55
BAB IV HASIL PENELITIAN
A. Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data
dimulai dengan mengolah data dengan menggunakan Microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda.
Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS versi 16. Prosedur dimulai dengan memasukkan variabel-variabel
penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah
ditetapkan, didapat 18 perusahaan yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini dan diamati selama periode 2005-2007.
Tabel 4.1 Daftar Sampel Perusahaan Makanan dan Minuman
No Nama Perusahaan
Kode Emiten
Tanggal Berdiri
Tanggal Listing
1. PT. Ades Waters Indonesia Tbk
ADES 06 Mar 1985
13 Jun 1994 2. PT. Aqua Golden Mississippi
Tbk AQUA
23 Feb 1973 01 Mar 1990
3. PT. Cahaya Kalbar Tbk CEKA
09 Des 1980 09 Jul 1996
4. PT. Davomas Abadi Tbk DAVO
14 Mar 1990 22 Des 1994
5. PT. Delta Djakarta Tbk DLTA
15 Jun 1970 27 Feb 1984
6. PT. Fast Food Indonesia Tbk FAST
19 Jun 1978 11 Mei 1993
7. PT. Indofood Sukses Makmur INDF
14 Agu 1990 14 Jul 1994
Universitas Sumatera Utara
56 Tbk
8. PT. Mayora Indah Tbk MYOR
17 Feb 1977 04 Jul 1990
9. PT. Multi Bintang Indonesia Tbk
MLBI 03 Jun 1929
15 Des 1981 10. PT. Pioneerindo Gourmet
International Tbk PTSP
13 Des 1983 30 Mei 1994
11. PT. Prashida Aneka Niaga Tbk
PSDN 16 Apr 1974
18 Okt 1994 12. PT. Sekar Laut Tbk
SKLT 19 Jul 1976
08 Sep 1993 13. PT. Siantar TOP Tbk
STTP 12 Mei 1987
16 Des 1996 14. PT. Sierad Produce Tbk
SIPD 06 sep 1985
27 Des 1996 15. PT. SMART Tbk
SMAR 18 Jun 1962
20 Nov 1992 16. PT. Tiga Pilar Sejahtera Food
Tbk AISA
26 jan 1990 11 Jun 1997
17. PT. Tunas Baru Lampung Tbk TBLA
22 Des 1973 14 Feb 2000
18. PT. Ultra Jaya Milk Tbk ULTJ
02 Nov 1971 02 Jul 1990
Sumber: Penulis, 2009.
B. Analisis Hasil Penelitian 1.
Analisis Statistik Deskriptif
Informasi yang dibutuhkan dalam penelitian ini merupakan data sekunder yang diperoleh dari www.idx.co.id dan Indonesian Capital Market Directory
berupa data keuangan sampel perusahaan manufaktur kategori barang konsumsi subbagian makanan dan minuman dari tahun 2005 sampai tahun 2007 yang
dijabarkan dalam bentuk statistik. Variabel dari penelitian ini terdiri dari arus kas dari aktivitas operasi, arus kas
dari aktivitas investasi dan arus kas dari aktivitas pendanaan sebagai variabel bebas independent variable dan harga saham sebagai variabel terikat dependent
Universitas Sumatera Utara
57 variable. Statistik deskriptif dari variabel tersebut dari sampel perusahaan
makanan dan minuman selama periode 2005 sampai dengan tahun 2007 disajikan dalam tabel 4.2 berikut.
Tabel 4.2 Statistik Deskriptif Variabel-Variabel Selama Tahun 2005 sampai Tahun
2007
N Minimum
Maximum Mean
Std. Deviation Statistic
Statistic Statistic
Statistic Statistic
lg10_ako 54
-.031517 4.032879
2.00106128 .981285923
lg10_aki 54
-.552842 1.865222
.35520499 .246774517
lg10_akp 54
.025306 3.139923
1.79193795 .529348403
lg10_hs 54
1.698970 5.112270
2.99625718 .928536871
Valid N listwise 54
Sumber: Data yang diolah penulis, 2009.
