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