Analisis Statistik ANALISIS DAN PEMBAHASAN

Lanjutan Tabel 4.5 Harga Saham Perusahaan Makanan dan Minuman yang Terdaftar di BEI Periode 2005-2009 NO Emiten 2005 2006 2007 2008 2009 Rata -rata Harga Saham 5 DAVO 132 418 389 249 73 252,2 6 DLTA 22,667 30,175 22,242 25,5 46,833 29,4834 7 INDF 956 1094 1938 2084 1432 1500,8 8 MLBI 46,392 51,717 53,142 59,258 141,046 70,311 9 MYOR 832 1083 1666 1198 3858 1727,4 10 PSDN 86 88 83 105 110 94,4 11 SKLT 428 327 113 90 100 211,6 12 STTP 158 149 363 149 245 212,8 Sumber:www.idx..co.id dan www.duniainvestasi.com diolah, November 2010 Pada Tabel 4.5 diatas dapat dilihat bahwa tingkat rata-rata harga saham yang tertinggi dimiliki oleh perusahaan Aqua Golden Mississipi, Tbk sebesar Rp127.577,6 dan yang memiliki tingkat rata-rata harga saham terendah adalah perusahaan Prasidha Aneka Niaga, Tbk sebesar Rp94,4. Tingkat harga saham pada tahun , 2005, 2006, 2007, 2008, dan 2009 tertinggi dimiliki oleh perusahaan Aqua Golden Mississipi, Tbk sebesar Rp52.067; Rp88.854: Rp125.167; Rp127.000; Rp244.800 sedangkan terendah pada tahun 2005, 2006, dan 2007 dimiliki oleh Prasidha Aneka Niaga, Tbk sebesar Rp86; Rp88; Rp83, pada tahun 2008 terendah dimiliki perusahaan Sekar Laut, Tbk sebesar Rp90, dan pada tahun 2009 terendah dimiliki oleh perusahaan Davomas Abadi, Tbk sebesar Rp73.

B. Analisis Statistik

Penggunaan model analisis yang digunakan peneliti dalam menguji hipotesis adalah dengan regresi berganda. Peneliti melakukan Uji-F dan Uji-t pada tiap variabel dependent harga saham dengan variabel independent EPS, NPM, Universitas Sumatera Utara ROA, ROE. Untuk melihat keabsahan persamaan regresi yang dibuat, pembuatan regresi dilandasi oleh asumsi-asumsi yang tidak boleh dilanggar. 1. Regresi Linear berganda Regresi linear berganda dilakukan untuk mengetahui pengaruh variabel bebas yakni EPS, NPM, dan ROE terhadap variabel terikat yaitu harga saham perusahaan makanan dan minuman. Berikut ini menunjukkan hasil uji regresi melalui pengolahan data dengan SPSS 16.00 for windows. Tabel 4.6 Hasil Uji Regresi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 5.538 .446 12.430 .000 LNEPS -.231 .077 -.492 -3.000 .004 LNNPM .070 .168 .067 .415 .680 LNROE .348 .172 .282 2.022 .048 a. Dependent Variable: LNPRICE Sumber : SPSS 16.00 for Windows diolah peneliti, Desember 2010 Berdasarkan Tabel 4.6 maka dihasilkan persamaan regresi linier berganda sebagai berikut: Harga saham = 5,538 - 0,231GPM + 0,70NPM + 0348ROE Dimana : Y = Harga Saham X 1 = Earning Per Share EPS X 2 = Net Profit Margin NPM X 3 = Return on Equity ROE Universitas Sumatera Utara a = konstanta b 1,2,3,.. = Koefisien Regresi Variabel X 1 ,X 2 ,X 3 , e = Standar error Interprestasi model : a. Konstanta sebesar 5,538. Hal ini menunjukkan bahwa jika tidak terdapat variabel bebas yaitu EPS, NPM, dan ROE maka harga saham adalah sebesar 5,538. b. Koefisien regresi variabel EPS adalah negatif sebesar 0,231. Hal ini menyatakan bahwa setiap kali terjadi penurunan 1 satuan GPM, maka harga saham akan berkurang sebesar 0,231 dengan asumsi variabel lain tetap. c. Koefisien regresi variabel NPM adalah negatif sebesar 0,70. Hal ini menyatakan bahwa setiap kali terjadi knaikan 1 satuan GPM, maka harga saham akan bertambah sebesar 0,70 dengan asumsi variabel lain tetap. d. Koefisien regresi variabel ROE adalah positif sebesar 0,348. Hal ini menyatakan bahwa setiap kali terjadi kenaikan 1 satuan ROE, maka harga saham akan berkurang sebesar 0,348 dengan asumsi variabel lain tetap. 