Tabel diatas menunjukkan bahwa variabel arus kas dari aktivitas operasi AKO dan arus kas dari aktivitas investasi AKI memiliki nilai minimun negatif
sedangkan variabel arus kas dari aktivitas pendanaan AKP dan harga saham HS memiliki nilai minimum positif. Untuk nilai maksimum, semua variabel
juga memiliki nilai yang positif. Akan tetapi hal ini tidak menunjukkan bahwa arus kas dari aktivitas pendanaan dan harga saham selalu positif karena nilai
diatas merupakan hasil pengolahan data yang telah ditransformasikan dengan menggunakan LG10.
Universitas Sumatera Utara
58 Berikut ini perincian data deskriptif yang telah diolah:
a. Variabel LG10_AKO memiliki nilai minimum -0,031517 dan maksimum
4,032879 dengan rata-rata LG10_AKO per lembar saham sebesar 2,00106128 dengan jumlah sampel sebanyak 54 perusahaan.
b. Variabel LG10_AKI memiliki nilai minimum -0,552842 dan nilai
maksimum 1,865222 dengan rata-rata LG10_AKI per lembar saham sebesar 0,35520499 dengan jumlah sampel sebanyak 54 perusahaan.
c. Variabel LG10_AKP memiliki nilai minimum 0,25306 dan nilai
maksimum 3,139923 dengan rata-rata LG10_AKP per lembar saham sebesar 1,79193795 dengan jumlah sampel 54 perusahaan.
d. Variabel LG10_HS memiliki nilai minimum 1,698970 dan nilai
maksimum 5,112270 dengan rata-rata LG10_HS sebesar 2,99624718 dengan jumlah sampel 54 perusahaan.
2. Uji Asumsi Klasik
a. Uji Normalitas
Pengujian normalitas data dalam penelitian ini mengunakan uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis:
H : Data residual berdistribusi normal
H
a
: Data residual tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka H
diterima, sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H
ditolak.
Universitas Sumatera Utara
59
Tabel 4.3 Uji Normalitas Sebelum Data Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Mean .0000000
Normal Parameters
a
Std. Deviation 8.29709327E3
Absolute .270
Positive .270
Most Extreme Differences Negative
-.216 Kolmogorov-Smirnov Z
1.987 Asymp. Sig. 2-tailed
.001 a. Test distribution is Normal.
Sumber: Data yang diolah penulis, 2009.
Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 1,987 dan signifikansi pada 0,001 maka disimpulkan data tidak
terdistribusi secara normal karena p = 0,001 0,05. Data yang tidak terdistribusi secara normal tersebut juga dapat dilihat melalui grafik histogram dan grafik
normal plot data.
Gambar 4.1 Histogram sebelum data ditransformasi
Sumber : Data yang diolah penulis, 2009.
Universitas Sumatera Utara
60 Dengan cara membandingkan antara data observasi dengan distribusi yang
mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data tidak normal karena grafik histogram menunjukkan distribusi data
tidak mengikuti garis diagonal yaitu menceng kekiri positive skewness.
Gambar 4.2 Grafik Normal P-P Plot sebelum data ditransformasi
Sumber: Data yang diolah penulis, 2009.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta
penyebarannya agak menjauh dari garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal. Dari hasil uji
normalitas dengan Kolmogorov-Smirnov K-S, grafik histogram dan grafik normal plot menunjukkan data tidak terdistribusi secara normal. Ada beberapa
cara mengubah model regresi menjadi normal menurut Jogiyanto 2004:172, yaitu:
Universitas Sumatera Utara
61 4
Dengan melakukan transformasi data, 5
Lakukan trimming, 6
Lakukan winsorizing. Untuk mengubah nilai residual agar berdistribusi normal, penulis melakukan
transformasi data ke model LG10 dari persamaan HS = fAKO, AKI, AKP, menjadi LG10_HS = fLG10_AKO, LG10_AKI, LG10_AKP. Kemudian, data
diuji ulang berdasarkan asumsi normalitas. Berikut ini hasil pengujian Kolmogorov-Smirnov K-S:
Tabel 4.4 Uji Normalitas Setelah Data Ditransformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 54
Mean .0000000
Normal Parameters
a
Std. Deviation .50597621
Absolute .116
Positive .064
Most Extreme Differences Negative
-.116 Kolmogorov-Smirnov Z
.853 Asymp. Sig. 2-tailed
.461 a. Test distribution is Normal.
