48
BAB IV ANALISIS HASIL DAN PEMBAHASAN
4.1 Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi linier 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 digunakan 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.
` Pengambilan sampel dilakukan dengan menggunakan purposive
sampling dan berdasarkan kriteria yang telah ditetapkan, sehingga diperoleh 14 perusahaan yang memenuhi kriteria dan dijadikan sampel penelitian ini dan
diamati selama periode 2009-2011. Daftar perusahaan yang dijadikan sebagai sampel dapat dilihat pada tabel 4.1
49
Tabel 4.1 Sampel penelitian
KODE NAMA PERUSAHAAN
SAMPLE ADMG
PT Polychem Indonesia Tbk S1
ARGO PT Argo Pantes Tbk
S2 CNTX
PT Centex Tbk S3
ESTI PT Ever Shine Textile Industry
S4 HDTX
PT Pan Asia Indosyntec Tbk S5
INDR PT Indo Rama Synthetic Tbk
S6 KARW
PT Karwell Indonesia Tbk S7
MYTX PT Apac Citra Centertex Tbk
S8 PAFI
PT Pan Asia Filament Inti Tbk S9
PBRX PT Pan Brothers Tbk
S10 POLY
PT Asia Pasific Fibers Tbk S11
RICY PT Ricky Putra Globalindo Tbk
S12 UNIT
PT Nusantara Inti Corpora Tbk S13
UNTX PT Unitex Tbk
S14 Sumber :
www.idx.co.id , ditabulasi Penulis 2012
4.2 Analisis Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
Pengujian statistik deskriptif penting dilakukan sebelum melakukan pengujian asumsi klasik dan pengujian hipotesis. Statistik deskriptif adalah
statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul .
Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standar deviasi dari variabel-
variabel independen dan variabel dependen. Hasil pengujian statistik deskriptif pada sampel penelitian yang berjumlah 14 perusahaan
ditunjukkan pada tabel 4.2.
50
Tabel 4.2
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation RETURN SAHAM
42 -19.64
12.79 -.1021
4.59388 AKTIVITAS OPERASI
42 -59.28
13.40 -2.8157
12.40627 AKTIVITAS INVESTASI
42 -9362.50
8706.92 12.0274
2004.34368 AKTIVITAS PENDANAAN
42 -212.28
72.35 -5.5552
36.78473 Valid N listwise
42
Tabel 4.2 menunjukkan hasil ouput SPSS mengenai statistik deskriptif variabel penelitian tahun 2009-2011 dengan jumlah sampel keseluruhan
sebanyak 42 14 perusahaan selama 3 tahun. Dari tabel tersebut, dapat dijelaskan statistik deskriptif masing-masing variabel bahwa :
a. Variabel return saham memiliki nilai minimum terkecil -19.64, nilai maksimum terbesar 12.79, nilai mean nilai rata-rata -0.1021, Standart
Deviation simpangan baku 4.59388, dan jumlah observasi sebanyak 42. b. Variabel aktivitas operasi memiliki nilai minimum terkecil -59.28, nilai
maksimum terbesar 13.40, nilai mean nilai rata-rata -2.8157, Standart Deviation simpangan baku 12.40627, dan jumlah observasi sebanyak 42.
c. Variabel aktivitas investasi memiliki nilai minimum terkecil -9362.50, nilai maksimum terbesar 8706.92, nilai mean nilai rata-rata 12.0274,
Standart Deviation simpangan baku 2004.34368, dan jumlah observasi sebanyak 42.
51
d. Variabel aktivitas pendanaan memiliki nilai minimum terkecil -212.28, nilai maksimum terbesar 72.35, nilai mean nilai rata-rata -5.5552, Standart
Deviation simpangan baku 36.78473, dan jumlah observasi sebanyak 42.
4.2.2 Uji Asumsi Klasik 4.2.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak,
dengan membuat hipotesis sebagai berikut:
: data residual berdistribusi normal : data residual tidak berdistribusi normal
Ada dua cara yang dapat digunakan untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan
uji statistik. Pada penelitian ini akan digunakan kedua cara tersebut.