2. Pengujian Asumsi klasik Persamaan regresi linear berganda harus memberikan hasil yang representatif, agar model persamaan regresi linier berganda memberikan hasil yang representatif sesuai kriteria Best, Linear, Unbiased, Estimated Universitas Sumatera Utara BLUE, maka dilakukan uji asumsi dasar klasik sebelum model tersebut digunakan untuk menguji hipotesis yang diajukan. Persamaan yang dibangun harus memenuhi asumsi dasar : data berdistribusi normal, tidak terjadi gejala multikolinearitas, tidak ada gejala autokorelasi, dan tidak terjadi heterokedastisitas. Adapun uji asumsi dasar klasik yang dilakukan adalah sebagai berikut: a. Uji Normalitas Uji normalitas adalah uji yang digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk seperti lonceng. Data yang baik adalah data yang mempunyai pola residul data seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Gambar 4.1 Histogram Variabel Dependen Universitas Sumatera Utara Gambar 4.1 memperlihatkan bahwa variabel terikat yaitu harga saham Price mempunyai data residul yang tidak berdistribusi normal. Hal ini ditunjukkan oleh distribusi data titik pada garis diagonal dari grafik normalitas normal P-P Plot. Jika data menyebar di sekitar garis diagonal, maka dapat disimpulkan bahwa data berdistribusi normal. Namun jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa data tidak berdistribusi normal. Cara lain untuk menguji normalitas data dengan grafik adalah dengan melihat penyebaran data titik pada garis diagonal dari grafik normalitas Normal P-P Plot. Jika data menyebar disekitar garis diagonal, maka dapat disimpulkan bahwa data berdistribusi normal. Namun jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa data tidak berdistribusi normal yang dapat dilihat pada gambar 4.2 : Normal p-p plot of regression standardized residual Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Gambar 4.2 Normal P-P Plot Universitas Sumatera Utara Gambar 4.2 memperlihatkan titik-titik yang tidak tersebar di sepanjang garis diagonal dan memotong arah garis diagonal. Hal ini menunjukkan bahwa data tidak berdistribusi normal. Namun, seringkali data kelihatan normal karena mengikuti arah garis diagonal, padahal belum tentu data tersebut berdistribusi normal. Untuk memastikan apakah data di sepanjang garis diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1 sample KS yakni dengan melihat data residual apakah berdistribusi normal atau tidak. Jika nilai Asym.sig 2-tailed taraf nyata α=0,05 maka data residual berdistribusi normal, sebaliknya jika nilai Asym.sig 2-tailed taraf nyata α maka data residual tidak berdistribusi normal. Tabel 4.7 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 65 Normal Parameters a Mean .0000000 Std. Deviation 6.15934440E2 Most Extreme Differences Absolute .201 Positive .201 Negative -.169 Kolmogorov-Smirnov Z 1.622 Asymp. Sig. 2-tailed .010 a. Test distribution is Normal. Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Universitas Sumatera Utara Tabel 4.7 memperlihatkan bahwa nilai Asymp.Sig 2-tailed adalah sebesar 0,01 lebih kecil dari taraf nyata α = 0,05. Dengan demikian dapat disimpulkan bahwa data residua l tidak berdistribusi normal. Data yang tidak berdistribusi normal dapat diperbaiki dengan menggunakan Logaritma Natural pada data tersebut. Pada gambar 4.3 disajikan Histogram variabel dependen setelah data diperbaiki Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Gambar 4.3 Histogram Variabel Dependent LN Price Gambar 4.3 menunjukkan penyebaran data titik pada garis diagonal dari grafik normalitas normal p-p plot. Jika data menyebar disekitar garis diagonal, maka dapat disimpulkan bahwa data berdistribusi normal. Namun jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka dapat disimpulkan bahwa data tidak berdistribusi normal. Universitas Sumatera Utara Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Gambar 4.4 Normal P-P Plot Dependent LNPrice Gambar 4.4 memperlihatkan titik-titik