Sumber: Data yang diolah penulis, 2009.
Dari tabel diatas, besarnya Kolmogorv-Smirnov K-S adalah 0,853 dan signifikansi pada 0,461 sehingga dapat disimpulkan bahwa data dalam model
regresi telah terdistribusi secara normal, dimana nilai signifikansinya 0,05 p = 0,461 0,005. Dengan demikian, secara keseluruhan dapat disimpulkan bahwa
Universitas Sumatera Utara
62 nilai-nilai observasi data telah terdistribusi secara normal dan dapat dilanjutkan
dengan uji asumsi klasik lainnya. Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram dan plot data yang terdistribusi normal.
Gambar 4.3 Histogram setelah data ditransformasi
Sumber: Data yang diolah penulis, 2009.
Gambar 4.4 Grafik Normal P-P Plot setelah data ditransformasi
Sumber: Data yang diolah penulis, 2009.
Universitas Sumatera Utara
63 Dengan cara membandingkan antara data observasi dengan distribusi yang
mendekati distribusi normal, dari grafik di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data
mengikuti garis diagonal yang tidak menceng skewness ke kiri maupun ke kanan atau normal.
Demikian pula dengan hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta
penyebarannya agak mendekati dengan garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
b. Uji Multikolinearitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinearitas
adalah dengan melihat nilai tolerance dan variance inflation factor VIF, menganalisis matrik korelasi variabel-variabel independen, melihat nilai
Condition Index CI serta membandingkan nilai R
2
model utama awal terhadap nilai R
2
dari masing-masing auxilary regression antar variabel independen. Besarnya tingkat kolinearitas yang masih dapat ditolerir, yaitu: Tolerance 0.10,
Variance Inflation Factor VIF 10, Condition Index 10. Berikut disajikan tabel hasil pengujian:
Universitas Sumatera Utara
64
Tabel 4.5 Coefficients untuk LG10_HS = fLG10_AKO, LG10_AKI, LG10_AKP
Collinearity Statistics Model
Tolerance VIF
Constant LG10_AKO
.981 1.019
LG10_AKI .953
1.049 1
LG10_AKP .960
1.042 a. Dependent Variable: LG10_HS
Sumber: Data yang diolah penulis, 2009.
Tabel 4.6 Cofficients Correlations untuk LG10_HS = fLG10_AKO, LG10_AKI,
LG10_AKP
Model LG10_AKP
LG10_AKO LG10_AKI
LG10_AKP 1.000
-.066 -.181
LG10_AKO -.066
1.000 -.106
Correlations
LG10_AKI -.181
-.106 1.000
LG10_AKP .024
.000 -.010
LG10_AKO .000
.007 -.003
1
Covariances
LG10_AKI -.010
-.003 .113
a. Dependent Variable: LG10_HS
Sumber: Data yang diolah penulis, 2009.
Tabel 4.7 Collinearity Diagnostics untuk LG10_HS = fLG10_AKO, LG10_AKI,
LG10_AKP
Variance Proportions Model
Dimen sion
Eigenvalue Condition Index
Constant LG10_AKO LG10_AKI LG10_AKP 1
3.498 1.000
.01 .02
.02 .01
2 .292
3.463 .01
.14 .91
.01 3
.163 4.628
.05 .77
.07 .17
1
4 .047
8.625 .93
.08 .00
.81 a. Dependent Variable: LG10_HS
Sumber: Data yang diolah penulis, 2009.
