Jenis dan Sumber Data Metode Pengumpulan Data Pengaruh Likuiditas Terhadap Return Saham Pengaruh Leverage Terhadap Return Saham

3.7. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan jenis data yang diperoleh secara tidak langsung yang dipublikasikan oleh Bursa Efek Indonesia melalui situs www.idx.co.id , laporan keuangan, ICMD, jurnal refensi, surat kabar dan literatur ilmiah lainnya yang berkaitan dengan topik penelitian.

3.8. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah: 3.8.1 Metode Dokumentasi Metode dokumentasi adalah metode pengumpulan data yang bersumber pada sumber-sumber tertulis. Metode dokumentasi dalam penelitian ini adalah mengambil data laporan keuangan perusahaan makanan dan minuman di Bursa Efek Indonesia dan Indonesia Capital Market Directory ICMD. 3.8.2 Metode Studi Pustaka Metode studi pustaka yaitu metode yang digunakan dengan memahami literatur-literatur yang memuat pembahasan yang berkaitan dengan penelitian dan juga pengumpulan data. 3.9. Teknik Analisis Data 3.9.1. Uji Asumsi Klasik

3.9.1.1 Normalitas Data

Pengujian normalitas memiliki tujuan untuk menguji apakah dalam model regresi, variable pengganggu atau residual memiliki 8QLYHUVLWDV6 XPDWHUD8WDUD distribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Untuk menguji normalitas data, penelitian ini menggunakan analisis grafik. Pengujian normalitas melalui analisis grafik adalah dengan cara menganalisis grafik normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data residual akan dibandingkan dengan garis diagonal. Data dapat dikatakan normal jika data atau titik-titik terbesar di sekitar garis diagonal dan penyebarannya mengikuti garis diagonal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan : 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas. 2. Jika data menyebar lebih jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak 8QLYHUVLWDV6 XPDWHUD8WDUD menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas Ghozali, 2005. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogrov-Smirnov K- S. Jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan di atas 0,05 maka data residual terdistribusi dengan normal. Sedangkan jika hasil Kolmogrov-Smirnov menunjukkan nilai signifikan dibawah 0,05 maka data residual terdistribusi tidak normal Ghozali,2005.

3.9.1.2 Uji Multikoliniearietas

Pengujian ini bertujuan untuk menguji apakah di dalam model analisis regresi adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Untuk mendeteksi ada tidaknya multikolinieritas di dalam regresi dapat dilihat dari: 1 tolerance value, 2 nilai variance inflation factor VIF. Model regresi yang bebas multikolinieritas adalah mempunyai nilai toleransi di atas 0,1 atau VIF di bawah 10 Ghozali, 2005. Apabila tolerance variance di bawah 0,1 atau VIF di atas 10, maka terjadi multikolinieritas.

3.9.1.3 Uji Heteroskedastisitas

Pengujian ini bertujuan apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut 8QLYHUVLWDV6 XPDWHUD8WDUD heterokedastisitas Ghozali, 2005. Salah satu cara untuk mendeteksi ada atau tidaknya heterokedastisitas adalah dengan menggunakan grafik Scatterplot antara nilai prediksi variable terikat dependen yaitu ZPRED dengan residualnya SRESID. Apabila nilai profitabilitas signifikansinya di atas tingkat kepercayaan 5 persen dan grafik Scatterplot, titik-titik menyebar diatas maupun dibawah angka nol pada sumbu Y, maka dapat disimpulkan model regresi tidak mengandung adanya heteroskedatisitas Ghozali, 2005.

