4.6 Harga Saham Perusahaan variabel dependen
NO. Nama Perusahaan
Tahun
2008 2009
2010 2011
1. Bank Agroniaga Tbk
235 141
168 118
2. Bank Artha Graha Internasional Tbk
50 76
107 96
3. Bank Bukopin Tbk
200 375
650 580
4. Bank Capital Indonesia Tbk
101 98
102 160
5. Bank Central Asia Tbk
3.250 4.850
6.400 8.000
6. Bank CIMB Niaga Tbk
495 710
1.910 1.220
7. Bank Danamon Indonesia Tbk
3.100 4.550
5.700 4.100
8. Bank Ekonomi Raharja Tbk
2.225 2.700
2.500 2.050
9. Bank Himpunan Saudara 1906 Tbk
50 280
290 220
10. Bank Mandiri Persero Tbk
2.025 4.700
6.500 6.750
11. Bank Mayapada Internasional Tbk
1.670 1.670
1.330 1.430
12. Bank MEGA Tbk
3.500 2.300
3.175 3.500
13. Bank Negara Indonesia Tbk
680 1.980
3.875 3.800
14. Bank OCBC NISP Tbk
700 1.000
1.700 1.080
15. Bank Nusantara Parahyangan Tbk
1.510 1.300
1.230 1.300
16. Bank Pan Indonesia Tbk
580 760
1.140 780
17. Bank Permata Tbk
490 800
1.790 1.360
18. Bank Rakyat Indonesia Persero Tbk
4.575 7.650
10.500 6.750
Universitas Sumatera Utara
19. Bank Tabungan Pensiunan Nasional
Tbk 1.200
3.900 13.200
3.400 20.
Bank Victoria International Tbk 93
138 160
129
4.2Analisis Data Penelitian 4.2.1 Analisis Statistik Deskriptif
Menurut Santoso 2003:11, “statistik deskriptif adalaf proses pengumpulan dan peringkasan data, serta upaya untuk menggambarkan
berbagai karakteristik yang pada data yang telah terorganisasi tersebut”. Menurut Sugiyono 2005:142. “Statistik deskriptif digunakan untuk
menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat
kesimpulan yang berlaku umum atau generalisasi”. Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai
rata-rata mean , standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness. Peneliti menggunakan statistik deskriptif
apabila hanya ingin mendeskripsikan data sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi dimana sampel diambil.
Universitas Sumatera Utara
4.7 Descriptive Statistics
N Minimum Maximum Mean
Std. Deviation
EPS 80
.29 930.00
159.0286 187.10127
PER 80
1.99 807.37
28.8699 92.44539
ROA 80
.04 3.26
1.3985 .73415
NPM 80
.27 249.40
15.9500 27.24523
DER 80
4.49 15.62
9.2654 2.41897
Harga Saham 80
50.00 13200.00 2199.4625 2560.52034
Valid N listwise
80
Berdasarkan tabel diatas dapat diketahui: 1. Jumlah sampel N sebanyak 80.
2. Earning Per Share terendah adalah 0,29, Earning Per Share adalah 930,0 dengan rata-rata 159,0 serta standard deviasi 187,1.
3. Price Earnings Ratio terendah adalah 1,99, Price Earnings Ratio adalah 807,37 dengan rata-rata 28,87 serta standard deviasi 92,4.
4. Return On Asset terendah adalah 0,04, Return On Asset tertinggi adalah 3,26 dengan rata-rata 1,39 serta standard deviasi 0,73.
5. Net Profit Margin terendah adalah 0,27, Net Profit Margin tertinggi adalah 249,4 dengan rata-rata 15,95 serta standard deviasi 27,2.
Universitas Sumatera Utara
6. Debt To equity Ratio terendah adalah 4,49, Debt To equity Ratio tertinggi adalah 15,62 dengan rata-rata 9,26 serta standard deviasi 2,41.
7. Harga Saham terendah adalah 50,0 , Harga Saham tertinggi adalah 13200,0 dengan rata-rata 2199,4 serta standard deviasi 2560,5.
4.2.2Pengujian Asumsi Klasik 4.2.2.1 Uji Normalitas Data
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki disrtibusi normal. Seperti diketahui bahwa uji
t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel
kecil. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak condong ke kiri atau condong ke kanan.