1 Analisis Grafik Analisis grafik dapat digunakan dengan dua alat, yaitu grafik histogram
dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi
normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak
menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal.
52
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik P-Plot
53
Dengan melihat tampilan grafik histogram, penulis melihat bahwa gambar histogram telah berbentuk lonceng tetapi menceng ke arah kiri yang
menunjukkan bahwa data tidak terdistribusi secara normal. Pada grafik P-P Plot terlihat titik-titik tidak menyebar di sekitar garis diagonal dan jauh dari
garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi asumsi normalitas.
2 Analisis Statistik Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan
kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk
memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sample K-S dengan melihat data
residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya lebih besar dari 0,05 maka data tersebut terdistribusi normal. Jika nilai
signifikansinya lebih kecil dari 0,05 maka distribusi data adalah tidak normal. Hasil uji Kolmogorov-Smirnov dapat dilihat pada tabel 4.3.
54
Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 2,073 dan signifikan pada 0,001 maka disimpulkan data tidak
terdistribusi secara normal karena p = 0,000 0,05. Data yang tidak berdistribusi normal dapat disebabkan oleh adanya data
yang outlier, yaitu data yang memiliki nilai yang sangat menyimpang dari nilai data lainnya. Menurut Jogiyanto 2004:172 beberapa cara mengubah model
regresi menjadi normal yaitu: 1. Dengan melakukan transformasi data ke bentuk lain, yaitu: logaritma
natural, akar kuadrat, logaritma 10, 2. Melakukan trimming, yaitu memangkas observasi yang bersifat outlier,
3. Melakukan winsorizing, yaitu mengubah nilai-nilai data outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya
distribusinya menjadi normal. Dari ketiga cara di atas, penulis memutuskan untuk melakukan
transformasi data terhadap semua variabel menjadi bentuk Logaritma 10
Tabel 4.3 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 42
Normal Parameters
a
Mean .0000000
Std. Deviation 2.59798804
Most Extreme Differences Absolute
.320 Positive
.320 Negative
-.154 Kolmogorov-Smirnov Z
2.073 Asymp. Sig. 2-tailed
.000 a. Test distribution is Normal.
55
LOG10, agar variabel-variabel dalam penelitian ini memenuhi asumsi normalitas. Setelah itu, dilakukan pengujian ulang dengan metode statistik.
a Uji Grafik
Gambar 4.3 Grafik Normal Histogram
Dengan cara melihat grafik histogram di atas dapat disimpulkan bahwa distribusi data normal karena grafik histogram menunjukkan distribusi data
mengikuti garis diagonal yang tidak menceng skewness kiri maupun menceng kanan.
56
Demikian pula dengan uji normalitas dengan menggunakan grafik p-p plot berikut ini, pada grafik normal p-p plot, dapat dilihat titik – titik menyebar
disekitar garis diagonal dan agak mendekati garis diagonal sehingga dapat disimpulkan data berdistribusi normal.
Gambar 4.2 Grafik Normal P-Plot
57
b. Uji Statistik
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 42
Normal Parameters
a
Mean .0000000
Std. Deviation .70060421
Most Extreme Differences Absolute
.099 Positive
.071 Negative
-.099 Kolmogorov-Smirnov Z
.644 Asymp. Sig. 2-tailed
.801 a. Test distribution is Normal.
