Analisis regresi berganda Uji signifikansi parsial t- test Analis Regresi

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 autokorelasi negatif.

3.6.3 Koefisien determinasi R

2 Koefisien Determinasi R 2 digunakan untuk menentukan besarnya variabel dependen yang dapat dijelaskan oleh variasi variabel-variabel independennya, dengan kisaran nilai antara 0 dan 1. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.

3.6.4 Pengujian hipotesis

Model penelitian ini menggunakan model regresi linier berganda. Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak, peneliti menggunakan uji signifikansi parsial t-test dan uji signifikansi simultan F- test .

3.6.5.1 Analisis regresi berganda

Dalam menentukan hubungan yang berlaku antara ROA, ROE, EPS, dan TATO terhadap harga saham pada perusahaan barang konsumsi yang terdaftar di BEI digunakan model analisis regresi berganda berikut: Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + e Universitas Sumatera Utara Keterangan: Y = Harga Saham α = Konstanta β 1 …β 4 = Koefisien regresi X 1 = Return on asset X 2 = Return On Equity X 3 = Earning Per Share X 4 = Total Assets Turn Over e = error atau variabel pengganggu

3.6.5.2 Uji signifikansi parsial t- test

Uji t digunakan untuk menguji seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen Ghozali, 2005 : 84. Variabel independen dikatakan memiliki pengaruh signifikan terhadap variabel dependen apabila variabel dependen tersebut memiliki nilai signifikansi sig di bawah 0.05.

3.6.5.1 Uji signifikansi simultan F- test

Uji F dilakukan untuk menujukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model regresi berganda mempunyai pengaruh secara bersama- sama terhadap variabel dependen Ghozali, 2005 : 84. Variabel-variabel independen tersebut dikatakan memiliki pengaruh secara simultan dan signifikan terhadap variabel dependen apabila memiliki nilai signifikansi sig di bawah 0.05. Universitas Sumatera Utara BAB IV ANALISIS HASIL PENELITIAN 4.4 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 16.0. 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 28 perusahaan barang konsumsi yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini dan diamati selama periode 2010-2012. Tabel 4.1 Daftar Sampel Perusahaan Barang Konsumsi No Nama Perusahaan Kode 1 PT Akasha Wira International Tbk ADES 2 PT Tiga Pilar Sejahtera Food Tbk AISA 3 PT Cahaya Kalbar Tbk CEKA 4 PT Delta Djakarta Tbk DLTA 5 PT Darya Varia Laboratoria Tbk DVLA 6 PT Gudang Garam Tbk GGRM 7 PT HM Sampoerna Tbk HMSP 8 PT Indofarma Persero Tbk INAF 9 PT Indofood Sukses Makmur Tbk INDF 10 PT Kimia Farma Persero Tbk KAEF 11 PT Kedaung Setia Industrial Tbk KDSI Universitas Sumatera Utara Sumber : peneliti, 2013 4.5 Analisis Hasil Penelitian 4.5.1 Analisis Statistik Deskriptif Jenis data pada penelitian ini adalah data sekunder yang diperoleh dari situs www.idx.co.id dan Indonesian Yahoo Finance berupa laporan keuangan perusahaan barang konsumsi dari tahun 2010 sampai 2012 yang dijabarkan dalam bentuk statistik. Variabel yang digunakan pada penelitian ini adalah Current Ratio CR, Debt to Equity Ratio DER, Earning per share EPS, Total assets turnover TATO sebagai variabel independen dan harga saham sebagai variabel dependen. Adapun statistik deskriptif dari variabel-variabel tersebut dapat dilihat pada tabel di bawah ini: 12 PT Kedaung Indah Can Tbk KICI 13 PT Kalbe Farma Tbk KLBF 14 PT Langgeng Makmur Industri Tbk LMPI 15 PT Merck Tbk MERK 16 PT Mustika Ratu Tbk MRAT 17 PT Mayora Indah Tbk MYOR 18 PT Praisdha Aneka Niaga Tbk PSDN 19 PT Pyridam Farma Tbk PYFA 20 PT Bentoel Internasional Investama Tbk RMBA 21 PT Schering Plough Indonesia Tbk SCPI 22 PT Sekar Laut Tbk SKLT 23 PT Taisho Pharmaceutical Indonesia Tbk SQBI 24 PT Siantar Top Tbk STTP 25 PT Mandom Indonesia Tbk TCID 26 PT Tempo Scan Tbk TSPC 27 PT Ultrajaya Milk Industry Trading Company Tbk ULTJ 28 PT Unilever Indonesia Tbk UNVR Universitas Sumatera Utara Tabel 4.2 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation CR 84 .6683 11.7428 3.067683 2.2583112 DER 84 .1041 24.4830 1.419771 3.5085597 EPS 84 -7061.2050 10319.5825 354.170262 1716.6874228 TATO 84 .0812 2.9577 1.321601 .5431454 H.SAHAM 84 50 108000 8978.89 20431.653 Valid N listwise 84 Sumber : peneliti, 2013 Dari tabel di atas dapat dijelaskan bahwa: 1. Variabel CR memiliki nilai rata-rata sebesar 3.067683, artinya rata-rata perusahaan barang konsumsi di BEI memiliki perbandingan aktiva lancar terhadap kewajiban lancar sebesar 3.067683. Variabel CR memiliki nilai minimum sebesar 0.6683, nilai maksimum sebesar 11.7428, dan standar deviasi sebesar 2.2583112. 2. Variabel DER memiliki nilai rata-rata sebesar 1.419771, artinya rata-rata perusahaan barang konsumsi di BEI memiliki perbandingan total utang terhadap ekuitas sebesar 1.419771. Variabel DER memiliki nilai minimum sebesar 0.1041, nilai maksimum sebesar 24.4830, dan standar deviasi sebesar 3.5085597. 3. Variabel EPS memiliki nilai rata-rata sebesar 461.766765, artinya rata- rata perusahaan barang konsumsi di BEI memiliki perbandingan laba bersih terhadap jumlah saham yang beredar sebesar 461.766765. Variabel EPS memiliki nilai minimum sebesar -7061.2050, nilai Universitas Sumatera Utara maksimum sebesar 10319.5825, dan standar deviasi sebesar 1960.6941319. 4. Variabel TATO memiliki nilai rata-rata sebesar 1.321601, artinya rata- rata perusahaan barang konsumsi di BEI memiliki perbandingan penjualan bersih terhadap total aktiva sebesar 1.321601. Variabel TATO memiliki nilai minimum sebesar 0.0812, nilai maksimum sebesar 2.9577, dan standar deviasi sebesar 0.5431454. 5. Variabel Harga Saham memiliki nilai rata-rata sebesar 8978.89, artinya rata-rata perusahaan barang konsumsi di BEI memiliki harga saham sebesar 8978.89. Variabel Harga Saham memiliki nilai minimum sebesar 50, nilai maksimum sebesar 108000, dan standar deviasi sebesar 20431.653. 4.5.2 Uji Asumsi Klasik