yang tersebar di sepanjang garis diagonal dan mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data berdistribusi normal. Namun, seringkali data kelihatan normal karena mengikut i arah garis diagonal, padahal belum tentu data tersebut berdistribusi normal. Untuk memastikan apakah data di sepanjang garis diagonal tersebut berdistribusi normal atau tidak, maka dilakukan uji Kolmogorov Smirnov 1- sample KS yakni dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai Asym.sig 2-tailed taraf nyata α=0,05 maka data residual berdistribusi normal, sebaliknya jika nilai Asym.sig 2-tailed taraf nyata α maka data residual tidak berdistribusi normal. Universitas Sumatera Utara Tabel 4.8 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 65 Normal Parameters a Mean .0000000 Std. Deviation 1.15416306 Most Extreme Differences Absolute .084 Positive .084 Negative -.071 Kolmogorov-Smirnov Z .677 Asymp. Sig. 2-tailed .750 a. Test distribution is Normal. Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Tabel 4.9 memperlihatkan bahwa nilai Asymp.Sig 2-tailed adalah sebesar 0,750 lebih besar dari taraf nyata α=0,05. Dengan demikian dapat disimpulkan bahwa data residua l telah berdistribusi normal. b. Uji multikolinieritas Uji multikolinieritas dilakukan untuk mengetahui apakah terdapat hubungan linier antara variabel bebas. Kriteria keputusan : Nilai Tolerance 0,1 Nilai VIF 5 Pada awalnya, terdapat empat variabel bebas yang digunakan dalam penelitian ini yakni EPS, NPM,, ROA, dan ROE. Namun setelah dilakukan uji multikolinieritas terhadap kelima variabel bebas tersebut, terjadi masalah multikonieritas pada variabel NPM dan ROA. Universitas Sumatera Utara Hasil pengujian multikolinieritas ditampilkan pada Tabel 4.9 sebagai berikut: Tabel 4.9 Uji Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant 595.138 95.531 6.230 .000 EPS -.051 .029 -.231 -1.747 .086 .821 1.218 NPM .802 8.653 .031 .093 .927 .132 7.593 ROA -10.631 13.175 -.338 -.807 .423 .082 12.172 ROE 2.743 1.903 .283 1.442 .155 .373 2.682 a. Dependent Variable: PRICE Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Tabel 4.9 varaiabel NPM dan ROA sebagai variabel bebas terkena uji multikolinearitas. Penulis melihat nilai VIF variabel NPM dan ROA lebih besar dari 5. jika variabel terkena Uji multikolineritas maka pemecahan masalah tersebut dapat dilakukan beberapa cara. Menurut Situmorang 2008 ada beberapa cara yang dapat dilakukan untuk memperbaiki data yang terkena uji multikolinieritas yaitu : mengkombinasikan data cross-section and time series, mengeluarkan variabel yang bias dan transformasi variabel dan juga penambahan data baru. Maka penulis melakukan memilih untuk mengeluarkan data variabel yang bias yaitu variabel memiliki nilai VIF yang tertinggi. Universitas Sumatera Utara Pada tabel 4.9 dapat dilihat hasil uji multikolinieritas nilai VIF tertinggi dimiliki variabel ROA yang memiliki nilai VIF sebesar 12,172. maka penulis mengeluarkan variabel ROA. Setelah dilakukan kembali uji multikolinieritas, maka diperoleh Hasil pengujian multikolinieritas yang dijelaskan dalam tabel 4.10 sebagai berikut: Tabel 4.10 Hasil Multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 5.538 .446 12.430 .000 LNEPS -.231 .077 -.492 -3.000 .004 .511 1.956 LNNPM .070 .168 .067 .415 .680 .523 1.913 LNROE .348 .172 .282 2.022 .048 .707 1.415 a. Dependent Variable: LNPRICE Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Pada Tabel 4.10 dapat dilihat bahwa semua variabel bebas tidak terkena masalah multikolinieritas. Hal ini dapat dilihat dari nilai Variance Inflation Factor VIF masing-masing variabel bebas yakni EPS, NPM, dan ROE adalah lebih kecil dari 5 VIF 5 c. Uji Autokorelasi Uji ini dilakukan untuk mengetahui apakah