transformasi dengan cara melakukan logaritma terhadap data maka diperoleh hasil sebagai berikut :
3. Model Histogram
Gambar 5.3. Uji Normalitas Data dengan Histogram Sesudah Transformasi
Berdasarkan gambar tersebut, dapat disimpulkan bahwa data yang digunakan normal. Hal tersebut diketahui poligon kecenderungan tidak menceng ke kiri maupun
ke kanan.
4. Model Grafik P-P Plot
Berdasarkan pada Gambar 5.2 dibawah titik – titik menyebar digaris titik
diagonal dengan demikian merupakan data normal.
Universitas Sumatera Utara
Gambar 5.4 Grafik Normal P-P Plot Sesudah Transformasi
Ghozali 2005, menyatakan bahwa jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi
normalitas.
5. Model Statistik Uji Kolmogorov Smirnov
Selain itu uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak.
Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Uji Normalitas bertujuan untuk melihat apakah model regresi, variabel
pengganggu atau residual berdistribusi normal. Untuk itu dilakukan uji one sample
Kolmogorov Smirnov Test. Bila nilai signifikan 0,05 berarti distribusi data tidak normal, sebaliknya bila nilai signifikan 0,05 berarti distribusi data normal.Adapun
hasil pengujian terdapat pada Tabel 5.2 berikut :
Universitas Sumatera Utara
Tabel 5.2 Hasil Pengujian Kolmogorov Smirnov Test Sebelum Transformasi
HS_Y CD_X1
NCF_X2 DER_X3
EPS_X4 N
585 585
585 585
585 Mean
-238.6602 341.2820
4.0088E10 -.4545
469.5658 Normal
Parameters
a,,b
Std. Deviation 2344.86048
910.15788 1.89816E11
23.29324 1875.78008
Absolute .358
.354 .425
.406 .397
Positive .286
.347 .425
.331 .285
Most Extreme Differences
Negative -.358
-.354 -.415
-.406 -.397
Kolmogorov-Smirnov Z 8.664
8.558 10.273
9.812 9.595
Asymp. Sig. 2-tailed .000
.000 .000
.000 .000
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS Lampiran 11
Dari hasil pengujian terlihat pada Tabel 5.2 tersebut terlihat besarnya nilai Kolmogorov- Smirnov untuk variabel HS_Y adalah 8.664 dan signifikan pada 0.000.
Begitu juga dengan variabel CD_X1, NCF_X2, DER_X3 dan EPS_X4 dengan tingkat signifikansi 0.000 jauh dibawah alpha 5 . Hal ini berarti data residual tidak
terdistribusi normal. Setelah dilakukan transformasi dengan melakukan transformasi dalam bentuk
logaritma maka hasil yang diperoleh sebagai berikut :
Tabel 5.3 Hasil Pengujian Kolmogorov Smirnov Test Sesudah Transformasi
ln_HS_Y ln_CD_X1
ln_NCF_X2 ln_DER_X3 ln_EPS_X4
N 371
584 557
498 581
Mean 4.1445
3.8013 19.0447
-.6565 4.5854
Normal Parameters
a,,b
Std. Deviation 1.91078
2.08743 3.66798
1.73349 1.79821
Absolute .050
.091 .064
.037 .081
Positive .050
.091 .064
.037 .081
Most Extreme Differences
Negative -.032
-.042 -.036
-.036 -.052
Kolmogorov-Smirnov Z .969
.191 .518
.836 .948
Asymp. Sig. 2-tailed .305
.352 .150
.486 .501
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS Lampiran 11
Universitas Sumatera Utara
Dari hasil pengujian terlihat pada Tabel 5.3 tersebut terlihat besarnya nilai Kolmogorov- Smirnov untuk variabel HS_Y adalah 0.969
tingkat signifikan pada taraf alpha 0.305. Begitu juga dengan variabel CD_X1 tingkat signifikan pada taraf
alpha 0.352 jauh diatas alpha 0.05, NCF_X2 0.352, DER_X3 0.486 dan EPS_X4 0.501 nilai signifikansi dari masing-masing variabel 0,05, berarti data residual
terdistribusi normal. 5.1.2.2. Uji multikolinearitas
Multikolinearitas merupakan fenomena adanya korelasi yang sempurna antara satu variabel bebas dengan variabel bebas lain. Jika terjadi multikolinearitas, akan
mengakibatkan timbulnya kesalahan standard penaksir dan probabilitas untuk menerima hipotesis yang salah semakin besar. Menurut Ghozali 2005 salah satu
cara untuk mengetahui adanya multikolinearitas adalah dengan melakukan uji VIF Variance Inflation Factor yaitu jika VIF tidak lebih dari 10 dan nilai Tolerance
tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinearitas. Berdasarkan hasil pengolahan SPSS atas data yang diperoleh, dapat dilihat pada
Tabel 5.4 berikut :
Universitas Sumatera Utara
Tabel 5.4 Uji Multikolinearitas
Coefficients
a
Collinearity Statistics Model
Tolerance VIF
ln_CD_X1 .935
1.069 ln_NCF_X2
.978 1.023
ln_DER_X3 .942
1.062 1
ln_EPS_X4 .963
1.038 a. Dependent Variabel: ln_HS_Y
Sumber : Hasil Output SPSS Lampiran 11
Dari tabel tersebut di atas dapat dilihat bahwa nilai VIF untuk masing-masing variabel adalah 10 dan nilai
Tolerance tidak lebih dari 0.10 Hal ini membuktikan bahwa model regresi yang digunakan dalam penelitian ini tidak terdapat gejala
multikolinearitas homoskedastisitas. 5.1.2.3. Uji autokorelasi
Gejala Autokorelasi diditeksi dengan menggunakan uji Durbin-Watson DW. Menurut Santoso 2005 : 241, untuk mendeteksi ada tidaknya autokorelasi maka
dilakukan pengujian Durbin-Watson DW. Dari hasil pengujian terlihat bahwa nilai DW sebesar 1,787, berarti data tidak terkena autokorelasi.
Tabel 5.5 Nilai Durbin-Watson
Model R
Std. Error of the Estimate
Durbin-Watson
1 .430
a
1.74608 1.787
Sumber : Hasil Output SPSS Lampiran 11
a. Predictors: Constant, ln_EPS_X4, ln_DER_X3, ln_NCF_X2, ln_CD_X1 b. Dependent Variabel: ln_HS_Y
Universitas Sumatera Utara
Berdasarkan Tabel 5.5 di atas, untuk mengetahui adanya autokorelasi digunakan uji
Durbin-Watson, dengan kriteria dari tabel Durbin-Watson terlihat Nilai DW sebesar 1,787 Untuk mengetahui adanya autokorelasi digunakan uji
Durbin- Watson, dengan kriteria menurut Santoso 2005 : 219 dengan cara melihat besaran
Durbin-Watson sebagai berikut : 1.
Angka D-W di bawah -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. Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin-Watson D-
W sebesar 1,787. Oleh karena itu, nilai DW dalam rentang nilai -2 dan lebih kecil dari 2 -2 1,787 2 maka disimpulkan bahwa tidak terjadi autokorelasi baik positif
maupun negatif. 5.1.2.4. Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dari model regresi terjadi ketidaksamaan
varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadinya
heteroskedastisitas. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel
terikat dengan residualnya. Jika ada pola tertentu, seperti titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Berdasarkan hasil pengolahan data, uji heteroskedastisitas dalam penelitian ini ditunjukkan pada Gambar 5.5 :
Gambar 5.5 Uji Heteroskedastisitas
Berdasarkan gambar di atas tidak terlihat ada pola tertentu, serta titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
5.1.3 Hasil Analisis Data
Dari hasil pengujian asumsi klasik disimpullkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang
Best Linier Unbiased Estimator BLUE dan layak dilakukan analisis regresi.
Universitas Sumatera Utara
5.1.3.1. Persamaan regresi Dalam pengolahan data dengan menggunakan regresi linier, dilakukan
beberapa tahapan untuk mencari hubungan antara variabel independent dan variabel dependen. Hasil persamaan regresi linier dalam penelitian ini dapat dilihat pada Tabel
5.6.
Tabel 5.6 Hasil Analisis Regresi
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig.
Constant .658
.604 1.090
.276 ln_CD_X1
-.004 .051
-.004 -.077
.939 ln_NCF_X2
.086 .028
.165 3.085
.002 ln_DER_X3
-.201 .059
-.185 -3.403
.001 1
ln_EPS_X4 .390
.060 .352
6.547 .000
a. Dependent Variabel: ln_HS_Y
Sumber : Hasil Output SPSS Lampiran 11
Dari Tabel 5.6 tersebut, maka model regresi berganda antara variabel independent X terhadapa variabel dependen Y dapat diformulasikan dalam model
persamaan sebagai berikut :
lnHS_Y = 0.658 - 0.004_lnCD_X
1
+ 0.086_lnNCF_X
2
- 0.201_lnDER_X
3
+0.390_lnEPS_X
4
+ ε
Makna dari persamaan regresi tersebut : 1.