Universitas Sumatera Utara
65
Tabel 4.8 R
2
LG10_AKO = fLG10_AKI, LG10_AKP
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.136
a
.019 -.020
.990980755 a. Predictors: Constant, LG10_AKP, LG10_AKI
b. Dependent Variable: LG10_AKO
Sumber: Data yang diolah penulis, 2009.
Tabel 4.9 R
2
LG10_AKI = fLG10_AKO, LG10_AKP
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.216
a
.047 .009
.245611715 a. Predictors: Constant, LG10_AKP, LG10_AKO
b. Dependent Variable: LG10_AKI
Sumber: Data yang diolah penulis, 2009.
Tabel 4.10 R
2
LG10_AKP = fLG10_AKO, LG10_AKI
Model R
R Square Adjusted R Square
Std. Error of the Estimate
1 .200
a
.040 .003
.528671406818107 a. Predictors: Constant, LG10_AKI, LG10_AKO
b. Dependent Variable: LG10_AKP
Sumber: Data yang diolah penulis, 2009. Melihat hasil besaran korelasi antar variabel independen tampak bahwa
variabel LG10_AKO mempunyai korelasi sebesar -0.066 atau sekitar 6,6 dengan variabel LG10_AKP. Variabel LG10_AKO mempunyai korelasi sebesar -
0.106 atau sekitar 10,6 dengan variabel LG10_AKI. Variabel LG10_AKI mempunyai korelasi sebesar -0.181 atau sekitar 18,1 dengan variabel
Universitas Sumatera Utara
66 LG10_AKP. Hasil dari coefficient correlations tersebut menunjukkan tidak ada
korelasi yang tinggi umumnya diatas 0,95, maka hal ini merupakan indikasi tidak adanya multikolonieritas.
Hasil perhitungan nilai tolerance menunjukkan variabel independen memiliki nilai tolerance 0.10 yaitu 0,981 untuk variabel LG10_AKO, 0,953 untuk
variabel LG10_AKI dan 0,960 untuk variabel LG10_AKP yang berarti tidak terjadi korelasi antar variabel independen. Hasil perhitungan VIF juga
menunjukkan hal yang sama dimana variabel independen memiliki nilai VIF kurang dari 10 yaitu 1,019 untuk variabel arus kas dari aktivitas operasi, 1,049
untuk variabel arus kas dari aktivitas investasi, 1,042 untuk variabel arus kas dari aktivitas pendanaan.
Hasil perhitungan nilai CI menunjukkan variabel independen memiliki nilai CI 10 yaitu 3,463 untuk variabel LG10_AKO, 4,628 untuk variabel LG10_AKI
dan 8,625 untuk variabel LG10_AKP. Berdasarkan tabel tersebut dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen dalam
model ini. Nilai
R
2
dari masing-masing auxilary regression antar variabel independen menunjukkan diantara variabel independen tidak terjadi gejala multikolinearitas,
dimana nilai R
2
model utama sebesar 0,703 lebih besar dibanding nilai R
2
masing- masing model auxilary regression antar variabel independen. Nilai R
2
LG10_AKO = fLG10_AKI, LG10_AKP yaitu 0,019, nilai R
2
LG10_AKP = fLG10_AKO, LG10_AKI yaitu 0,047 dan nilai R
2
LG10_AKP = fLG10_AKO, LG10_AKI yaitu 0,040.
Universitas Sumatera Utara
67
c. Uji Heteroskedastisitas
Dalam penelitian
ini, untuk mendeteksi ada tidaknya gejala
heteroskedastisitas adalah dengan melihat plot grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan
keputusannya adalah: 1
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang terartur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 2
Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau
terjadi homoskedastisitas. Berikut ini dilampirkan grafik scatterplot untuk menganalisis apakah terjadi
heteroskedastisitas atau terjadi homoskedastisitas dengan mengamati penyebaran titik-titik pada gambar.
Gambar 4.5 Scatterplot
Sumber: Data yang diolah penulis, 2009.
