Return On Equity X
4
Tingkat pengembalian ekuitas atas perolehan laba bersih
setelah pajak bagi pemegang saham
Laba setelah Pajak ROE =
Modal Sendiri
Rasio
Beban OperasionalPendap
atan Operasional dan X
5
Perbandingan beban operasional terhadap
pendapatan operasional
BOPO =
l Operasiona
Pendapa sional
BiayaOpera tan
Rasio
Net Interest Margin X
6
Perbandingan dari pendapatan bersih
terhadap aktiva
produktif NIM =
uktif Aktivaprod
h BungaBersi
Pendapa tan
Rasio
Capital Adequacy Ratio X
7
Kekuatan modal
sendiri dibandingkan aktiva tertimbang
menurut resiko CAR =
TotalATMR ModalBank
Rasio
Debt to Equity Rasio X
8
Perbandingan antara
keseluruhan hutang
jangka panjang dengan modal sendiri
Total Hutang DER =
Total Modal Harga Saham
Harga saham rata-rata setelah penutupan
yang laporan
keuangan telah dipublikasikan. Harga saham dalam penelitian ini
diambil pada harga saham rata-rata setelah penutupan.
Rasio
4.6. Metode Analisis Data
Dalam penelitian ini metode analisis data yang digunakan adalah regresi linier berganda multiple linier regression method dengan pengolahan data
melalui SPSS Statistical Package for Social Science. Untuk mengadakan analisis dengan model regresi harus diadakan pengujian kualitas data dengan
menggunakan statistik deskriptif dan asumsi klasik.
4.6.1 Statistik Deskriptif
Statistik ini digunakan untuk memberikan gambaran profil data sampel. Penelitian ini menggunakan statistik deskriptif yang terdiri dari rata-rata, deviasi
standar minimum dan maksimum
Universitas Sumatera Utara
4.6.2 Uji Analisis Faktor
Analisis Faktor adalah suatu cara untuk meringkas summarize informasi yang ada dalam variabel asli awal menjadi satu set dimensi baru atau variate factor.
Hal ini dilakukan dengan cara menentukan struktur lewat data summarizization atau lewat data reduction pengurangan data. Untuk menentukan variabel yang
akan dibuang yaitu dengan melihat anti image matrices untuk mengetahui faktor yang digunakan dalam penelitian.
4.6.3 Uji Asumsi Klasik
Salah satu syarat pengujian hipotesis dengan menggunakan analisis regresi adalah uji asumsi klasik. Uji ini meliputi : Uji normalitas, uji multikolinearitas, uji
autokorelasi, dan uji heteroskedastisitas.
1. Uji Normalitas Data
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel independen dan variabel dependen memiliki distribusi normal atau
tidak. Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal. Menurut Ghozali 2006 ada dua cara untuk menguji
apakah residual berdistribusi normal atau tidak yaitu :
a. Analisis grafik Untuk melihat normalitas residual adalah dengan melihat grafik histogram
yang membandingkan antara observasi dengan distribusi yang mendekati distribusi normal. Metode lain adalah dengan melihat normal probability
plot yang membandingkan distribusi kumulatif dari distribusi normal.
Universitas Sumatera Utara
Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi
data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
b. Analisis Statistik Uji statistik adalah dengan uji Kolmogorov-Smirnov K-S untuk
menentukan normalitas distribusi residual. Jika sig atau p-value 0,05, maka data berdistribusi normal.
2. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen Ghozali, 2006. Jika
suatu model regresi mengandung multikolinearitas maka kesalahan standar estimasi akan cenderung meningkat dengan bertambahnya variabel dependen.
Untuk mendeteksi multikolinearitas dapat dideteksi sebagai berikut : a. Nilai deskriminasi yang sangat tinggi dan diakui dengan nilai F test yang
sangat tinggi, serta tidak atau hanya sedikit nilai t test yang signifikan. b. Meregresikan model analisis dan melakukan uji korelasi antar variabel
dependen dengan menggunakan Variance Inflating Factor VIF dan Tolerance Value. Batas VIF adalah 10 dan nilai Tolerance Value adalah
0.1. Jika nilai VIF lebih besar dari 10 dan nilai Tolerance Value lebih kecil dari 0.1 maka terjadi multikolinearitas dan harus dikelompokkan dari
model.
