BAB IV ANALISIS HASIL PENELITIAN
A. Analisis Statistik Deskriptif
Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata, dan standart deviasi untuk data yang digunakan dalam
penelitian:
Tabel 4.1
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation
EPS
51 .48
12120.21 7.1512E2
1789.59904
DER
51 .100
48.000 5.21392
10.872670
PER
51 .69
568.17 33.5555
93.21235
ROE
51 .03
83.76 20.2704
17.35604
return_saham
51 -.63
9.26 .4367
1.42940
Valid N listwise
51
Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa:
a. variabel earning per share EPS memiliki nilai minimum terkecil 48, nilai
maksimum terbesar 12120.21, mean nilai rata-rata 7.1512 dan Standart Deviation simpangan baku variabel ini adalah 1789.59904,
b. variabel debt to equity ratio DER memiliki nilai minimum terkecil 0.100,
nilai maksimum terbesar 48000, mean nilai rata-rata 5.21392 dan Standart Deviation simpangan baku variabel ini adalah 10.872670,
c. variabel price earning ratio PER memiliki nilai minimum terkecil 0.69
nilai maksimum terbesar 568.17, mean nilai rata-rata 33.5555 dan Standart Deviation simpangan baku variabel ini adalah 93.21235,
d. variabel price earning ratio PER memiliki nilai minimum terkecil 0.03
nilai maksimum terbesar 83.76, mean nilai rata-rata 20.2704 dan Standart Deviation simpangan baku variabel ini adalah 17.35604,
e. variabel return saham memiliki nilai minimum terkecil -0.63 nilai
maksimum terbesar 9.26, mean nilai rata-rata 0.4367 dan Standart Deviation simpangan baku variabel ini adalah 1.42940,
B. Hasil Uji Asumsi Klasik
1. Hasil Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak, dengan membuat
hipotesis sebagai berikut: H
o
: data residual H
terdistribusi normal,
a
Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Pada
penelitian ini akan digunakan kedua cara tersebut. : data residual terdistribusi tidak normal.
a Analisis Grafik
Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal.
Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data
dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik P-P Plot
Dengan melihat tampilan grafik histogram, penulis melihat bahwa gambar histogram telah berbentuk lonceng tetapi menceng ke arah kiri yang
menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot terlihat titik-titik tidak menyebar di sekitar garis diagonal dan jauh dari garis
diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas.
b Uji Statistik
Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas
data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji
Kolmogorov-Smirnov 1 sample KS dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05
maka data tersebut terdistribusi normal. Jika nilai signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov
dapat dilihat pada tabel 4.2. Tabel 4.2
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
51 Normal Parameters
a
Mean .0000000
Std. Deviation 1.41898362
Most Extreme Differences Absolute
.246 Positive
.246 Negative
-.213 Kolmogorov-Smirnov Z
1.757 Asymp. Sig. 2-tailed
.004 a. Test distribution is Normal.
Hasil uji Kolmogorov-Smirnov pada penelitian ini menujukkan probabilitas = 0,004. Dengan demikian, data pada penelitian ini tidak berdistribusi normal
karena probabilitas 0.05. Pada pengujian normalitas dengan analisis statistik dan grafik dapat ketahui
bahwa data yang digunakan oleh penulis tidak berdistribusi normal sehingga data ini tidak dapat digunakan untuk melakukan uji hipotesis. Pada penelitian ini
penulis menggunakan metode transformasi data untuk menormalkan data penelitian. Menurut Ghozali 2005:32, “data yang tidak terdistribusi secara
normal dapat ditransformasikan agar menjadi normal”. Salah satu trasformasi data yang dapat dilakukan adalah dengan mentransformasikan data ke LG10 atau
logaritma 10 atau LN. Hasil transformasi data dapat dilihat pada lampiran vi. Setelah dilakukan transformasi, penulis melakukan pengujian ulang terhadap uji
normalitas untuk melihat kembali apakah data penelitian ini telah berdistribusi normal atau tidak. Berikut hasil uji normalitas data setelah transformasi:
a Analisis Grafik
Gambar 4.3 Histogram
Gambar 4.4 P-Plot
b
Uji Statistik Tabel 4.3
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
30 Normal Parameters
a
Mean .0000000
Std. Deviation 1.27247081
Most Extreme Differences Absolute
.089 Positive
.075 Negative
-.089 Kolmogorov-Smirnov Z
.488 Asymp. Sig. 2-tailed
.971 a. Test distribution is Normal.