Berdasarkan hasil pengujian K-S diatas, nilai K- S yang diperoleh adalah 0,644, dan signifikan pada 0,801, sehingga dapat disimpulkan bahwa data
terdistribusi normal dimana nilai p lebih besar dari 0,05 p = 0,644 0,05. Dengan demikian secara keseluruhan bahwa nilai observasi telah terdistribusi
normal
4.2.2.2 Uji Multikolonieritas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala
multikolonieritas adalah dengan melihat besaran korelasi antara variabel independen dan besarnya tingkat kolonieritas yang masih dapat ditolerir,
yaitu Tolerance 0,10 dan Variance Inflation Factor VIF 10. Berikut disajikan tabel hasil pengujian:
58
Tabel 4.5 Uji Multikolonieritas
Berdasarkan tabel 4.5 diatas dapat dilihat bahwa tidak ada satupun variabel bebas yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki
tolerance value lebih kecil dari 0,1. Hasil pengujian menunjukkan angka tolerance untuk arus kas operasi lebih besar dari 0.1 0.857 0.1, arus kas
investasi lebih besar dari 0.1 0.928 0.1, arus kas pendanaan lebih besar dari 0.1 0.919 0.1. Angka VIF untuk arus kas operasi lebih kecil dari 10 1.167
10, arus kas investasi lebih kecil dari 10 1.078 10, arus kas pendanaan 1.088 10.
Berdasarkan hasil pengujian tersebut diperoleh kesimpulan tidak terdapat multikolonieritas. Hasil ini menunjukkan tidak ada hubungan antar variabel bebas
independen.
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-.103 .114
AKTIVITAS OPERASI -.067
.191 -.060
.857 1.167
AKTIVITAS INVESTASI
.037 .106
.057 .928
1.078 AKTIVITAS
PENDANAAN .181
.140 .214
.919 1.088
a. Dependent Variable: RETURN SAHAM
59
4.2.2.3 Uji Heterokedastisitas
Untuk pengujian heteroskedastisitas, penulis menggunakan alat analisis grafik Scatterplot. Pada analisis grafik Scatterplot, deteksi ada tidaknya
heteroskesdatisitas dapat dilakukan dengan melihat jika tidak ada pola tertentu pada grafik Scatterplot maka tidak terjadi heteroskedastisitas dengan
kata lain terjadi homoskedastisitas. Hasil pengujian dapat ditunjukkan grafik scatterplot antara ZPRED dan ZRESID sebagai berikut.
Gambar 4.5 Grafik Scatterplot
60
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada persamaan regresi.
4.2.2.4 Uji Autokorelasi
Uji ini bertujuan untuk menganalisis apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan tingkat
kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya, hal ini
sering ditemukan pada time series. Metode yang digunakan penulis telah diungkapkan dalam bab tiga.
Uji ini bertujuan untuk melihat apakah dalam suatu model linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan periode
t-1 sebelumnya. Model regresi yang baik adalah yang bebas dari autokorelasi. Masalah autokorelasi umumnya terjadi pada regresi yang datanya time series.
Uji yang digunakan dalam penelitian ini untuk mendeteksi ada tidaknya autokorelasi dapat dilihat dengan menggunakan uji Durbin-Watson.
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.
61
Tabel 4.6 Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .217
a
.047 -.028
.72779 1.800
a. Predictors: Constant, aktivitas pendanaan, aktivitas investasi, aktivitas operasi b. Dependent Variable: return saham
Berdasarkan tabel diatas, menunjukkan nilai D-W sebesar 1,800. Angka ini terletak diantara -2 dan +2, dari pengamatan ini dapat disimpulkan bahwa
tidak terjadi autokorelasi positif maupun autokorelasi negatif dalam penelitian ini.
4.3 Pengujian Hipotesis
Hasil uji asumsi klasik memperlihatkan data observasi tidak memenuhi asumsi normalitas, kemudian dilakukan transformasi ke dalam bentuk
Logaritma 10 LOG10. Sehingga persamaan yang baru memenuhi asumsi klasik dan dapat dianalisis lebih lanjut untuk pengujian hipotesis. Penulis
menggunakan analisis regresi berganda untuk melakukan pengujian hipotesis dengan bantuan program SPSS 16.