Universitas Sumatera Utara
68
Tabel 4.11 Uji Glejser
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
.543 .220
2.469 .018
LG10_AKO -.018
.056 -.051
-.320 .751
LG10_AKI .044
.227 .031
.194 .847
1
LG10_AKP -.087
.105 -.133
-.824 .415
a. Dependent Variable: ABS_UT
Sumber: Data yang diolah penulis, 2009.
Tabel 4.12 Uji Park
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
-2.529 1.787
-1.415 .165
LG10_AKO .049
.457 .017
.106 .916
LG10_AKI .567
1.845 .050
.307 .760
1
LG10_AKP -.516
.857 -.098
-.601 .551
a. Dependent Variable: LN_RES_RES
Sumber: Data yang diolah penulis, 2009.
Dari grafik
scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Adanya titik-titik yang menyebar menjauh dari titik-titik yang lain dikarenakan adanya
data observasi yang sangat berbeda dengan data observasi yang lain .
Universitas Sumatera Utara
69 Hasil tampilan output SPSS untuk uji glejser dengan jelas menunjukkan tidak
ada indikasi terjadi heteroskedastisitas. Menurut Ghozali 2005: 109 indikasi tidak terjadinya heteroskedastisitas terlihat dari probabilitas signifikansinya di atas
tingkat kepercayaan 0,05. Dari hasil regresi variabel independen terhadap variabel dependen nilai absolut unstandardized residual Abs_Ut tampak bahwa
variabel LG10_AKO memiliki signifikansi 0,751, variabel LG10_AKI memiliki signifikansi 0,847 dan variabel LG10_AKP memiliki signifikansi 0,415 dimana
nilai signifikansi masing-masing variabel independen di atas tingkat kepercayaan 0,05 yang berarti tidak terjadi gejala multikolinearitas. Hal ini konsisten dengan
hasil uji scatterplots. Uji park dilakukan dengan meregres nilai logaritma natural dari kuadrat
residual sebagai variabel dependen terhadap variabel-variabel independen. Menurut Ghozali 2005: 108 “apabila koefisien parameter beta dari persamaan
regresi tersebut signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heteroskedastisitas, dan sebaliknya”.
Hasil tampilan output SPSS menunjukkan koefisien parameter untuk variabel independen tidak ada yang signifikan, yaitu 0,916 untuk variabel LG10_AKO
0,916 0,050, 0,760 untuk variabel LG10_AKI 0,760 0,050 dan 0,551 untuk variabel LG10_AKP 0,551 0,050. Maka dapat disimpulkan bahwa model
regresi tidak terdapat heteroskedastisitas.
Universitas Sumatera Utara
70
d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya. Hal ini sering ditemukan pada
data time series. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson dan Runs Test.
Untuk uji Durbin Watson memiliki ketentuan sebagai berikut: 1.
Tidak ada autokorelasi positif, jika 0 d dl. 2.
Tidak ada autokorelasi positif, jika dl ≤ d ≤ du.
3. Tidak ada korelasi negatif, jika 4 - dl d 4.
4. Tidak ada korelasi negatif, jika 4 – du
≤ d ≤ 4 – dl. 5.
Tidak ada autokorelasi, positif atau negatif, jika du d 4 – du.
Tabel 4.13 Hasil Uji Durbin Watson
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .838
a
.703 .680
.58984 1.935
a. Predictors: Constant, LG10_AKP, LG10_AKO, LG10_AKI b. Dependent Variable: LG10_HS
Sumber: Data yang diolah penuis, 2009.
Universitas Sumatera Utara
71
Tabel 4.14 Hasil Runs Test
Unstandardized Residual
Test Value
a
-.03644 Cases Test Value
27 Cases = Test Value
27 Total Cases
54 Number of Runs
25 Z
-.824 Asymp. Sig. 2-tailed
.410 a. Median
Sumber: Data yang diolah penulis, 2009.