Universitas Sumatera Utara
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan
kesalahan periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah yang bebas autokorelasi.
Untuk mendeteksi autokorelasi, dapat dilakukan uji statistik melalui uji Durbin- Watson DW test Ghozali, 2006. Dasar pengambilan keputusan ada tidaknya
autokorelasi adalah sebagai berikut: 1. Bila nilai DW terletak diantara batas atas atau upper bound du dan 4
– du maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl maka koefisien autokorelasi 0, berarti ada autokorelasi positif.
3. Bila nilai DW lebih besar dari 4-dl maka koefisien autokorelasi 0, berarti ada autokorelasi negatif.
4. Bila nilai DW terletak antara du dan dl atau DW terletak antara 4- du dan 4-dl, maka hasilnya tidak dapat disimpulkan.
4. Uji Heteroskedastisitas
Uji heterokedastisitas dilakukan untuk mengetahui penyebaran varians gangguan. Uji heterokedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance residual data yang ada. Model regresi yang baik adalah yang tidak mengalami heteroskedastisitas.
Analisis data:
Universitas Sumatera Utara
a. Jika ada pola tertentu, serta titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit mengindikasikan
telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
4.6.4 Pengujian Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan alat statistik Statistical Package For Science SPSS dengan menggunakan uji faktor
dengan KMO yang bertujuan untuk mengetahui apakah semua variabel independen yang telah terambil berpengaruh terhadap variabel dependen
yang cukup untuk difaktorkan. Jika hasil diatas 0,50 berarti sudah signifikan dan memenuhi syarat. Jadi dapat disimpulkan bahwa analisis faktor dapat
diteruskan.
4.6.4.1 Uji Simultan Uji Statistik F.
Uji signifikansi simultan bertujuan untuk mengetahui pengaruh variabel independen mempunyai pengaruh secara bersama-sama terhadap variabel
dependen. Penentuan penerimaan atau penolakan hipotesis sebagai berikut Ghozali, 2006.
1. Apabila probabilitas 0,05 maka semua variabel independen secara bersama- sama tidak mempengaruhi variabel dependen.
Universitas Sumatera Utara
2. Apabila probabilitas 0,05 maka semua variabel independen secara bersama- sama mempengaruhi variabel dependen.
4.6.4.2 Uji Parsial Uji Statistik t.
Uji statistik t digunakan untuk menguji seberapa jauh pengaruh satu variabel independen mampu secara individual menerangkan variabel dependen.
Dasar pengambilan keputusan yang digunakan dalam uji t adalah sebagai berikut Ghozali, 2006.
1. Jika nilai probabilitas signifikansi 0,05 maka hipotesis ditolak. Hipotesis ditolak mempunyai arti bahwa variabel independen tidak berpengaruh terhadap
variabel dependen. 2. Jika nilai probabilitas signifikansi 0,05 maka hipotesis tidak dapat ditolak.
Hipotesis tidak dapat ditolak mempunyai arti bahwa variabel independen berpengaruh terhadap variabel dependen.