62
4.3.1 Analisis Regresi
Tabel 4.7
Model Unstandardized
Coefficients Standardized
Coefficients Collinearity Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
-.103 .114
AKTIVITAS OPERASI -.067
.191 -.060
.857 1.167
AKTIVITAS INVESTASI
.037 .106
.057 .928
1.078 AKTIVITAS
PENDANAAN .181
.140 .214
.919 1.088
a. Dependent Variable: RETURN SAHAM
Berdasarkan tabel di atas, di dapatlah persamaan regresi sebagai berikut : Y = β0 + β1X1 + β2X2 + β3X3 + e
Return Saham = -0,103 – 0,067 AKO + 0.037 AKI + 0,181 AKP + e
Keterangan : 1 β0 sebesar -0.103 menunjukkan bahwa apabila tidak ada variabel independen
Arus kas operasi, arus kas investasi, dan arus kas pendanaan maka tingkat return saham sebesar 10.3
63
2 β1 sebesar -0.067 menunjukkan bahwa setiap penambahan arus kas operasi sebesar 1 akan diikuti oleh penurunan return saham sebesar 6.7 dengan
asumsi variabel lain tetap. 3 β2 sebesar 0.037 menunjukkan bahwa setiap penambahan arus kas investasi
sebesar 1 akan diikuti oleh kenaikan return saham sebesar 3.7 dengan asumsi variabel lain tetap.
4 β3 sebesar 0,181 menunjukkan bahwa setiap penambahan arus kas pendanaan sebesar 1 akan diikuti oleh kenaikan return saham sebesar 18.1 dengan
asumsi variabel lain tetap.
4.3.2 Analisis Koefisien Korelasi
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 nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, 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.
64
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .217
a
.047 -.028
.72779 1.800
a. Predictors: Constant, aktivitas pendanaan, aktivitas investasi, aktivitas operasi b. Dependent Variable: return saham
Pada tampilan ouput SPSS model summary , nilai koefisien korelasi R sebesar 0,217 yang berarti bahwa korelasi atau hubungan antara arus kas operasi,
arus kas investasi, dan arus kas pendanaan variabel independen terhadap return saham variabel dependen rendah. Koefisien korelasi dikatakan kuat apabila nilai
R berada diatas 0,5 dan mendekati 1. Angka R Square atau koefisien determinasi adalah 0,047. Hal ini berarti 4.7 variasi atau perubahan dalam variabel dependen
dapat dijelaskan oleh variabel independen, sedangkan sisanya 95.3 dijelaskan oleh faktor – faktor lain. Standar Error of Estimate SEE adalah 0,72779 semakin
kecil nilai SEE maka akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.
4.3.3 Pengujian secara Parsial Uji t
Uji t digunakan untuk menguji signifikansi konstanta dan setiap variabel independennya. Pada uji t digunakan hipotesis berikut :
Tabel 4.8
65
: a = =
= = 0, artinya variabel arus kas operasi, arus kas investasi
dan arus kas pendanaan secara parsial tidak berpengaruh terhadap return saham pada perusahaan tekstil dan garment yang terdaftar di BEI.
: a ≠ ≠ ≠ ≠ 0, artinya variabel arus kas operasi, arus kas investasi
dan arus kas pendanaan secara parsial berpengaruh terhadap return saham pada perusahaan tekstil dan garment yang terdaftar di BEI.
Uji t ini dilakukan dengan membandingkan signifikansi dengan
dengan ketentuan − jika
, maka diterima dan
ditolak untuk α = 5 atau signifikansi 0,05,
− jika , maka
ditolak dan diterima untuk α = 5 atau
signifikansi 0,05. Hasil dari pengujian secara parsial Uji t ditunjukkan sebagai berikut :
Tabel 4.9 Hasil Uji t
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -.103
.114 -.900
.374 aktivitas operasi
-.067 .191
-.336 -.352
.727 aktivitas investasi
.037 .107
.040 .345
.732 aktivitas pendanaan
.181 .140
.281 1.293
.204 a. Dependent Variable: return saham
66
Dari tabel hasil pengolahan SPSS dapat dilihat besarnya untuk
variabel arus kas operasi sebesar -0.352 dengan nilai signifikan 0,727. Hasil uji tersebut dapat menunjukkan
adalah lebih kecil dari -0,352 1,662.
