Uji Koefisien Determinasi Uji Signifikan Parsial Uji t Uji Signifikan Simultan Uji F

46 X 1 = Likuiditas Current Ratio X 2 = Leverage Debt to Equity Ratio X 3 = Perputaran Aset X 4 = Price Book Value e = error

3.8.2.1. Uji Koefisien Determinasi

Nilai yang digunakan untuk melihat uji koefisien determinasi adalah nilai adjusted R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Menurut Ghozali 2005:105 “Adjusted R 2 dianggap lebih baik dari R 2 karena nilai adjusted R 2 dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model”.

3.8.2.2. Uji Signifikan Parsial Uji t

Pengujian ini bertujuan untuk mengetahui seberapa besar variabel bebas berpengaruh secara parsial terhadap variabel terikat. H = 0, artinya likuiditas, leverage, perputaran aset, Price Book Value secara parsial tidak mempunyai pengaruh terhadap Earnings Per Share , Universitas Sumatera Utara 47 H a ≠ 0, artinya likuiditas, leverage, perputaran aset, Price Book Value secara parsial mempunyai pengaruh terhadap Earnings Per Share , Pengujian dilakukan dengan menggunakan uji t- dengan tingkat pengujian alpha 5..

3.8.2.3. Uji Signifikan Simultan Uji F

Pengujian ini bertujuan untuk mengetahui seberapa besar variabel bebas berpengaruh secara simultan terhadap variabel terikat. H = 0, artinya rasio lancar, rasio hutang terhadap modal, rasio perputaran total aset, rasio nilai buku secara simultan tidak berpengaruh terhadap Earnings Per Share, H a ≠ 0, artinya rasio lancar, rasio hutang terhadap modal, rasio perputaran total aset, rasio nilai buku secara simultan berpengaruh terhadap Earnings Per Share. Universitas Sumatera Utara 48 BAB IV HASIL PENELITIAN DAN PENGAMATAN

4.1. Data Penelitian

Populasi dan sampel dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia Periode 2009-2011. Populasi dalam penelitian ini berjumlah 130 Perusahaan dan dari 130 perusahaan tersebut terpilih 30 perusahaan sebagai sampel dalam penelitian ini. Sampel dalam penelitian ini dipilih dengan menggunakan teknik simple random sampling. Data mengenai populasi dan sampel dapat dilihat secara jelas pada lampiran i. Berikut ini merupakan deskripsi data statistik dari seluruh data yang digunakan secara umum dalam penelitian ini: Tabel 4.1 Deskriptif Statistik Descriptive Statistics N Minimum Maximum Mean Std. Deviation LIKUIDITAS CR 90 ,62 23,80 2,9704 3,39249 LEVERAGE DER 90 ,08 35,00 1,3548 3,73123 PERPUTARAN ASET TATO 90 ,31 2,44 1,1048 ,45974 PRICE BOOK VALUE 90 ,25 38,97 3,4134 6,73077 EARNINGS PER SHARE 90 -273,00 24081,00 1085,9556 3738,95137 Valid N listwise 90 Sumber : Data Olahan SPSS, 2013 Berdasarkan hasil yang diperoleh dari Tabel 4.1 maka dapat dijelaskan bahwa: Universitas Sumatera Utara 49 1. Variabel likuiditas Current Ratio memiliki jumlah sampel sebanyak 90, nilai minimum 0,62, nilai maksimum 23,80 mean nilai rata-rata sebesar 2,9704, dan Standart Deviation atau Simpangan baku sebesar 3,39249. 2. Variabel Leverage Debt to Equity Ratio memiliki jumlah sampel sebanyak 90, nilai minimum 0,08, nilai maksimum 38,44, mean nilai rata-rata sebesar 1,3548, dan Standart Deviation atau Simpangan baku sebesar 3,73123. 3. Variabel perputaran aset Total Asset Turnover memiliki jumlah sampel sebanyak 90, nilai minimum 0,25, nilai maksimum 2,44, mean nilai rata-rata sebesar 1,1048, dan Standart Deviation atau Simpangan baku sebesar 0,45974. 4. Variabel Price Book Value PBV memiliki jumlah sampel sebanyak 90, nilai minimum 0,25, nilai maksimum 38,97, mean nilai rata-rata sebesar 3,4133, dan Standart Deviation atau Simpangan baku sebesar 6,73077. 5. Variabel Earnings Per Share memiliki jumlah sampel sebanyak 90, nilai minimum -273, nilai maksimum 24.081.000, mean nilai rata-rata sebesar 1.085,9566, dan Standart Deviation atau Simpangan baku sebesar 3.738,95137. 6. Jumlah sampel yang digunakan adalah sebanyak 90 sampel. Universitas Sumatera Utara 50 4.2. Hasil Penelitian 4.2.1. Uji Asumsi Klasik Metode analisis yang digunakan oleh peneliti adalah metode analisis regresi berganda. Analisis regresi berganda berguna untuk menguji pengaruh dari variabel Independen terhadap Variabel Dependen dalam suatu penelitian. Sebelum melakukan uji hipotesis penelitian ini, terlebih dahulu peneliti akan melakukan uji asumsi klasik, hal tersebut berguna untuk melihat apakah data telah terdistribusi dengan normal dengan uji normalitas, dan untuk melihat apakah penelitian tersebut terjadi multikolinearitas, heterokedastisitas dan autokorelasi atau tidak. Menurut Ghozali 2005:123 asumsi klasik harus memenuhi: • berdistribusi normal, • non-multikolinearitas, artinya antara variabel independen dalam model regresi tidak memiliki korelasi atau hubungan secara sempurna ataupun mendekati sempurna, • non-autokorelasi, artinya kesalahan pengganggu dalam model regresi tidak saling korelasi, • homoskedasitas, artinya varians variabel independen dari satu pengamatan kepengamatan yang lain adalah konstan atau sama. Universitas Sumatera Utara 51