Nilai konstanta sebesar 0.658 artinya apabila nilai variabel independen ln_CD X1, ln_NCF X2, DER X3 dan EPS X4
bernilai nol, maka nilai harga saham akan meningkat sebesar 0.658.
Universitas Sumatera Utara
2. Koefisien regresi variabel Dividen Kas X1 sebesar -0.004 bermakna jika
variabel Dividen Kas X1 menurun 1 satuan, maka akan menaikkan satu satuan harga saham Y sebesar 0.4 dengan arah yang berlawanan.
3. Koefisien regresi ln_NCF X2 sebesar 0.086 memberikan pengertian bahwa
perubahan ln_NCF X2 sebanyak 1 satuan akan memberikan dampak peningkatan nilai harga saham sebesar 0.07 dengan arah yang sama.
4. Koefisien regresi DER X3 sebesar -0.201 memberikan pengertian bahwa
perubahan DER X3 sebanyak 1 satuan akan memberikan dampak terhadap perubahan harga saham Y sebesar 20.1 dengan arah yang berlawanan.
5. Koefisien regresi EPS X4 sebesar 0.390 memberikan pengertian bahwa
perubahan variabel EPS X4 sebanyak 1 satuan akan memberikan dampak perubahan harga saham sebesar 39 dengan arah yang sama.
5.1.4. Pengujian Hipotesis
Pengujian hipotesis dilakukan untuk mengetahui apakah variabel independen berpengaruh terhadap variabel dependen baik secara simultan maupun parsial.
5.1.4.1. Uji statistik F Uji statistik F dilakukan untuk mengetahui apakah variabel.independen yang
dimasukkan dalam model mempunyai pengaruh secara simultan terhadap variabel dependen. Hasil uji F dalam penelitian ini dapat dilihat apada tabel 5.7 berikut :
Universitas Sumatera Utara
Tabel 5.7 Uji F
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
Regression 201.820
4 50.455
16.549 .000
a
Residual 890.248
292 3.049
1
Total 1092.068
296
a. Predictors: Constant, ln_EPS_X4, ln_DER_X3, ln_NCF_X2, ln_CD_X1 b. Dependent Variabel: ln_HS_Y
Sumber : Hasil Output SPSS Lampiran 11.
Tabel 5.7 menunjukkan bahwa nilai F
hitung
adalah 16.549 dengan tingkat signifikansi 0,000. Sedangkan F
tabel
pada tingkat kepercayaan 95 α = 0,05 adalah
2.44. Oleh karena pada kedua perhitungan F
hitung
Ft
abel
16.549 2.44. Hal ini menunjukkan adanya pengaruh variabel independen Dividen Kas, Arus Kas Bersih,
Leverage Ratio dan Earning per Share secara simultan terhadap harga saham dapat
diterima secara keseluruhan. 5.1.4.2. Uji statistik t
Uji statistik t dilakukan untuk menguji perngaruh secara parsial antara variabel indrpenden terhadap variabel dependen dengan asumsi bahwa variabel lain
dianggap konstan. Hasil uji statistic t dalam penelitian ini dapat dilihat pada tabel berikut:
Universitas Sumatera Utara
Tabel 5.8 : Hasil Perhitungan Uji t
Coefficients
a
Unstandardized Coefficients Standardized
Coefficients Model
B Std. Error
Beta t
Sig.
Constant .658
.604 1.090
.276 ln_CD_X1
-.004 .051
-.004 -.077
.939 ln_NCF_X2
.086 .028
.165 3.085
.002 ln_DER_X3
-.201 .059
-.185 -3.403
.001 1
ln_EPS_X4 .390
.060 .352
6.547 .000
a. Dependent Variabel: ln_HS_Y
Sumber : Hasil Output SPSS Lampiran 11
Dari hasil uji t pada Tabel 5.8 dapat diketahui : a.