4.6.4.3 Uji
R Squared R
2
Koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen Nilai R
Squared R
2
Adjusted R
2
adalah koefisien determinasi yaitu koefisien yang menjelaskan seberapa besar proporsi variasi dalam dependen yang dapat
dijelaskan oleh variabel-variabel independen secara bersama-sama. Adjusted R
2
secara umum mampu memberikan hukuman terhadap penambahan variabel bebas yang tidak mampu menambah daya prediksi suatu model. Nilai koefisien
Universitas Sumatera Utara
determinansi adalah antara 0 dan 1. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat
terbatas Ghozali, 2006. Nilai yang mendekati 1 satu berarti variabel –variabel
independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Universitas Sumatera Utara
BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1 Hasil Penelitian
5.1.1 Hasil Uji Faktor
Pada bagian Metode Penelitian analisis faktor membutuhkan terpenuhinya serangkaian asumsi. Peneliti akan menguji asumsi analisis faktor. Korelasi antar
variabel independen, dalam analisis faktor harus 0,5 dengan signifikansi 0,05. Hasil uji korelasi antar variabel independen ada pada output KMO dan
Bartlett’s Test, pada Tabel 5.1 sebagai berikut:
Tabel 5.1 Uji Faktor dengan KMO and Bartletts Test
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .488
Bartletts Test of Sphericity Approx. Chi-Square
88.739 Df
28 Sig.
.000
Sumber: Hasil Analisis Data
Pada Tabel 5.1 Nilai KMO and Bartlett’s Test untuk korelasi antar variabel
yang diinginkan adalah 0,5 dengan nilai Signifikansi penelitian lebih kecil dari 0,05. Dari hasil penelitian diperoleh nilai KMO sebesar 0,488 yang artinya lebih
kecil dari 0,5 nilai signifikansi yang dihasilkan dari Bartlett’s Test of Sphericity
sebesar 0,000. Namun harus di lakukan uji faktor lagi karena nilai nilai KMO sebesar 0,488 lebih kecil dari 0,5.
Selanjutnya, untuk melihat korelasi antar variabel independen dapat diperhatikan tabel Anti-Image Matrices. Nilai yang diperhatikan adalah MSA
Measure of Sampling Adequacy. Nilai MSA berkisar antara 0 hingga 1, dengan ketentuan sebagai berikut:
1. MSA = 1, variabel dapat diprediksi tanpa kesalahan oleh variabel yang lain.
Universitas Sumatera Utara
2. MSA 0,5 variabel masih bisa diprediksi dan bisa dianalisis lebih lanjut. 3. MSA 0,5 variabel tidak bisa diprediksi dan tidak bisa dianalisis lebih lanjut,
atau dikeluarkan dari variabel lainnya. Hasil uji korelasi antar variabel independen dapat dilihat Pada Tabel 5.2
sebagai berikut:
Tabel 5.2 Anti-image Matrices Pertama
Anti-image Matrices
LDR NPL
ROA ROE
BOPO NIM
CAR DER
Anti-image Covariance
LDR .670
.359 .000
.073 -.020
.015 .009
.060 NPL
.359 .609
.108 .094
.020 -.036
-.012 .054
ROA .000
.108 .650
-.304 .004
-.054 -.109
-.271 ROE
.073 .094
-.304 .724
.054 .136
.073 .216
BOPO -.020
.020 .004
.054 .941
-.070 .053
.160 NIM
.015 -.036
-.054 .136
-.070 .944
.004 .108
CAR .009
-.012 -.109
.073 .053
.004 .974
.098 DER
.060 .054
-.271 .216
.160 .108
.098 .777
Anti-image Correlation
LDR .498
a
.562 .000
.105 -.025
.019 .012
.083 NPL
.562 .560
a
.172 .142
.027 -.047
-.015 .079
ROA .000
.172 .509
a
-.443 .006
-.069 -.137
-.382 ROE
.105 .142
-.443 .429
a
.065 .165
.087 .289
BOPO -.025
.027 .006
.065 .591
a
-.074 .055
.187 NIM
.019 -.047
-.069 .165
-.074 .554
a
.004 .126
CAR .012
-.015 -.137
.087 .055
.004 .227
a
.112 DER
.083 .079
-.382 .289
.187 .126
.112 .375
a
Sumber: Hasil Analisis Data
Berdasarkan Tabel 5.2 hasil Anti-image Matrices menunjukkan bahwa
variabel CAR memiliki nilai korelasi terkecil 0,227 karena itu variabel CAR dikeluarkan dari analisis.