3.9.1.4 Uji Autokorelasi

Pengujian ini dilakukan dengan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengguna pada periode t dengan kesalahan pada periode t- 1 Ghozali, 2005. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Uji autokorelasi ini dapat dilakukan dengan menggunakan uji Durbin- Watson DW, dimana hasil pengujian ditentukan berdasarkan nilai Durbin-Watson DW. Dasar pengambilan keputusan ada tidaknya autokorelasi dengan menggunakan Durbin-Watson adalah sebagai berikut Ghozali, 2005: a. Apabila nilai Durbin-Watson DW terletak antara 0 dan batas bawah atau Lower Bound DL, berarti ada autokorelasi positif. 8QLYHUVLWDV6 XPDWHUD8WDUD b. Apabila nilai DW terletak antara DL dan batas atas atau Upper Bound DU berarti tidak dapat diputuskan apakah terjadi autokorelasi positif atau tidak. c. Apabila nilai DW terletak antara 4-DL dan 4, berarti ada autokorelasi negatif. d. Apabila nilai DW terletak antara 4-DU dan 4-DL, berarti tidak diputuskan apakah terjadi autokorelasi negatif atau tidak. e. Apabila nilai DW terletak diantara batas atas atau Upper Bound DU dan 4-DU,maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi baik positif maupun negatif.

3.9.2 Uji Regresi Berganda

Regresi berganda dilakukan untuk mengetahui sejauh mana variabel bebas mempengaruhi variabel terikat. Pada regresi berganda terdapat satu variabel terikat dan lebih dari satu variabel bebas. Dalam penelitian ini yang menjadi variabel terikat adalah return saham, sedangkan yang menjadi variabel bebas adalah CR, DER, TAT dan ROA. Model hubungan return saham dengan variabel-variabel tersebut dapat disusun dalam fungsi atau persamaan sebagai berikut Y = a + b1X1 + b2X2 + b3X3 + b4X4 + e Dimana : Y = Return Saham a = Konstanta 8QLYHUVLWDV6 XPDWHUD8WDUD X1 = Rasio Likuiditas X2 = Rasio Leverage X3 = Rasio Aktivitas X4 = Tingkat Profitabilitas b1 = Koefisien Regresi Likuiditas b2 = Koefisien Regresi Leverage b3 = Koefisien Regresi Aktivitas b4 = Koefisien Regresi Profitabilitas e = Error Pengganggu

3.9.3 Pengujian Hipotesis

Dalam uji asumsi klasik dapat dilakukan analisis hasil regresi atau uji hipotesis. Uji hipotesis yang digunakan meliputi ; uji parsial t-test, uji pengaruh simultan F-test, uji koefisien determinasi R 2 .

3.9.3.1 Uji Hipotesis secara Parsial Uji t

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Cara untuk mengetahuinya yaitu dengan membandingkan nilai t hitung dengan nilai t tabel. Apabila nilai t hitung lebih besar dibandingkan dengan nilai t tabel maka berarti t hitung tersebut signifikan artinya hipotesis alternatif diterima yaitu variabel independen secara individual mempengaruhi variabel dependen. Selain itu, bisa juga dilakukan dengan melihat 8QLYHUVLWDV6 XPDWHUD8WDUD apakah p-value dari masing-masing variabel. Hipotesis diterima apabila p-value 5 Ghozali, 2007.

3.9.3.2 Uji Koefisien Regresi Simultan Uji F

Menurut Ghozali 2007, “Pada dasarnya menunjukkan arah apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen”. Cara untuk mengetahuinya yaitu dengan membandingkan nilai F hitung dengan nilai F tabel. Apabila nilai F hitung lebih besar dari nilai F tabel, maka hipotesis alternatif diterima artinya semua variabel independen secara bersama-sama dan signifikan mempengaruhi variabel dependen. Selain itu juga dapat dilihat berdasarkan probabilitas. Jika probabilitas signifikansi lebih kecil dari α= 0,05 maka variabel independen berpengaruh secara simultan terhadap variabel dependen.

3.9.3.3 Uji Koefisien Determinasi R

2 Koefisien determinasi R 2 mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen atau dangan kata lain untuk menguji goodness-fit dari model regresi. Nilai R 2 koefisien determinasi adalah antara 0 dan 1. Nilai R Square dikatakan baik jika diatas 0,5. Pada umumnya sampel dengan data deret waktu time series memiliki R Square maupun Adjusted R Square cukup tinggi diatas 0,5, sedangkan sampel dengan data item tertentu yang disebut data silang 8QLYHUVLWDV6 XPDWHUD8WDUD Crossection pada umumnya memiliki R Square maupun Adjusted R Square agak rendah dibawah 0,5, namun tidak menutup kemungkinan data jenis Crossection memiliki R Square maupun Adjusted R Square yang cukup tinggi. 8QLYHUVLWDV6 XPDWHUD8WDUD BAB IV HASIL DAN PEMBAHASAN