Tabel 4.13 memperlihatkan nilai statistik D-W sebesar 1,935 d, untuk k = 3 nilai d
u
= 1,680, maka 1,680 d
u
1,953 d 2,320 4 – d
u
dari pengamatan ini dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi
negatif. Hasil output SPSS untuk runs test menunjukkan nilai test sebesar - 0,03644 dengan probabilitas 0,410 signifikan pada 0,050 p=0,410 0,050 yang
berarti H diterima, sehingga dapat disimpulkan bahwa residual random atau tidak
terjadi autokorelasi antar nilai residual.
3. Analisis Regresi
Dari hasil pengujian asumsi klasik disimpulkan bahwa bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best
Linear Unbiased Estimator BLUE dan layak dilakukan analisis regresi. Untuk menguji hipotesis, peneliti menggunakan analisis regresi berganda. Berdasarkan
Universitas Sumatera Utara
72 hasil pengolahan data dengan program SPSS 16, maka diperoleh hasil sebagai
berikut:
a. Persamaan Regresi
Dalam pengolahan data dengan menggunakan regresi linear, dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan
variabel dependen, melalui pengaruh LG10_AKO, LG10_AKI dan LG10_AKP terhadap LG10_HS. Hasil regresi dapat dilihat pada tabel 4.15 berikut ini:
Tabel 4.15 Analisis Hasil Regresi
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
1.347 .326
4.135 .000
LG10_AKO .794
.083 .839
9.522 .000
LG10_AKI -.152
.336 -.040
-.451 .654
1
LG10_AKP .064
.156 .037
.412 .683
a. Dependent Variable: LG10_HS
Sumber: Data yang diolah penulis, 2009.
Berdasarkan tabel di atas, didapatlah persamaan regresi sebagai beikut: LG10_HS = 1,347+0,794 LG10_AKO - 0,152 LG10_AKI + 0.064 LG10_AKP+
ε Setelah diantilogkan, diperoleh persamaan:
HS = 22,233 + 6,223 AKO + 0,704 AKI + 1,159 AKO+ ε
Keterangan : 1
Konstanta sebesar 22,233 menunjukkan bahwa apabila tidak ada variabel independen X
1
= 0, X
2
= 0 dan X
3
= 0 maka harga saham sebesar 22,233.
Universitas Sumatera Utara
73 2
β
1
sebesar 6,223 menunjukkan bahwa setiap kenaikan arus kas dari aktivitas operasi sebesar 1 akan diikuti oleh kenaikan harga saham
sebesar 6,223 dengan asumsi variabel lain tetap. 3
β
2
sebesar 0,704 menunjukkan bahwa setiap kenaikan arus kas dari aktivitas investasi sebesar 1 akan diikuti oleh kenaikan harga saham
sebesar 0,704 dengan asumsi variabel lain tetap. 4
β
3
sebesar 1,159 menunjukkan bahwa setiap kenaikan arus kas dari aktivitas pendanaan sebesar 1 akan diikuti oleh kenaikan harga saham
sebesar 1,159 dengan asumsi variabel lain tetap.
b. Analisis Koefisien Korelasi dan Koefisien Determinasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0.5 dan mendekati 1.
Koefisien determinasi
R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah 0 sampai
dengan 1. Apabila nilai R square semakin mendekati 1, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi
variasi variabel dependen. Sebaliknya, semakin kecil nilai R square, maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel
dependen semakin terbatas. Nilai R square memiliki kelemahan yaitu nilai R
square akan meningkat setiap ada penambahan satu variabel independen
Universitas Sumatera Utara
74 meskipun variabel independen tersebut tidak berpengaruh signifikan terhadap
variabel dependen.
Tabel 4.16 Hasil Analisis Koefisien Korelasi dan Koefisien Determinasi
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .838
a
.703 .680
.58984 1.935
a. Predictors: Constant, LG10_AKP, LG10_AKO, LG10_AKI b. Dependent Variable: LG10_HS
Sumber: Data yang diolah penulis, 2009.