Dari grafik histogram dan normal probability plot pada gambar 4.3 dan gambar 4.4 di atas terlihat bahwa setelah dilakukan transformasi data ke
logaritma natural Ln terlihat bahwa grafik histogram memperlihatkan pola distribusi yang normal, dan grafik P-P Plot memperlihatkan titik-titik menyebar
di sekitarmengikuti arah garis diagonal yang menunjukkan pola distribusi normal. Hasil uji Kolmogorov-Smirnov pada tabel 4.3. pada penelitian ini menujukkan
probabilitas = 0,971. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,971
0,05 H
2. Hasil Uji Heteroskedastisitas
diterima.
Menurut Ghozali 2005:105, “Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas.
Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan data
crosssection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil,sedang,dan besar”.
Pengujian heteroskedastisitas dapat dilakukan dengan uji grafik dengan melihat grafik scatterplot yaitu dengan cara melihat titik-titik penyebaran pada
grafik dan uji glejser, dengan cara meregres seluruh variabel independen dengan nilai absolute residual absut sebagai variabel dependennya. Perumusan hipotesis
adalah : H
H : tidak ada heteroskedastisitas,
a
Jika signifikan 0,05 maka Ha diterima ada heteroskedastisitas dan jika signifikan 0,05 maka H
: ada heteroskedastisitas.
diterima tidak ada heteroskedastisitas.
Gambar 4.5 Uji Heteroskedastisitas scatterplot
Tabel 4.4 Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant .546
.845 .646
.524 lN_EPS
-.052 .086
-.153 -.607
.549 lN_DER
.041 .097
.090 .424
.675 lN_PER
.059 .161
.088 .367
.717 lN_ROE
.209 .214
.239 .974
.339 a. Dependent Variable: ABSUT
Pada gambar 4.5 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak tidak membentuk sebuh pola tertentu yang jelas serta tersebar baik
diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk
melihat pengaruh variabel independen terhadap variabel dependen. Dari tabel 4.4 diatas kita dapat melihat bahwa nilai signifikansi untuk variabel LN EPS adalah
0,549 0.05, nilai signifikansi untuk variabel LN DER adalah 0,675 0.05, nilai signifikan untuk variabel PER adalah 0.717 0.05 dan nilai signifikan
untuk variabel ROE adalah 0.339 0.05Dari hasil ini maka dapat disimpulkan
bahwa tidak terdapat masalah heteroskedastisitas karena variabel independennya memiliki signifikan lebih besar dari 0,05
3. Hasil Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode t-1
sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series.
Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. secara umum panduan mengenai angka Durbin-Watson dapat
diambil patokan sebagai berikut: 1
angka D-W dibawah -2 berarti ada autokorelasi positif, 2
angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3
angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.5 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .418
a
.174 .042
1.37049 1.592
a. Predictors: Constant, lN_ROE, lN_DER, lN_PER, lN_EPS b. Dependent Variable: lN_RETURN_SAHAM
Tabel 4.5 memperlihatkan nilai statistik D-W sebesar 1.592 Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa tidak
terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.
4. Uji Multikolineritas
Menurut Ghozali 2005:91,“Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas
independen”. 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. Apabila tolerance value 0,1 atau VIF 10 = tidak terjadi
multikolinearitas. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.6
Tabel 4.6 Hasil Uji Multikolineritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1 Constant
-2.611 1.567
-1.666 .108 lN_EPS
.215 .159
.322 1.350 .189 .582
1.717 lN_DER
-.272 .179
-.306 -1.519 .141 .815
1.228 lN_PER
.334 .299
.253 1.114 .276 .639
1.566 lN_ROE
.018 .398
.010 .044 .965
.616 1.622
a. Dependent Variable: lN_RETURN_SAHAM
Berdasarkan tabel 4.6 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki
tolerance value lebih kecil dari 0,1.Jadi dapat disimpulkan bahwa penelitian ini bebas dari adanya multikolinearitas. Dari hasil analisis, didapat nilai VIF untuk
variabel LN EPS adalah 1.717 10 dan nilai tolerance sebesar 0.582 0,1, Nilai VIF untuk variabel LN DER adalah 1.228 10 dan nilai tolerance
sebesar 0. 8150.1. Nilai VIF untuk variabel LN PER adalah 1.56610 dan nilai tolerance sebesar 0.6390,1, Nilai VIF untuk variabel LN ROE adalah
1.622 10 dan nilai tolerance sebesar 0.616 0.1Hasil ini maka dapat
disimpulkan bahwa semua variabel bebas yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas.