4.1 Hasil Penelitian

4.1.1 Statistik Deskriptif

Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata serta standard deviasi data yang digunakan dalam penelitian. Variabel dalam penelitian ini terdiri dari Likuiditas CR, Leverage DER, Aktivitas TAT dan Profitabilitas ROA. Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation CR 48 ,66 6,33 1,9302 1,15738 DER 48 ,19 8,43 1,2559 1,22638 TAT 48 ,00 2,96 1,3133 ,75915 ROA 48 ,00 ,42 ,1206 ,10265 RS 48 -,46 2,95 ,6386 ,87124 Valid N listwise 48 Sumber: Hasil Olah Data Statistik, 2013 Dari tabel di atas dapat di jelaskan bahwa: 1. Variabel Likuiditas CR memiliki nilai minimum 0.66 dan nilai maksimum 6.33. Rata-rata Likuiditas 1.9302 dengan standard deviasi 1.15738. 2. Variabel Leverage DER memiliki nilai minimum 0.19 dan nilai maksimum 8.43. Rata-rata Leverage 1.2559 dengan standard deviasi 1.22638. 8QLYHUVLWDV6 XPDWHUD8WDUD 3. Variabel Aktivitas TAT memiliki nilai minimum 0.00 dan nilai maksimum 2.96. Rata-rata Aktivitas 1.3133 dengan standard deviasi 0.75915. 4. Variabel Rrofitabilitas ROA memiliki nilai minimum 0.00 dan nilai maksimum 2.95. Rata-rata return saham 0.1206 dengan standard deviasi 0.10265. 5. Variabel Return Saham RS memiliki nilai minimum -0.46 dan nilai maksimum 0.57. Rata-rata profitabilitas 0.6386 dengan standard deviasi 0.87124. 6. Observasi berjumlah 48.

4.1.2 Hasil Uji Asumsi Klasik

4.1.2.1 Hasil Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal serta untuk menghindari bias dalam model regresi. Santoso 2004:34 memberikan pedoman pengambilan keputusan untuk data-data yang mendekati atau telah terdistribusi secara normal adalah : 1. Apabila nilai signifikansi atau nilai probabilitas 0.05, maka distribusi data normal. 2. Apabila nilai signifikansi atau nilai probabilitas 0.05, maka distribusi data tidak normal. Dalam penelitian ini pengujian normalitas menggunakan grafik histogram, grafik normal probability plot, dan uji statistik Kolmogorov- Smirnov untuk menguji distribusi data. 8QLYHUVLWDV6 XPDWHUD8WDUD Tabel 4.2 Hasil Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual CR DER TAT ROA RS N 48 48 48 48 48 48 Normal Parameters a,b Mean ,0000000 1,9302 1,2559 1,3133 ,1206 ,6386 Std. Deviation ,82036687 1,1573 8 1,22638 ,75915 ,10265 ,87124 Most Extreme Differences Absolute ,121 ,276 ,217 ,119 ,206 ,139 Positive ,121 ,276 ,217 ,119 ,206 ,139 Negative -,079 -,176 -,193 -,079 -,126 -,104 Kolmogorov-Smirnov Z ,841 1,912 1,504 ,824 1,426 ,961 Asymp. Sig. 2-tailed ,479 ,001 ,022 ,506 ,034 ,314 a. Test distribution is Normal. b. Calculated from data. Sumber : Data sekunder setelah diolah dengan SPSS, 2013 Hasil uji normalitas dengan uji statistik one sample Kolmogorov- Smirnov dapat dilihat pada tabel 4.2. Besarnya nilai Kolmogorov- Smirmov pada masing-masing-masing variabel ialah CR mempunyai nilai 1.912, DER sebesar 1.504, TAT sebesar 0.824, ROA sebesar 1.426 dan RS sebesar 0.961. Variabel pengganggu memiliki nilai Kolmogorov- Smirnov sebesar 0.841 dengan nilai signifikan 0.479. Hal ini menunjukkan bahwa variabel pengganggu sudah terdistribusi secara normal karena nilai signifikannya berada di atas 0.05. Untuk memperkuat hasil uji statistik one sample Kolmogorov- Smirnov ini, maka dilakukan juga uji normalitas dengan grafik histogram dan normal probability plot. Grafik histogram dan normal probability plot dapat digambarkan sebagai berikut: 8QLYHUVLWDV6 XPDWHUD8WDUD Gambar 4.1 Uji Normalitas dengan Histogram Sumber : Data sekunder setelah diolah dengan SPSS, 2013 Grafik histogram diatas menunjukkan bahwa data terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal yang seharusnya. Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan grafik plot sebagai berikut : 8QLYHUVLWDV6 XPDWHUD8WDUD Gambar 4.2 Uji Normalitas dengan Plot Sumber : Data sekunder setelah diolah dengan SPSS, 2011 Grafik histogram memberikan pola distribusi yang mendekati normal sedangkan pada grafik normal probability-plot yaitu titik-titik menyebar hanya di sekitar garis diagonal dan mengikuti arah garis diagonal. Hasil ini konsisten dengan uji Kolmogorov-Smirmov yang dijelaskan di atas. Berdasarkan grafik histogram dan grafik normal probability-plot tersebut dapat dikatakan bahwa data secara umum terdistribusi secara normal.