Variabel Cash DividenCD bernilai negatif pada t hitung sebesar 0,077 dengan
nilai signifikan 0,939. Karena nilai signifikansi CD yaitu 0,930,05, disimpulkan bahwa variabel
Cash DividenCD tidak berpengaruh terhadap harga saham
hitung
t
-0,077
tabel
t
1,980 b.
Variabel Net Cash FlowNCF mempunyai nilai positif pada t hitung sebesar 3,085
dan nilai signifikan sebesar 0,002. Karena nilai signifikansi NCF yaitu 0,002
0,05 maka dapat disimpulkan bahwa Net Cash FlowNCF berpengaruh positif dan
signifikan terhadap harga saham
hitung
t
3,085
tabel
t
1,980 c.
Variabel Debt to Equity RatioDER mempunyai nilai negtaif pada t hitung sebesar
3,403 dengan nilai signifikan 0,001. Karena nilai signifikansi DER yaitu 0,001
0,05 maka dapat disimpulkan bahwa Debt to Equity Ratio DER berpengaruh
negatif dan signifikan terhadap harga saham
hitung
t
3,403
tabel
t
1,980
Universitas Sumatera Utara
d. Earnings per ShareEPS mempunyai niai positif pada t hitung 6,547 dan nilai
signifikan 0,000. Karena nilai signifikansi EPS yaitu 0,0000,05 maka dapat disimpulkan bahwa
Earnings Per ShareEPS berpengaruh positif dan signifikan terhadap harga saham
hitung
t
6,547
tabel
t
1,980. 5.1.4.3 Koefeisien determinasi R
2
Hasil pengujian hipotesis yang menyatakan Dividen Kas, Arus Kas Bersih, Leverage Ratio dan
Earning per Share berpengaruh secara simultan maupun secara parsial terhadap Harga Saham Perusahaan yang terdaftar di Bursa Efek Indonesia
dapat diterima. Pengujian goodness of fit dilakukan untuk menentukan kelayakan
suatu model regresi, karena variabel penelitian lebih dari 2 dua variabel maka kelayakan tersebut dapat dilihat dari nilai
adjusted R square. Nilai
Adjusted R Square yang diperoleh dari hasil pengolahan data dapat dilihat pada Tabel 5.9 di bawah ini :
Tabel 5.9 Pengujian Goodness of Fit
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate
1 .430
a
.185 .174
1.74608 a. Predictors: Constant, ln_EPS_X4, ln_DER_X3, ln_NCF_X2, ln_CD_X1
b. Dependent Variabel: ln_HS_Y
Sumber : Hasil Output SPSS Lampiran 11
Universitas Sumatera Utara
Nilai Adjusted R Square pada Tabel 5.9 diatas sebesar 0,174. Hal ini
menunjukkan bahwa 17,4 variabel Harga Saham Y yaitu hasil atau keuntungan yang diperoleh pemegang saham sebagai hasil dari investasinya dapat dijelaskan oleh
Dividen Kas, Arus Kas Bersih, Leverage Ratio dan Earning per Share. Sisanya
sebesar 82,6 diduga dipengaruhi oleh variabel lain yang tidak dijelaskan oleh model penelitian ini.
5.2. Pembahasan Hasil Penelitian
Dari hasil uji statistik F yang dilakukan diketahui bahwa nilai F sebesar 16,549 dengan nilai signifikansi 0,000. Berdasarkan hasil tersebut dapat disimpulkan
bahwa variabel independen yaitu Cash Dividen , Net Cash Flow, Debt to Equity
Ratio, dan Earnings Per Share secara simultan berpengaruh terhadap harga saham karena nilai signifikansi 0,000 0,005. Ini berarti menerima hipotesis yang
menyatakan bahwa CD, NCF, DER, dan EPS secara simultan berpengaruh terhadap harga perusahaan yang terdaftar di Bursa Efek Indonesia. Besarnya pengaruh variabel
independen terhadap variabel dependen ditunjukkan oleh nilai Adjusted R Square sebesar 0,174 atau 17,4 .
Dengan demikian besarnya kontribusi variabel independen dapat menjelaskan variabel dependen sebesar 17,4 dan sisanya sebesar 82,6 dijelaskan variabel lain
di luar model yang terangkum dalam error. Dari hasil pengujian secara parsial diketahui pengaruh dari masing-masing varabel independen terhadap variabel
dependen sebagai berikut :
Universitas Sumatera Utara
1. Pengaruh Dividen Cash Terhadap Harga Saham