Dilihat signifikansinya, nilai signifikansi arus kas operasi adalah sebesar 0.727, lebih besar dari nilai signifikan sebesar 0,05. Hasil perhitungan baik melalui
maupun nilai signifikannya, menunjukkan arus kas operasi tidak mempunyai pengaruh yang signifikan terhadap variabel return saham. Nilai
, dimana level of significance
α = 0,05 5 dan derajat kebebasan df = N – k atau 42 – 3. Nilai
untuk variabel arus kas investasi adalah 0,345 dengan nilai signifikan 0,732. Hasil uji tersebut dapat menunjukkan
adalah lebih kecil dari
0.345 1,662. Dilihat signifikansinya, nilai signifikansi arus kas investasi adalah sebesar 0,732 lebih besar dari nilai signifikan sebesar 0,05. Hasil
perhitungan baik melalui maupun nilai signifikannya, menunjukkan arus
kas investasi tidak mempunyai pengaruh yang signifikan terhadap variabel return saham.
Nilai untuk variabel arus kas pendanaan adalah 1,293 dengan nilai
signifikan 0,204. Hasil uji tersebut dapat menunjukkan adalah lebih kecil
dari 1,293 1,662. Dilihat signifikansinya, nilai signifikansi arus kas
pendanaan adalah sebesar 0,204 lebih besar dari nilai signifikan sebesar 0,05. Hasil perhitungan baik melalui
maupun nilai signifikannya, menunjukkan arus kas pendanaan tidak mempunyai pengaruh yang signifikan terhadap variabel
return saham.
67
4.3.4 Pengujian secara Simultan Uji F
Secara simultan, pengujian hipotesis dilakukan dengan uji F F test. Uji F dilakukan untuk menguji apakah variabel-variabel independen berpengaruh
secara simultan terhadap variabel dependen. Dalam uji F digunakan hipotesis sebagai berikut:
= variabel arus kas operasi, arus kas investasi dan arus kas pendanaan tidak berpengaruh signifikan secara simultan terhadap return saham.
= variabel arus kas operasi, arus kas invesatsi dan arus kas pendanaan berpengaruh signifikan secara simultan terhadap return saham.
Uji ini dilakukan dengan membandingkan signifikansi dengan
Ftabel dengan ketentuan: 1 jika
pada α 0.05, maka ditolak dan diterima,
2 jika pada α 0.05, maka diterima ditolak.
Tabel 4.10 Hasil Uji F
ANOVA
b
Model Sum of Squares
df Mean Square
F Sig.
1 Regression
.995 3
.332 .626
.602
a
Residual 20.128
38 .530
Total 21.123
41 a. Predictors: Constant, AKTIVITAS PENDANAAN, AKTIVITAS INVESTASI, AKTIVITAS
OPERASI b. Dependent Variable: RETURN SAHAM
68
Dari uji ANOVA Analysis of Variance didapat sebesar 0,626
dengan tingkat signifikansi sebesar 0,602. Sedangkan diketahui sebesar
3,24. Berdasarkan hasil tersebut dapat diketahui bahwa 0,626
3,24 maka diterima dan
ditolak. Kesimpulan yang dapat diambil adalah variabel arus kas operasi, arus kas investasi dan arus kas pendanaan
secara simultan tidak berpengaruh signifikan terhadap return saham pada perusahaan tekstil dan garment yang terdaftar di Bursa Efek Indonesia tahun
2009-2011
4.4 Pembahasan Hasil Penelitian
Penelitian ini bertujuan untuk untuk mengetahui apakah arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari aktivitas
pendanaan berpengaruh baik secara simultan dan parsial terhadap return saham pada perusahaan tekstil dan garment yang terdaftar di Bursa Efek Indonesia.