Pada model
summary, nilai koefisien korelasi R sebesar 0,838 yang berarti bahwa korelasi atau hubungan antara harga saham LG10_HS dengan variabel
independennya LG10_AKO, LG10_AKI dan LG10_AKP kuat karena berada diatas 0,5. Angka adjusted R square atau koefisien determinasi adalah 0,680. Hal
ini berarti 68 variasi atau perubahan dalam harga saham dapat dijelaskan oleh variasi dari arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan
arus kas dari aktivitas pendanaan, sedangkan sisanya 32 dijelaskan oleh sebab- sebab lain. Standar Error of Estimate SEE adalah 0,58984, yang mana semakin
besar SEE akan membuat model regresi kurang tepat dalam memprediksi variabel dependen.
Universitas Sumatera Utara
75
c. Pengujian Hipotesis
Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan
menggunakan uji t t test dan uji F F test.
1 Uji t t Test
Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Berdasarkan hasil pengolahan SPSS versi 16, diperoleh hasil
sebagai berikut.
Tabel 4.17 Hasil Uji t
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig. Constant
1.347 .326
4.135 .000
LG10_AKO .794
.083 .839
9.522 .000
LG10_AKI -.152
.336 -.040
-.451 .654
1
LG10_AKP .064
.156 .037
.412 .683
a. Dependent Variable: LG10_HS
Sumber: Data yang diolah penulis, 2009.
Dari tabel regresi dapat dilihat besarnya t
hitung
untuk variabel arus kas dari aktivitas operasi sebesar 9,522 dengan nilai signifikan 0,000, sedangkan t tabel
adalah 2,008559, sehingga t
hitung
t
tabel
9,522 2,008559, maka arus kas dari aktivitas operasi secara individual mempengaruhi harga saham. Signifikansi
penelitian juga menunjukkan angka 0,05 0,000 0,05, maka H ditolak dan
Universitas Sumatera Utara
76 H
a
diterima, artinya arus kas dari aktivitas operasi berpengaruh signifikan positif terhadap harga saham.
T
hitung
untuk variabel arus kas dari aktivitas investasi sebesar -0,451 sedangkan t
tabel
adalah 2,008559, sehingga t
hitung
t
tabel
-0,451 2,008559, maka arus kas dari aktivitas investasi tidak berpengaruh terhadap harga saham secara
individual. Signifikansi 0,654 menyimpulkan bahwa sig penelitian 0,05 0,654 0,05, maka H
diterima dan H
a
ditolak, artinya arus kas investasi tidak berpengaruh terhadap harga saham.
Tabel diatas juga menunjukkan besarnya t
hitung
untuk variabel arus kas dari aktivitas pendanaan sebesar 0,412 sedangkan t
tabel
adalah 2,008559, sehingga t
hitung
t
tabel
0,412 2,008559, maka arus kas dari aktivitas pendanaan tidak berpengaruh terhadap harga saham secara individual. Signifikansi 0,683
menyimpulkan bahwa sig penelitian 0,05 0,683 0,05, maka H diterima dan
H
a
ditolak, artinya arus kas dari aktivitas pendanaan tidak berpengaruh terhadap harga saham.
2 Uji F F Test
Untuk melihat pengaruh arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari aktivitas pendanaan terhadap harga saham secara
simultan dapat dihitung dengan menggunakan F test. Berdasarkan hasil pengolahan data dengan program SPSS 16, maka diperoleh hasil sebagai berikut:
Universitas Sumatera Utara
77
Tabel 4.18 Hasil Uji F
Model Sum of Squares
df Mean Square
F Sig.
Regression 32.127
3 10.709
39.462 .000
a
Residual 13.569
50 .271
1
Total 45.696
53 a. Predictors: Constant, lg10_akp, lg10_ako, lg10_aki
b. Dependent Variable: lg10_hs
Sumber: Data yang diolah penulis, 2009
.
Dari uji ANOVA atau F test, diperoleh F
hitung
sebesar 39,462 dengan tingkat signifikansi 0,000, sedangkan F
tabel
sebesar 2,79000842 dengan signifikansi 0,05.