4.2.1.1 Uji Normalitas

Uji normalitas berguna untuk melihat apakah data telah terdistribusi normal atau tidak. Uji normalitas dilakukan dengan model kolmogorov-smirnov . Menurut Ghozali 2005:115 memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov Smirnov yang dapat dilihat dari: a nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal, b nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal. Hasil uji normalitas dengan menggunakan model Kolmogorov- Smirnov dapat dilihat pada Tabel 4.2 berikut ini: Tabel 4.2 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 90 Normal Parameters a,,b Mean ,0000000 Std. Deviation 3357,68065871 Most Extreme Differences Absolute ,339 Positive ,339 Negative -,277 Kolmogorov-Smirnov Z 3,214 Asymp. Sig. 2-tailed ,000 a. Test distribution is Normal. b. Calculated from data. Sumber : Data Olahan SPSS, 2013 Universitas Sumatera Utara 52 Berdasarkan hasil uji statistik pada One-Sample Kolmogorov- Smirnov tersebut dapat terlihat bahwa data tidak terdistribusi dengan normal, karena Asymp. Sig. 2-tailed pada tabel tersebut 0,05. Oleh karena itu, peneliti akan melakukan treatment atau perbaikan pada data tersebut agar dapat memenuhi Uji Normalitas. Menurut Syafrizal et.al 2008 : 62 Ada beberapa cara mengubah model regresi menjadi normal yaitu: 1. lakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma Log atau logaritma natural Ln. 2. menambah jumlah data. 3. menghilangkan data yang dianggap sebagai penyebab tidak normalnya data. 4. menerima data apa adanya. Oleh karena itu, guna memenuhi uji normalitas maka peneliti akan mentransformasikan data penelitian ini kedalam bentuk Logaritma natural LN, kemudian data diuji ulang dengan menggunakan uji normalitas. Hasil Uji Normalitas pada data yang telah ditransformasi dapat dilihat pada histogram, dan normal probability plot, One-Sample Kolmogorov-Smirnov , berikut ini: Universitas Sumatera Utara 53 Gambar 4.1 Uji Normalitas Sumber : Data Olahan SPSS, 2013 Gambar 4.2 Uji Normalitas Sumber : Data Olahan SPSS, 2013 Universitas Sumatera Utara 54 Tabel 4.3 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 87 Normal Parameters a,,b Mean ,0000000 Std. Deviation 1,80536084 Most Extreme Differences Absolute ,080 Positive ,080 Negative -,068 Kolmogorov-Smirnov Z ,749 Asymp. Sig. 2-tailed ,629 a. Test distribution is Normal. b. Calculated from data. Sumber : Data Olahan SPSS, 2013 Bedasarkan hasil Uji Normalitas diatas dengan data yang telah ditransformasi ke dalam bentuk logaritma, maka hasil yang di dapatkan adalah data telah terdistribusi secara normal. Hal tersebut di dapat diketahui dengan melihat Asymp. Sig 2-Tailed 0.05, yaitu sebesar 0,629. Selain itu data yang telah terdistribusi normal dapat kita ketahui dengan melihat Histogram pada gambar 4.1, grafik histogram pada uji normalitas di atas dapat terlihat bahwa data terdistribusi mengikuti garis diagonal yang tidak menceng Skewness ke kiri maupun ke kanan. Data yang telah terdistribusi normal juga bisa diketahui dengan melihat grafik plot yang ditunjukkan pada gambar 4.2. Menurut Ghozali 2005:112 pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Universitas Sumatera Utara 55 Pada gambar tersebut dapat terlihat bahwa penyebaran data titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, oleh sebab itu dapat diketahui bahwa data telah terdistribusi dengan normal.