Setelah melakukan uji normalitas dengan menggunakan software SPSS 17 diketahui bahwa model regresi penelitian ini berdistribusi secara normal hal ini
dapat disimpulkan melalui:
Universitas Sumatera Utara
Universitas Sumatera Utara
Berdasarkan grafik histrogram maupun grafik normal plot dapat disimpulkan bahwa model regresi pada penelitian ini berdistribusi secara normal hal ini
tergambar pada grafik histrogram, dimana grafik tidak menceng kekiri atau kekanan garfik seimbang antara kiri dan kanan dan pada grafik normal plot
tampak bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal.
Universitas Sumatera Utara
2. Analisis Stastistik
Berdasarkan output SPSS dibawah ini terlihat bahwa nilai asymp sig 2- tailed adalah 0,199 dan diatas nilai signifikan 0,05 dengan kata lain variabel
residual berdistribusi normal.
4.8 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 74
Normal Parameters
a,,b
Mean ,0000000
Std. Deviation 525,75835652
Most Extreme Differences
Absolute ,125
Positive ,125
Negative -,065
Kolmogorov-Smirnov Z 1,074
Asymp. Sig. 2-tailed ,199
Universitas Sumatera Utara
4.2.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antara variabel bebas independen . Model regersi
yang baik seharusnya tidak terjadi kolerasi diantara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai kolersi antara sesama variabel independen sama dengan nol. Metode untuk menguji adanya
multikolinieritas adalah dengan melihat nilai tolerance dan VIF. Batas tolerance adalah 0,10 dan VIF adalah 10.
Tabel 4.9 Uji Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std.
Error Beta
Tolerance VIF 1 Constant 1354,561
369,850 3,662
,000 EPS
11,989 ,583
,988 20,565
,000 ,391
2,555 PER
,234 ,717
,011 ,326
,745 ,857
1,167 ROA
-229,402 165,747 -,075
-1,384 ,171
,305 3,283
NPM 7,091
2,447 ,094
2,898 ,005
,854 1,171
DER -106,892
28,459 -,123
-3,756 ,000
,842 1,187
Universitas Sumatera Utara
Dari hasil analisis menunjukkan bahwa semua variabel tersebut memiliki tolerance diatas 0,1 dan VIF dibawah 10. Hal ini menunjukkan bahwa tidak ada
problem multikolinieritas pada model regresi diatas sehingga model regresi layak dipakai.
4.2.2.3 Uji Heteroskedastisitas
uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari satu pengamatan ke pengamantan yang
lain. Jika variance dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedasitas.
Model regresi yang baik adalah yang homoskedastisitass atau tidak terjadi heteroskedastisitas.
1. Grafik Scatterplot Grafik Scatterplot menunjukan bahwa tidak ada pola yang jelas, serta titik-
titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
Dari grafik diatas terlihat titik-titik menyebar secara acak, tidak membentuk pola tertentu yang jelas dan tersebar baik diatas maupun dibawah
angka nol pada sumbu Y. Hal ini menunjukkan tidak terjadi gejala heteroskedastisitas pada model regresi sehingga model yang diajukan layak untuk
dipakai dalam menguji variabel dependen berdasarkan masukan dari variabel- variabel independennya.
Universitas Sumatera Utara
Dari uji asumsi klasik ini juga dapat disimpulkan bahwa tidak ada masalah heteroskedastisitas pada model regresi yang akan digunakan. Dengan demikian
model regresi berganda dengan variabel independen yang telah ditentukan tersebut dapat digunakan untuk tujuan penelitian.
4.2.2.3 Uji Autokorelasi
Uji autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan pengganggu pada periode t-1 sebelumnya . Jika terjadi
kolerasi, maka dinamakan ada problem autokolerasi. Autokolerasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.Masalah
ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Hal ini
sering ditemukan pada runtut dari satu observasi lainnya. Hal ini sering ditemukan pada runtut waktu 9 time series karena “ gangguan “ pada seseorang individu
kelompok yang sama pada periode berikutnya. Model regresi yang baik adalah regresi yang bebas dari autokolerasi.
Berdasarkan output SPSS dibawah ini diketahui bahwa nilai Dubrin Waston sebesar 1,856 sehingga dapat dikatakn tidak terjadi autokolerasi hal ini
berdasarkan pengambilan keputusan ada tidaknya autokolerasi menurut Santoso 2002: 218 dengan cara melihat besaran Durbin waston D – W sebagai
berikut: • Angka D-W dibawah -2, berarti ada autokolerasi positif.
• Angka D-W diantara -2 sampai +2 berati tidak ada autokolerasi. • Angka D-W diatas +2, berarti ada autokolerasi negatif
Universitas Sumatera Utara
4.10 Model Summary