1. Normalitas

Pada penelitian ini peneliti menggunakan uji statistik non parametric Kolmogorov-Smirnov K-S, dengan hipotesis sebagai berikut: H : Data residual berdistribusi normal H 1 : Data residual tidak berdistribusi normal Apabila pengujian menghasilkan nilai signifikansi lebih besar dari 0,05 atau 0,05 maka H diterima dan H 1 ditolak, namun apabila nilai Universitas Sumatera Utara signifikasinya lebih kecil dari 0,05 atau 0,05, maka H ditolak dan H 1 diterima. Tabel 4.3 Uji Normalitas One-Sample Kolmogorov-Smirnov Test CR DER EPS TATO H.SAHAM N 84 84 84 84 84 Normal Parameters a Mean 3.067683 1.419771 354.170262 1.321601 8978.89 Std. Deviation 2.2583112 3.5085597 1716.6874228 .5431454 20431.653 Most Extreme Differences Absolute .206 .368 .372 .113 .331 Positive .206 .368 .292 .113 .306 Negative -.144 -.354 -.372 -.076 -.331 Kolmogorov-Smirnov Z 1.887 3.374 3.413 1.039 3.034 Asymp. Sig. 2-tailed .002 .000 .000 .230 .000 a. Test distribution is Normal. Sumber : peneliti, 2013 Dari hasil pengolahan data tersebut dapat dilihat besarnya Kolmogorov-Smirnov Z dari CR adalah sebesar 1.887, DER sebesar 3.374, EPS sebesar 3.413, TATO sebesar 1.039, dan harga saham sebesar 3.034. Untuk probabilitas signifikansi Asymp. Sig 2-tailed dari CR adalah sebesar 0.002, DER sebesar 0.000, EPS sebesar 0.000, TATO sebesar 0.230, dan harga saham sebesar 0.000. Dari penjelasan tersebut dapat disimpulkan bahwa hanya variabel TATO saja yang berdistribusi normal ataupun lebih besar dari 0,05, sedangkan CR, DER, EPS, dan harga saham tidak berdistribusi secara normal karena bernilai lebih kecil dari 0,05. Universitas Sumatera Utara Normalitas juga dapat diketahui dengan menggambarkan penyebaran data melalui sebuah grafik. Berikut ini merupakan gambaran peyebaran data tersebut melalui grafik histogram dan grafik normal plot data: Gambar 4.1 Histogram Sumber : peneliti, 2013 Dari grafik histogram di atas, terlihat bahwa kurva berbentuk lonceng bell shaped yang memiliki kecenderungan ke sisi kiri sehingga dapat dikatakan bahwa data tidak terdistribusi normal. Universitas Sumatera Utara Gambar 4.2 Grafik P-P Plot Sumber : peneliti, 2013 Dari grafik plot tersebut terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak menjauh dari garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi tidak terdistribusi secara normal. Dari hasil uji normalitas dengan Kolmogorov-Smirnov K-S, grafik histogram dan grafik normal plot menunjukkan data tidak terdistribusi secara normal, oleh karena itu perlu dilakukan perubahan terhadap model regresi menjadi normal. Menurut Erlina 2007:106, ada beberapa cara untuk mengubah model regresi menjadi normal yaitu: Universitas Sumatera Utara 1. Lakukan transformasi data ke bentuk lainnya 2. Lakukan trimming, yaitu membuang data outlier 3. Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu. Pada penelitian ini peneliti melakukan transformasi data dalam model logaritma natural agar nilai residual data menjadi normal. Setelah data ditransformasikan, peneliti melakukan pengujian ulang menggunakan Kolmogorov-Smirnov K-S, grafik histogram dan grafik normal plot untuk mengetahui normalitasnya. Berikut hasil pengujian setelah data ditransformasi ke dalam model logaritma natural: Tabel 4.4 Uji Normalitas setelah data ditransformasi One-Sample Kolmogorov-Smirnov Test lncr lnder lneps lntato lnsaham N 84 84 80 84 84 Normal Parameters a Mean .900971 -.415182 4.323992 .181491 6.982945 Std. Deviation .6499853 1.0118946 1.9708218 .4944105 2.1554321 Most Extreme Differences Absolute .103 .071 .082 .119 .120 Positive .103 .071 .082 .061 .120 Negative -.068 -.051 -.051 -.119 -.086 Kolmogorov-Smirnov Z .943 .654 .733 1.087 1.097 Asymp. Sig. 2-tailed .336 .786 .655 .188 .180 a. Test distribution is Normal. Sumber : peneliti, 2013 Universitas Sumatera Utara Dari tabel 4.4 dapat dilihat bahwa data penelitian telah berdistribusi normal setelah dilakukan transformasi. Nilai Asymp. Sig. 2-tailed dari masing-masing variabel adalah lncr sebesar 0.336, lnder sebesar 0.786, lneps sebesar 0.655, lntato sebesar 0,188, dan lnsaham sebesar 0.180, artinya setiap variabel telah berdistribusi normal karena memenuhi syarat normalitas yaitu lebih besar dari 0,05. Berikut ini merupakan gambaran peyebaran data setelah ditransformasi melalui grafik histogram dan grafik normal plot data: Gambar 4.3 Histogram setelah data ditransformasi Sumber : peneliti, 2013 Universitas Sumatera Utara Dari gambar 4.3, terlihat bahwa kurva berbentuk lonceng yang hampir sempurna dengan kemiringan yang cenderung seimbang baik dari sisi kiri maupun dari sisi kanan, hal ini menunjukkan bahwa data telah terdistribusi secara normal. Gambar 4.4 Grafik P-P Plot setelah data ditransformasi Sumber : peneliti, 2013 Dari gambar 4.2, terlihat bahwa titik menyebar disekitar arah garis diagonal yang menunjukan pola distribusi yang normal dan dapat digunakan untuk pengujian lebih lanjut. Universitas Sumatera Utara

2. Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah dalam suatu model regresi terdapat korelasi antar variabel independen. Pengujian multikolinearitas dilakukan dengan melihat VIF antar variabel independen. Jika VIF menunjukkan angka 10 dan nilai tolerance 0,10 menandakan terdapat gejala multikolinearitas. Tabel 4.5 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3.349 .512 6.544 .000 lncr .434 .586 .134 .741 .461 .217 4.604 lnder -.260 .485 -.096 -.537 .593 .221 4.525 lneps .701 .093 .651 7.493 .000 .935 1.070 lntato -.251 .373 -.059 -.673 .503 .908 1.101 a. Dependent Variable: lnsaham Sumber : peneliti, 2013 Melalui tabel di atas dapat dilihat bahwa nilai Tolerance untuk setiap variabel independen lebih besar dari 0.10, lncr sebesar 0.217 lnder sebesar 0.221, lneps sebesar 0.935, dan lntato sebesar 0.908. Nilai VIF dari setiap variabel independen lebih kecil dari 10, lncr sebesar 4.604, lnder sebesar 4.525, lneps sebesar 1.070, dan lntato sebesar 1.101. Dengan demikian, dapat disimpulkan bahwa tidak terjadi gejala multikolinieritas antar variabel independen dalam model regresi. Universitas Sumatera Utara