Dimana variabel independen yang digunakan dalam penelitian ini adalah arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari
aktivitas pendanaan dan variabel dependen dalam penelitian ini adalah return saham. Populasi yang digunakan digunakan dalam penelitian ini adalah
perusahaan tekstil dan garment yang terdaftar di BEI tahun 2009-2011 dimana jumlah populasi yang digunakan adalah sebesar 14 perusahaan. Teknik
pengambilan sampel yang digunakan adalah tenik purposive sampling dimana jumlah sampel yang diperoleh dalam penelitian ini adalah 42 14 x 3 tahun.
69
Pengujian yang digunakan dalam penelitian ini adalah uji asumsi klasik normalitas, heteroskedastisitas, autokorelasi dan multikolineritas dan Uji
hipotesis Uji t, Uji F dan Uji Determinasi. Berdasarkan hasil uji determinasi, nilai R Square sebesar 0.047. Hal ini berarti bahwa 4.7 variasi atau
perubahan dalam return saham dapat dijelaskan oleh variasi arus kas operasi, arus kas investasi, dan arus kas pendanaan, sedangkan sisanya sebesar 95.3
dijelaskan oleh sebab – sebab lain yang tidak dimasukkan dalam model penelitian.
Berdasarkan hasil uji simultan diperoleh kesimpulan variabel arus kas operasi, arus kas investasi dan arus kas pendanaan tidak berpengaruh secara
signifikan terhadap return saham, ini ditunjukkan dengan nilai 0.626
3.24 dengan tingkat signifikansi 0,602
.
Hasil uji ini tidak sejalan dengan penelitian yang dilakukan oleh Rosdiana 2008. Penelitian ini sejalan
dengan penelitian yang dilakukan oleh Tagor 2008 Berdasarkan hasil uji parsial diperoleh variabel arus kas operasi tidak
berpengaruh secara signifikan terhadap return saham, ini ditunjukkan dengan nilai
-0.352 1,662
dengan tingkat α = 5 pada signifikansi 0,727 0,05
.
Penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh Rosdiana 2008. Penelitian ini sejalan dengan penelitian yang dilkukan oleh
Tagor 2008. Variabel arus kas investasi tidak berpengaruh secara signifikan terhadap
return saham, ini ditunjukkan dengan nilai 0.345
1,662 dengan tingkat α = 5 pada signifikansi 0,732 0,05. Penelitian ini sejalan
70
dengan penelitian yang dilakukan olehTagor 2008. Penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh Rosdiana 2008.
Variabel arus kas pendanaan tidak berpengaruh secara signifikan terhadap return saham, ini ditunjukkan dengan nilai
1.293 1,662
dengan tingkat α = 5 pada signifikansi 0,204 0,05 Penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh Rosdiana 2008. Penelitian ini
sejalan dengan penelitian yang dilakukan oleh Tagor 2008.
71
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Penelitian ini bertujuan untuk mengetahui apakah arus kas dari aktivitas operasi, arus kas dari aktivitas investasi dan arus kas dari aktivitas pendanaan
berpengaruh baik secara parsial maupun simultan terhadap return saham pada perusahaan tekstil dan garment yang terdafatar di Bursa Efek Indonesia.
Variabel dependen yang digunakan dalam penelitian ini adalah return saham dan variabel independennya adalah arus kas dari aktivitas operasi, arus kas dari
aktivitas investasi dan arus kas dari aktivitas pendanaan. Adapun kesimpulan dalam penelitian ini adalah sebagai berikut:
1. Variabel arus kas operasi secara parsial tidak berpengaruh secara signifikan terhadap return saham sebagaimana ditunjukkan oleh angka signifikansinya
sebesar 0.727 0.05 setelah dilakukan uji t. 2. Variabel arus kas investasi secara parsial tidak berpengaruh secara signifikan
terhadap return saham sebagaimana ditunjukkan oleh angka signifikansinya sebesar 0.732 0.05 setelah dilakukan uji t.
3. Variabel arus kas pendanaan secara parsial tidak berpengaruh secara signifikan terhadap return saham sebagaimana ditunjukkan oleh angka
signifikansinya sebesar 0.204 0.05 setelah dilakukan uji t.