4.1.2.2 Hasil Uji Multikolinearitas

Menurut Erlina dan Mulyani 2007:107 uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara 8QLYHUVLWDV6 XPDWHUD8WDUD variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Uji multikolinearitas dalam penelitian ini dilakukan dengan melihat nilai tolerance dan variance inflation factor VIF. Jika suatu variabel bebas memiliki nilai VIF 10 maka dapat disimpulkan bahwa variabel tersebut tidak terjadi multikolinieritas dengan variabel bebas lainnya. Berikut ini adalah hasil uji multikolinieritas : Tabel 4.3 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Constant -,222 ,412 -,538 ,593 CR ,158 ,120 ,210 1,320 ,194 ,818 1,223 DER ,183 ,121 ,257 1,508 ,139 ,708 1,412 TAT ,210 ,170 ,183 1,236 ,223 ,943 1,060 ROA ,422 1,369 ,050 ,308 ,759 ,792 1,262 a. Dependent Variable: RS Sumber : Data Sekunder setelah diolah SPSS, 2013 Dari hasil pengujian di atas dapat dilihat bahwa angka tolerance likuiditas CR sebesar 0.818, leverage DER sebesar 0.708, aktivitas TAT sebesar 0.943 dan profitabilitas ROA 0.792 berada di atas 0.1 dan nilai VIF berada di bawah angka 10 yang berarti tidak ada korelasi antara variabel independen. Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antara variabel independen dalam model regresi. 8QLYHUVLWDV6 XPDWHUD8WDUD

4.1.2.3 Hasil Uji Autokorelasi

Untuk menguji ada tidaknya autokorelasi dalam penelitian ini digunakan uji Durbin Watson dengan melihat koefisien DW test. Tabel 4.4 Tingkat Autokorelasi Durbin Watson DW Kesimpulan Kurang dari 1,10 Ada autokorelasi 1,10 – 1,54 Tidak ada kesimpulan 1,55 – 2,46 Tidak ada autokorelasi 2,47 – 2,90 Tidak ada kesimpulan Lebih dari 2,91 Ada autokorelasi Tabel 4.5 Hasil Uji Durbin Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,337 a ,113 ,031 ,85768 1,126 a. Predictors: Constant, ROA, CR, TAT, DER b. Dependent Variable: RS Sumber : Data sekunder setelah diolah dengan SPSS, 2013 Nilai D-W menurut tabel 4.6 dengan tingkat signifikansi 5 dan nilai n = 48 serta k = 4 diperoleh angka dl = 1,3619 dan du = 1,7206. Oleh karena itu, nilai D-W lebih besar dari du 1,7206 dan lebih kecil dari 4 – 1,7206= 2,2794 4 – du, maka dapat disimpulkan bahwa tidak ada autokorelasi positif maupun autokorelasi negatif antar residual dan model regresi memenuhi syarat asumsi klasik tentang autokorelasi. 8QLYHUVLWDV6 XPDWHUD8WDUD Nilai R Square dari output diatas adalah sebesar 0.113. Ini berarti bahwa variabel independen yang terdiri dari likuiditas, leverage, aktivitas dan profitabilitas mampu menjelaskan variasi variabel dependen sebesar 11,3. Selebihnya dijelaskan oleh variabel lain yang tidak dimasukkan dalam model regresi dalam penelitian ini.