4.2.1.2 Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk melihat apakah antara variabel-variabel terdapat multikolinearitas atau tidak. Menurut Ghozali 2005:91 Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Untuk melihat ada atau tidaknya multikolinieritas dalam model regresi dapat dilihat dari: 1. nilai tolerence dan lawannya, 2. Variance Inflatin Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerence mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerence. Nilai cutoff yang umum dipakai untuk menunjukkan adanya mutikolineritas adalah nilai Tolerence 0,10 atau sama dengan VIF 10 Ghozali, 2005:91. Hasil pengujian terhadap multikolinearitas pada penelitian ini dapat dilihat pada tabel 4.4 Universitas Sumatera Utara 56 Tabel 4.4 Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Constant LN LIKUIDITAS CR ,788 1,270 LN LEVERAGE DER ,774 1,293 LN PERPUTARAN ASET TATO ,842 1,188 LN PBV ,828 1,207 a.Dependent Variable: LN EPS Sumber : Data Olahan SPSS, 2013 Berdasarkan data olahan SPSS diatas, dapat diketahui bahwa data penelitian ini tidak terjadi multikolinearitas. Hal tersebut dapat diketahui bahwa tidak ada satupun variabel Independen yang memiliki VIF di atas 10 ataupun Tolerance dibawah 0,1. Dari hasil uji multikolineraitas ini di dapatkan bahwa nilai VIF untuk Likuiditas Current Ratio adalah 1,270 10 dan nilai Tolerance sebesar 0,788 0,1. Nilai VIF untuk Leverage Debt to Equity Ratio adalah 1,569 10 dan nilai Tolerance sebesar 0,637 0,1. Nilai VIF untuk Debt to Equity ratio DER adalah 1,293 10 dan nilai Tolerance sebesar 0,774 0,1. Nilai VIF untuk perputaran aset adalah 1,188 10 dan nilai Tolerance sebesar 0,842 0,1. Nilai VIF untuk price book value adalah 1,207 10 dan nilai Tolerance sebesar 0,828 0,1 Kesimpulan dari Uji Multikolinearitas ini adalah bahwa semua variabel independen telah lolos dari Uji multikolinearitas. Universitas Sumatera Utara 57

4.2.1.3 Uji Heterokedastisitas

Menurut Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah model regresi yang tidak terjadi heterokedastisitas. Cara untuk menentukan ada atau tidaknya heterokedastisitas adalah dengan melihat grafik scatterplot pada gambar 4.3. Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai berikut: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedasitas. 2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka o dan y, maka tidak heterokedasitas. Berikut ini peneliti menampilkan grafik scatterplot untuk melihat hasil uji heterokedastisitas dalam penelitian ini pada gambar 4.3. Universitas Sumatera Utara 58 Gambar 4.3 Uji Heterokedastisitas Sumber : Data Olahan SPSS, 2013 Pada gambar 4.3 pada grafik Scatterplot diatas dapat terlihat bahwa titik data menyebar secara acak dan tidak terlihat suatu pola tertentu, dan pada grafik scatterplot diatas juga dapat terlihat bahwa titik tersebar diatas maupun dibawah sumbu y dan angka 0. Oleh karena itu dapat disimpulkan bahwa tidak terjadi heterokedastisitas di dalam penelitian ini, dan model regresi ini layak dipakai dalam penelitian.

4.2.1.4 Uji Autokorelasi

Untuk mengetahui terjadi atau tidak terjadinya suatu autokorelasi dapat diketahui dengan melihat nilai Durbin-Watson DW. Menurut Sugiyono 2001:76 mengemukakan bahwa terjadinya Universitas Sumatera Utara 59 Autokorelasi jika nilai Durbin-Watson DW memiliki nilai lebih dari 5, atau Durbin-Watson DW 5. Berikut ini peneliti menampilkan hasil Uji Autokorelasi pada Tabel 4.5 dibawah ini: Tabel 4.5 Uji Autokorelasi Model Summary b Model Change Statistics Durbin-Watson R Square Change F Change df1 df2 Sig. F Change 1 ,208 5,390 4 82 ,001 1,805 a.Predictors: Constant, LN PBV, LN LIKUIDITAS CR , LN PERPUTARAN ASET TATO , LN LEVERAGE DER b.Dependent Variable: LN EPS Sumber : Data Olahan SPSS, 2013 Berdasarkan Tabel 4.5 tentang Uji Autokorelasi memperlihatkan bahwa nilai Durbin-Watson DW adalah 1,805 5. Oleh karena itu, dapat dikemukakan bahwa tidak terjadi Autokorelasi dalam penelitian ini.

4.2.2. Analisis Regresi