3. Heteroskedastisitas

Untuk mendeteksi ada tidaknya gejala heteroskedastisitas dalam penelitian ini 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 teratur 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 homokedastisitas dengan mengamati penyebaran titik-titik pada gambar . Universitas Sumatera Utara Gambar 4.5 Scatterplot Sumber : peneliti, 2013 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. Hasil tampilan output SPSS ini dengan jelas menunjukkan tidak ada indikasi terjadi heteroskedastisitas. Universitas Sumatera Utara

4. 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. Cara yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan uji Durbin Watson. Tabel 4.6 Uji Durbin Watson Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .686 a .471 .443 1.5833758 1.773 a. Predictors: Constant, lntato, lnder, lneps, lncr b. Dependent Variable: lnsaham Sumber : peneliti, 2013 Melalui hasil perhitungan uji Durbin-Watson diperoleh nilai D-W sebesar 1.773 sehingga tidak terdapat gejala autokorelasi, dengan menggunakan kriteria bahwa angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi. 4.5.3 Koefisien determinasi R 2 koefisien determinasi dilakukan dengan tujuan untuk melihat sejauh mana variabel independen mampu menjelaskan variasi variabel dependen. Universitas Sumatera Utara Tabel 4.7 Koefisien determinasi R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .686 a .471 .443 1.5833758 1.773 a. Predictors: Constant, lntato, lnder, lneps, lncr b. Dependent Variable: lnsaham Sumber : peneliti, 2013 Dari tabel 4.7 diatas dapat kita lihat bahwa diperoleh nilai R sebesar 0.686 yang menunjukkan bahwa korelasi atau hubungan harga saham Variabel dependen dengan CR, DER, EPS, dan TATO Variabel independen kuat karena R 50 0.5. Angka koefisien Adjusted R square bernilai 0.443. Angka ini mengindikasikan bahwa 44.3 variasi atau perubahan dalam harga saham mampu dijelaskan oleh CR, DER, EPS, dan TATO. Dan sisanya 55.7 dijelaskan oleh faktor-faktor lain yang tidak dimasukkan dalam dalam model penelitian.Standard error of estimate menunjukkan angka sebesar 1.5833758. Semakin kecil angka ini akan membuat model regresi semakin tepat dalam memprediksi harga saham. 4.5.4 Pengujian hipotesis

4.2.5.1 Analis Regresi

Dalam menentukan hubungan yang berlaku antara ROA, ROE, EPS, dan TATO terhadap harga saham digunakan model analisis regresi berganda berikut: Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + e Universitas Sumatera Utara Hasil analisis regresi ditunjukkan pada tabel 4.8 berikut ini: Tabel 4.8 Analisis Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3.349 .512 6.544 .000 lncr .434 .586 .134 .741 .461 .217 4.604 lnder -.260 .485 -.096 -.537 .593 .221 4.525 lneps .701 .093 .651 7.493 .000 .935 1.070 lntato -.251 .373 -.059 -.673 .503 .908 1.101 a. Dependent Variable: lnsaham Sumber : peneliti, 2013 Berdasarkan nilai koefisien yang ada pada table persamaan regresi di atas, maka dapat disusun model analisis regresi berganda untuk penelitian ini yaitu: Y = 3.349 + 0.434X 1 - 0.260X 2 + 0.701X 3 – 0.251X 4 Keterangan : Y = Harga Saham X 1 = ROA X 2 = TATO X 3 = EPS X 4 = PBV Universitas Sumatera Utara Interpretasi model analisis regresi berganda tersebut adalah sebagai berikut: 1. Α = 3.349 Konstanta sebesar 3.349 menunjukkan bahwa apabila tidak ada variabel CR, DER, EPS, dan TATO, maka harga saham yang terbentuk adalah 3.349. 2. β 1 = 0.434 Koefisien regresi ini menunjukkan bahwa setiap kenaikan satu satuan variabel CR akan menyebabkan harga saham meningkat sebesar 0.434. 3. β 2 = -0.260 Koefisien regresi ini menunjukkan bahwa setiap kenaikan satu satuan variabel DER akan menyebabkan harga saham menurun sebesar 0.260. 4. β 3 = 0.701 Koefisien regresi ini menunjukkan bahwa setiap kenaikan satu satuan variabel EPS akan menyebabkan harga saham meningkat sebesar 0.701. 5. β 5 = -0.251 Koefisien regresi ini menunjukkan bahwa setiap kenaikan satu satuan variabel TATO akan menyebabkan harga saham menurun sebesar 0.251. Universitas Sumatera Utara

4.2.5.2 Uji signifikansi parsial t- test