4.1.2.4 Hasil Uji Heterokedastisitas

Pengujian heterokedastisitas dilakukan dengan tujuan mengetahui apakah pada suatu regresi tersebut terjadi ketidaksamaan variance dari residual dari setiap pengamatan ke pengamatan lainnya berbeda. Untuk mendeteksi ada tidaknya heterokedastisitas dapat dilihat dari grafik scatterplot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID Ghozali, 2005:105. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu teratur, maka telah terjadi heterokedastisitas. Sebaliknya jika tidak ada pola yang jelas serta titik-titik yang menyebar maka tidak terjadi heterokedaastisitas. Hasil uji heterokedastisitas dapat ditunjukkan dalam grafik scatterplot antara ZPRED dan SREIS sebagai berikut : 8QLYHUVLWDV6 XPDWHUD8WDUD Gambar 4.3 Uji Heterokedastisitas Sumber : Data sekunder setelah diolah dengan SPSS, 2013 Dari grafik scatterplot pada gambar 4.3 terlihat bahwa titik-titik yang ada menyebar secara acak. Titik-titik juga terdapat baik di atas maupun di bawah angka 0 pada sumbu Y. Oleh karena itu, dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak digunakan. 8QLYHUVLWDV6 XPDWHUD8WDUD

4.1.3 Hasil Pengujian Analisis Berganda

4.1.3.1 Hasil Uji Koefisien Determinasi Regresi R

2 Uji regresi digunakan untuk mengukur proporsi atau persentase sumbangan variabel independen yang diteliti terhadap variasi naik turunnya variabel dependen. Hasil uji koefisien determinasi dapat dilihat pada tabel berikut: Tabel 4.6 Hasil Uji Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 ,337 a ,113 ,031 ,85768 1,126 a. Predictors: Constant, ROA, CR, TAT, DER b. Dependent Variable: RS Sumber : Data sekunder setelah diolah dengan SPSS, 2013 Dari tabel 4.6 diketahui bahwa antara hubungan antara variabel likuiditas, leverage, aktivitas dan profitabilitas terhadap return saham sebesar 33,7. Artinya terdapat hubungan yang cukup erat. Adjusted R Square sebesar 0,31 berarti variabel independen mempengaruhi return saham sebesar 3,1 dan sisanya 100 - 3,1 = 96,9 dijelaskan oleh faktor lain diluar model.

4.1.3.2 Hasil Uji Signifikan Simultan F-Test

Uji F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh bersama-sama terhadap variabel dependen. 8QLYHUVLWDV6 XPDWHUD8WDUD Hipotesis yang akan diuji adalah sebagai berikut: H0: b1 = b2 = b3 = 0 H1: b1 ≠ b2 ≠ b3 ≠ 0 Yang memiliki arti: HO : likuiditas, leverage, aktivitas dan profitabilitas tidak berpengaruh secara bersama-sama terhadap return saham. H1 : likuiditas, leverage, aktivitas dan profitabilitas berpengaruh secara bersama-sama terhadap return saham. Hipotesis tersebut akan di uji dengan uji F dengan kriteria pengambilan keputusan sebagai berikut: 1. Terima H0 jika nilai F hitung F tabel dan nilai signifikan α 0.05. 2. Tolak H0 terima H1 jika nilai F hitung F tabel dan nilai signifikan α 0.05. Tabel 4.7 Hasil Uji Signifikan Simultan F-Test ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 4,044 4 1,011 1.375 ,259 a Residual 31,631 43 ,736 Total 35,676 47 a. Predictors: Constant, ROA, CR, TAT, DER b. Dependent Variable: RS Sumber : Data sekunder setelah diolah dengan SPSS, 2013 Dari uji Anova atau F-test pada tabel 4.7 diperoleh nilai F hitung sebesar 1.375 dengan tingkat signifikan sebesar 0,259 sedangkan F 8QLYHUVLWDV6 XPDWHUD8WDUD tabel pada taraf signifikan 5 dan df:4 adalah 2.59. Berdasarkan hasil tersebut dapat disimpulkan bahwa H0 diterima H1 ditolak, F hitung F tabel dan tingkat signifikan 0,259 0,05, yang menunjukkan bahwa hipotesisn H 5 : ditolak, dimana variabel independen yang terdiri atas likuiditas, leverage, aktivitas dan profitabilitas tidak berpengaruh secara bersama-sama terhadap return saham.