C. Hasil Pengujian Hipotesis
1. UJi Koefisien Determinasi
Besarnya kontribusi antara sumbangan yang diberikan oleh variabel earning per share, debt to equity ratio, price earning ratio dan raetun on equity terhadap
return saham pada perusahaan yang terdaftar di Bursa Efek Indonesia dapat diketahui dari nilai koefisien determinasi ganda atau R
2
. Dalam penelitian ini penulis menggunakan pengukuran dengan adjusted R
2
. Menurut Ghozali 2005:83,”oleh karena itu banyak peneliti menganjurkan untuk menggunakan
nilai pada saat mengevaluasi mana model regresi terbaik. Tidak seperti nilai R
2
, nilai Adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model”. Adjusted R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Dalam hal ini
adjusted R
2
Tabel 4.7
digunakan untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen. Hasil pengukuran koefisien determinasi
dapat dilihat pada tabel 4.7 sebagai berikut
Hasil Pengujian Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the Estimate
1 .418
a
.174 .042
1.37049 a. Predictors: Constant, lN_ROE, lN_DER, lN_PER, lN_EPS
b. Dependent Variable: lN_RETURN_SAHAM
Besarnya Adjusted R
2
berdasarkan hasil analisis dengan menggunakan SPSS 16 diperoleh sebesar 0,042. Dengan demikian besarnya pengaruh yang diberikan
oleh variabel ROE, DER, PER, EPS terhadap return saham adalah sebesar 4.2 . Sedangkan sisanya sebesar 95.8 adalah dipengaruhi oleh faktor lain yang
tidak diteliti dalam penelitian
ini.
2. Hasil pengujian Simultan Uji F
Uji F digunakan untuk mengetahui ada tidaknya pengaruh secara bersama- sama variabel bebas terhadap variabel terikat. Uji F dapat dicaridengan melihat F
hitung dari tabel Anova output
SPSS versi 16 for windows
, selain itu jugamembandingkan hasil dari probabilitas value. Jika probabilitas value
0,05maka Ho ditolak dan jika probabilitas value 0,05 maka Ha diterima. berdasarkan tabel 4.8 dibawah ini terlihat bahwa:
Tabel 4.8 Hasil Uji F
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
9.916 4
2.479 1.320
.290
a
Residual 46.956
25 1.878
Total 56.872
29 a. Predictors: Constant, lN_ROE, lN_DER, lN_PER, lN_EPS
b. Dependent Variable: lN_RETURN_SAHAM
Pada tabel Anova dapat diketahui nilai dengan nilai probabilitas value dalam penelitian ini adalah 0,290 yang berarti angka ini berada diatas 0,05. Kesimpulan
yang dapat diambil adalah variabel ROE, DER, PER dan EPS secara simultan bersama tidak berpengaruh terhadap return saham.
3.
Hasil Pengujian Parsial Uji t
Untuk mengetahui pengaruh masing-masing variabel bebas terhadap variabel terikat yaitu antara
ROE, DER, PER dan EPS terhadap return saham
dalam penelitian ini dilakukan pengujian terhadap koefisien regresi yaitu dengan uji t.
Berdasarkan perhitungan SPSS versi 16 for windows yang dapat dilihat pada tabel 4.9, dapat diketahui nilai probabilitas value masing-masing variabel independen
terhadap variabel dependen. Jika probabilitas value 0.05 maka Ho ditolak dan
dan jika probabilitas value 0,05 maka Ha diterima. berdasarkan tabel 4.9 dibawah
ini terlihat bahwa:
Tabel 4.9 Hasil Uji t
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant 2.611
1.567 1.666
.108 lN_EPS
.215 .159
.322 1.350
.189 lN_DER
-.272 .179
.306 1.519
.141 lN_PER
.334 .299
.253 1.114
.276 lN_ROE
.018 .398
.010 .044
.965 a. Dependent Variable: lN_RETURN_SAHAM
Variabel EPS berpengaruh positif dan tidak signifikan terhadap terhadap return saham . Hal ini dapat terlihat dari nilai signifikan 0.189 diatas lebih besar
0.05. Variabel DER berpengaruh negatif dan tidak signifikan terhadap return saham. Hal ini dapat terlihat dari nilai signifikan 0.141 diatas besar 0.05.