Universitas Sumatera Utara
Tabel 5.3 Uji Faktor dengan KMO and Bartletts Test
KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .501
Bartletts Test of Sphericity Approx. Chi-Square 86.807
Df 21
Sig. .000
Sumber: Hasil Analisis Data
Pada Tabel 5.3 Nilai KMO and Bartlett’s Test untuk korelasi antar variabel
yang diinginkan adalah 0,5 dengan nilai Signifikansi penelitian lebih kecil dari 0,05. Dari hasil penelitian diperoleh nilai KMO sebesar 0,501 yang artinya lebih
besar dari 0,5, nilai signifikansi yang dihasilkan dari Bartlett’s Test of Sphericity
sebesar 0,000. Hal ini menunjukkan bahwa variabel telah lolos uji faktor dengan nilai nilai KMO sebesar 0,501 lebih besar dari 0,5. Hasil uji korelasi antar variabel
independen dapat dilihat Pada Tabel 5.4 sebagai berikut:
Tabel 5.4 Anti-image Matrices kedua
Anti-image Matrices
LDR NPL
ROA ROE
BOPO NIM
DER Anti-image
Covariance LDR
.671 .359
.001 .073
-.021 .015
.060 NPL
.359 .609
.109 .096
.021 -.036
.056 ROA
.001 .109
.662 -.303
.011 -.054
-.269 ROE
.073 .096
-.303 .729
.050 .137
.213 BOPO
-.021 .021
.011 .050
.944 -.070
.157 NIM
.015 -.036
-.054 .137
-.070 .944
.109 DER
.060 .056
-.269 .213
.157 .109
.787 Anti-image
Correlation LDR
.498
a
.562 .001
.105 -.026
.019 .082
NPL .562
.559
a
.172 .144
.028 -.047
.081 ROA
.001 .172
.525
a
-.437 .013
-.069 -.372
ROE .105
.144 -.437
.441
a
.060 .165
.282 BOPO
-.026 .028
.013 .060
.611
a
-.074 .182
NIM .019
-.047 -.069
.165 -.074
.552
a
.126 DER
.082 .081
-.372 .282
.182 .126
.392
a
Sumber: Hasil Analisis Data
Berdasarkan Tabel 5.4 hasil MSA, nilai dari variabel independen NPL, ROA, BOPO, NIM dapat dianalisis lebih lanjut karena masing-masing nilainya
Universitas Sumatera Utara
0,5. Berdasarkan hasil pengujian faktor dapat disimpulkan variabel independen NPL, ROA,BOPO, NIM adalah valid sebagai pembentuk variabel dependen.
5.1.2 Kerangka Konseptual Setelah Uji Faktor
Berdasarkan latar belakang sebelumnya setelah uji faktor dengan didukung tinjauan teoritis dan tinjauan peneliti terdahulu tentang faktor-faktor pengaruh
rasio keuangan terhadap harga saham, maka secara skematis kerangka konseptual dalam penelitian ini digambarkan sebagai berikut:
Gambar 5.1 Kerangka Konseptual Setelah Uji Faktor
5.1.3 Hipotesis Penelitian Setelah Uji Faktor
Hipotesis penelitian setelah uji faktor adalah Rasio Aktiva produktif Non Performing
Loan, Rasio
Rentabilitas Return
on asset,
Beban operasionalpendapatan operasional, Net Interest Margin berpengaruh secara
simultan dan parsial terhadap harga saham pada perusahaan perbankan swasta di Bursa Efek Indonesia.