4.1.3.3 Hasil Uji Signifikan Parsial T-Test

Pengujian t-test digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel independen terhadap variabel dependen. Hipotesis yang akan diuji yaitu: H0: bi = 0, artinya tidak terdapat pengaruh yang signifikan dari likuiditas, leverage, aktivitas dan profitabilitas secara parsial terhadap return saham. H1: bi ≠ 0, artinya terdapat pengaruh yang signifikan dari likuiditas, leverage, aktivitas dan profitabilitas secara parsial terhadap return saham. Dengan menggunakan tingkat signifikan = 5, jika nilai sig. t 0,05 maka H0 diterima, artinya tidak ada pengaruh yang signifikan secara parsial dari variabel bebas terhadap variabel terikat. Sebaliknya jika nilai sig. t 0,05 maka H1 diterima, artinya ada pengaruh yang signifikan secara parsial dari variabel bebas terhadap variabel terikat. 8QLYHUVLWDV6 XPDWHUD8WDUD Tabel 4.8 Hasil Uji Signifikan Parsial T-Test Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -,222 ,412 -,538 ,593 CR ,158 ,120 ,210 1,320 ,194 DER ,183 ,121 ,257 1,508 ,139 TAT ,210 ,170 ,183 1,236 ,223 ROA ,422 1,369 ,050 ,308 ,759 a. Dependent Variable: RS Sumber : Data sekunder setelah diolah dengan SPSS, 2013

a. Pengaruh Likuiditas Terhadap Return Saham

Dari uji t yang telah dilakukan pada tabel 4.8 di atas, diperoleh nilai signifikan untuk variabel independen likuiditas sebesar 0.194 0.05 dan nilai t hitung 1.320 t tabel 1.678 sehingga dapat disimpulkan bahwa H0 diterima dan tidak terdapat pengaruh yang signifikan dari likuiditas secara parsial terhadap return saham. Dengan demikian dapat disimpulkan bahwa hipotesis terhadap H 1 : Current Ratio CR ditolak. Hasil ini didukung dengan penelitian yang telah dilakukan Restiyani 2006 pada perusahaan otomotif, dimana CR secara individual tidak berpengaruh secara signifikan terhadap return saham.

b. Pengaruh Leverage Terhadap Return Saham

8QLYHUVLWDV6 XPDWHUD8WDUD Tabel 4.8 menunjukkan nilai signifikan untuk variabel independen leverage sebesar 0.139 0.05 dan nilai t hitung 1.508 t tabel 1.678 sehingga dapat disimpulkan bahwa H0 diterima dan tidak terdapat pengaruh yang signifikan dari variabel leverage secara parsial terhadap return saham. Dengan demikian dapat disimpulkan bahwa hipotesis terhadap H 2 : Debt to Equity Ratio DER diterima. Hasil ini didukung dengan penelitian yang telah dilakukan Restiyani 2006, dimana DER secara individual tidak berpengaruh secara signifikan terhadap return saham. Namun hasil penelitian yang dilakukan Natarsyah 2000 dan Prasetyo 2005, DER berpengaruh secara positif dan signifikan terhadap nilai return saham.

c. Pengaruh Aktivitas Terhadap Return Saham