Variabel PER berpengaruh positif dan tidak signifikan terhadap return saham. Hal ini dapat terlihat dari nilai signifikan 0.276 diatas besar 0.05. Variabel
ROE berpengaruh positif dan tidak signifikan terhadap return saham. Hal ini
dapat terlihat dari nilai signifikan 0.965 diatas besar 0.05. Dari tabel 4.9 diatas dapat diperoleh model persamaan regresi berganda sebagai berikut:
Y = 2.611 + 0.215 X
1
-0.272 X
2
+0.334 X
3
+0.018 X
4
+ e
Keterangan:
a. Nilai konstanta adalah 2.611 artinya apabila variabel
ROE, DER, PER dan EPS
bernilai nol tidak ada maka return saham akan bernilai sebesar sebesar 2.611,
b. Nilai koefisien ROE adalah 0.215 artinya setiap kenaikan ROE akan
meningkatkan nilai return saham sebesar 0.215,
c. Nilai koefisien DER adalah -0.272 artinya setiap kenaikan DER akan
menurunkan nilai return saham sebesar 0.2723,
d. Nilai koefisien PER adalah 0.334 artinya setiap kenaikan PER akan
meningkatkan nilai return saham sebesar 0.334,
e. Nilai koefisien EPS adalah 0.018 artinya setiap kenaikan EPS akan
meningkatkan nilai return saham sebesar 0.018.
D. Pembahasan Hasil Penelitian
Penelitian ini bertujuan untuk mengetahui pengaruh antara antara earning per share, debt to equity ratio, price earning ratio dan return on equity terhadap
return saham baik secara parsial maupun simultan pada perusahaan kelompok Aneka Industri yang terdaftar di BEI Tahun 2007, 2008 dan 2009. Variabel
independen yang digunakan dalam penelitian ini adalah variabel earning per
share, debt to equity ratio, price earning ratio dan return on equity. Variabel dependen dalam penelitian ini adalah return saham. Populasi yang digunakan
dalam penelitian ini adalah seluruh perusahaan kelompok aneka industri
miscellaneous industry yang terdaftar di Bursa Efek Indonesia tahun 2007, 2008
dan 2009. Populasi penelitian berjumlah 45 perusahaan. Teknik pengambilan sampel yang digunakan adalah teknik purposive sampling dimana jumlah amatan
yang diperoleh dalam penelitian ini adalah 51 17 x 3 tahun. Pengujian yang digunakan dalam penelitian ini adalah uji asumsi klasik normalitas,
heteroskedastisitas, autokorelasi dan multikolineritas dan uji hipotesis uji t, uji F dan uji determinasi. Berdasarkan hasil uji besarnya adjusted R
2
berdasarkan hasil analisis dengan menggunakan SPSS 16 diperoleh sebesar 0,042. Dengan
demikian besarnya pengaruh yang diberikan oleh variabel ROE, DER, PER, EPS terhadap return saham adalah sebesar 4.2 . Sedangkan sisanya sebesar 95.8
adalah dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian
ini
. Berdasarkan hasil uji simultan diperoleh kesimpulan variabel variabel ROE, DER,
PER dan EPS secara simultan bersama tidak berpengaruh terhadap return saham. Hasil uji ini tidak sejalan dengan penelitian yang dilakukan oleh Wahid
2007 dan Artatik 2007. Penelitian ini sejalan dengan penelitian yang dilakukan oleh Roy 2006. Berdasarkan hasil uji parsial diperoleh variabel EPS
berpengaruh positif dan tidak signifikan terhadap terhadap return saham. Hasil uji ini tidak sejalan dengan penelitian yang dilakukan oleh Wahid 2007 dan
Artatik 2007. Variabel DER berpengaruh negatif dan tidak signifikan terhadap return saham.. Hasil uji ini sejalan dengan penelitian yang dilakukan
oleh Wahid 2007. Penelitian ini sejalan dengan penelitian yang dilakukan oleh Roy 2006. Variabel PER berpengaruh positif dan tidak signifikan terhadap
return saham. Penelitian ini sejalan dengan penelitian yang dilakukan oleh Wahid 2007 dan Sri Artatik 2006. Variabel ROE berpengaruh positif dan
tidak signifikan terhadap return saham.
BAB V KESIMPULAN DAN SARAN
A. Kesimpulan