Berdasarkan hasil tersebut dapat disimpulkan bahwa arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari aktivitas pendanaan
berpengaruh secara simultan dan signifikan terhadap harga saham karena F hitung F tabel 39,462 2,79000842 dan sig penelitian 0,05 0,000 0,05.
C. Pembahasan Hasil Penelitian
Nilai Adjusted R Square sebesar 0,680. Hal ini berarti bahwa 68 variasi atau perubahan dalam harga saham dapat dijelaskan oleh variasi arus kas dari
aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari aktivitas pendanaan, sedangkan sisanya sebesar 32 dijelaskan oleh sebab-sebab lain yang
tidak dimasukkan dalam model penelitian. Berdasarkan hasil pengujian diketahui bahwa secara parsial arus kas yang
berasal dari aktivitas operasi mempunyai pengaruh positif dan signifikan terhadap
Universitas Sumatera Utara
78 harga saham, sedangkan arus kas dari aktivitas investasi dan pendanaan tidak
berpengaruh terhadap harga saham perusahaan. Hasil penelitian ini tidak mendukung hasil penelitian yang dilakukan oleh Fitra 2007 yang menemukan
bahwa secara parsial arus kas dari aktivitas operasi dan arus kas dari aktivitas pendanaan berpengaruh signifikan terhadap volume perdagangan saham, dengan
pemahaman bahwa apabila volume perdagangan saham berfluktuasi maka harga saham perusahaan juga akan ikut berfluktuasi mengikuti hukum permintaan dan
penawaran, sedangkan hasil penelitian ini hanya memperlihatkan bahwa arus kas dari aktivitas operasi saja yang berpengaruh signifikan terhadap harga saham.
Hal ini mungkin dikarenakan berbedanya periode yang digunakan dalam penelitian, berbedanya variabel dependen yang digunakan dimana Fitra 2007
menggunakan volume perdagangan saham sedangkan pada penelitian ini digunakan harga saham HS, mungkin juga dikarenakan perbedaan jenis
perusahaan yang diteliti, dimana Fitra 2007 menggunakan perusahaan manufaktur sebagai sampel sedangkan pada penelitian ini menggunakan
perusahaan makanan dan minuman yang merupakan salah satu subbagian dari perusahaan manufaktur sebagai sampel.
Hasil penelitian ini mendukung penelitian terdahulu yang dilakukan oleh Yen 1999 yang menyimpulkan bahwa arus kas dari aktivitas operasi berpengaruh
signifikan positif terhadap volume perdagangan saham, sedangkan arus kas dari aktivitas investasi dan arus kas dari aktivitas pendanaan tidak berpengaruh
terhadap volume perdagangan saham.
Universitas Sumatera Utara
79 Arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas
dari aktivitas pendanaan secara simultan berpengaruh signifikan terhadap harga saham. Hasil penelitian ini sejalan dengan penelitian Fitra 2007 dan Yen 1999
yang menemukan bahwa arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari aktivitas pendanaan secara simultan berpengaruh
signifikan terhadap volume perdagangan saham. Ini berarti pihak investor dalam mengambil keputusan yang berkaitan dengan investasinya juga memperhatikan
arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari aktivitas pendanaan secara bersama-sama.
Dari segi teori, hasil penelitian ini mendukung teori sinyal, yang menyatakan bahwa pengumuman informasi akuntansi memberikan sinyal bahwa perusahaan
mempunyai prospek yang baik di masa mendatang good news sehingga investor tertarik untuk melakukan perdagangan saham, dengan demikian pasar akan
bereaksi yang tercermin melalui perubahan dalam harga saham. Dimana hasil penelitian ini menunjukkan bahwa arus kas dari aktivitas operasi berpengaruh
signifikan terhadap harga saham.
Universitas Sumatera Utara
80
BAB V KESIMPULAN DAN SARAN
A. Kesimpulan