Rasio Rentabilitas
1. Return on asset X
2
2. Beban OperasionalPendapatan Operasional X
3
3. Net Interest Margin X
4
Harga Saham Y
Rasio Aktiva Produktif 1. Non Performing Loan X
1
Universitas Sumatera Utara
5.1.4 Statistik Deskriptif
Penelitian ini bertujuan untuk mengetahui dan menganalisis faktor-faktor yang mempengaruhi harga saham pada perusahaan perbankan swasta yang
terdaftar di Bursa Efek Indonesia tahun 2008-2011. Statistik deskriptif akan menampilkan karakteristik sampel yang digunakan meliputi jumlah sampel N,
rata-rata sampel mean, nilai maksimum, nilai minimum serta standar deviasi. Hasil uji statistik Deskriptif dari masing-masing variabel yang digunakan
disajikan pada Tabel 5.5 berikut : Tabel 5.5 Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation NPL
92 .91
4.06 1.5596
.39815 ROA
92 -10.66
22.00 1.5432
3.01879 BOPO
92 -30.70
64.61 7.2205
10.48156 NIM
92 1.35
56.66 8.2347
7.93805 HARGASAHAM
92 31.00
13200.00 1308.4891
1988.74780 Valid N listwise
92
Sumber: Hasil Analisis Data
Berdasarkan Tabel 5.5 menjelaskan jumlah data yang digunakan sebagai sampel dalam penelitian ini sebanyak 92 data yang diambil dari Laporan
Keuangan Publikasi pertahun Bank Indonesia Perbankan swasta yang tercatat di BEI periode 2008 hingga 2011. Dengan menggunakan metode polling data,
sampel diambil dari 23 perusahaan perbankan dikalikan dengan jumlah periode yaitu 4 periode laporan keuangan publikasi pertahun yang dikeluarkan Bank
Indonesia, sehingga jumlah data menjadi 92 buah. Dari 92 prusahaan perbankan,nilai minimum Harga Saham Rp.31
sedangkan Harga Saham maximum sebesar Rp. 13.200. Rata-rata dari Harga
Universitas Sumatera Utara
Saham adalah sebesar Rp.1.308,48 dan besarnya standar deviasi dari Harga Saham adalah sebesar Rp. 1.988,74.
Dari 92 perusahaan perbankan nilai minimum NPL adalah sebesar 0,91 sedangkan NPL maximum sebesar 4,06. Rata-rata dari NPL adalah sebesar 1,55
dan besarnya standart deviasi dari NPL adalah sebesar 0,39. Dari 92 perusahaan perbankan nilai minimum ROA -10,66 sedangkan
ROA maximum sebesar 22,00 Rata-rata dari ROA adalah sebesar 1,54 dan besarnya standar deviasi dari ROA adalah sebesar 3.01.
Dari 92 perusahaan perbankan nilai minimum BOPO -30,70 sedangkan BOPO maximum sebesar 64,61 Rata-rata dari BOPO adalah sebesar 7,22 dan
besarnya standar deviasi dari BOPO adalah sebesar 10,48. Dari 92 perusahaan perbankan nilai minimum NIM adalah sebesar 1,35
sedangkan NIM maximum sebesar 56,66. Rata-rata dari NIM adalah sebesar 8,23 dan besarnya standart deviasi dari NIM adalah sebesar 7,93.
Universitas Sumatera Utara
Standar deviasi menunjukkan seberapa jauh kemungkinan nilai yang diperoleh menyimpang dari nilai yang diharapkan dalam hal ini ROA, BOPO,
Harga saham. Semakin besar nilai standar deviasi maka semakin besar kemungkinan nilai rill menyimpang. Langkah perbaikan yang dilakukan agar
distribusi data menjadi normal, salah satunya adalah dengan melakukan transformasi Logaritma Natural ln. Adapun data setelah dilakukan transformasi
logaritma natural ln sebagai berkut :
Tabel 5.6 Descriptive Statistics Setelah Transformasi ln
N Minimum
Maximum Mean
Std. Deviation LNNPL
92 .07
1.51 .4478
.23976 LNROA
92 -1.47
3.09 .7614
.65889 LNBOPO
92 -2.12
3.95 1.6591
.96023 LNNIM
92 .30
3.55 1.8004
.62141 LNHARGASAHAM
92 3.43
9.49 6.2356
1.46565 Valid N listwise
92
Sumber: Hasil Analisis Data
Setelah dilakukan transformasi ln menunjukkan standart deviasi masing –
masing variabel mempunyai nilai yang lebih kecil dari rata-rata variabel yang diteliti.
5.2 Hasil Pengujian Asumsi Klasik