Data Penelitian Pembahasan Hasil Penelitian

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