjukkan bahwa tidak terjadi autokorelasi antar kesalahan pengganggu antar periode. Hal tersebut dilihat
dari nilai Durbin-Watson D-W sebesar 1,710. Angka D-W berada diantara -2 dan 2, yang mengartikan bahwa angka DW lebih besar dari -2 dan lebih
kecil dari 2. Dengan demikian, dapat disimpulkan bahwa tidak ada autokorelasi positif maupun negatif.
4.3 Analisis Regresi