pada model regresi terdapat korelasi kesalahan antara kesalahan pengganggu pada periode ke-t dan kesalahan pengganggu pada periode sebelumnya periode ke t-1. Gejala autokorelasi dideteksi dengan menggunakan Durbin Watson test. Kriteria yang menunjukkan bahwa tidak terjadi Universitas Sumatera Utara autokorelasi adalah d u DW4-d u . Hasil pengujian autokorelasi yang dilakukan dengan SPSS ditampilkan pada Tabel 4.11 sebagai berikut : Tabel 4.11 Hasil uji autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .401 a .161 .120 1.18220 2.724 a. Predictors: Constant, LNROE, LNNPM, LNEPS b. Dependent Variable: LNPRICE Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Tabel 4.11 tersebut memperlihatkan bahwa nilai Durbin Watson adalah sebesar 2,724 sedangkan hasil pengujian menurut tabel adalah sbb : N=jumlah sampel = 65 K=jumlah variabel bebas= 3 Pada tingkat signifikan α= 0,05 diperoleh d u sebesar 1,77 sehingga diperoleh keputusan d u DW4-d u sebesar 1,4709 2,724 3,5291 sehingga keputusan yang diambil adalah bahwa tidak tidak ada autokorelasi positif atau negatif. d. Uji heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan lainnya. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Heteroskedastisitas dapat dideteksi dengan melihat penyebaran plot melalui gambar scatterplot yang dapat dilihat pada gambar 4.5: Universitas Sumatera Utara Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Gambar 4.5 Diagram Scatterplot Variabel Dependen LNPrice Gambar 4.5 memperlihatkan titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tidak tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini memenuhi salah satu asumsi bahwa tidak terjadi heterokedastisitas pada model regresi. Heterokedastisitas dapat juga dideteksi melalui uji glejser. Tabel 4.12 berikut ini menampilkan hasil pengujian heterokedastisitas dengan uji glejser. Tabel 4.12 Hasil Uji Heteroskedastisitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -2.342 .806 -2.908 .005 LNEPS .131 .139 .161 .944 .349 LNNPM -.506 .304 -.281 -1.664 .101 LNROE .581 .311 .271 1.866 .067 a. Dependent Variable: lnu2i Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Universitas Sumatera Utara Tabel 4.12 memperlihatkan bahwa semua variabel bebas tidak signifikan terhadap variabel terikat. Hal ini ditunjukkan oleh nilai signifikansi dari masing- masing variabel bebas lebih besar dari tingkat signifikansi α sig0,05. Dengan demikian dapat disimpulkan bahwa data bebas dari heterokedastisitas. 3. Koefisien determinasi Tabel 4.13 Hasil Adjusted R Square Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .401 a .161 .120 1.18220 a. Predictors: Constant, LNROE, LNNPM, LNEPS b. Dependent Variable: LNPRICE Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Nilai adjusted R Square pada Tabel 4.13 menunjukkan proporsi variabel dependen yang dijelaskan oleh variabel independen. Semakin tinggi nilai Adjusted R Square maka akan semakin baik model bagi regresi karena menandakan bahwa kemampuan variabel bebas menjelaskan variabel terikat juga semakin besar. Adjusted R Square pada model regresi adalah bernilai 0,120 berarti pengaruh EPS, NPM, dan ROE terhadap harga saham adalah sebesar 12 saja sedangkan 88 dipengaruhi oleh variabel-variabel lain yang tidak termasuk dalam model seperti inflasi, suku bunga, dan nilai tukar. Hal tersebut menunjukkan bahwa korelasi antara variabel terikat harga saham dengan variabel bebas EPS , NPM , ROE adalah lemah karena nilainya di bawah 100. Tingkat keeretan hubungan antara variabel bebas dengan variabel terikat yang dilihat dari Adjusted R Square Universitas Sumatera Utara ditunjukkan dengan range 0-1 yang dimana apabila semakin mendekati 1 maka hubungannya akan semakin erat Situmorang, 2008:155. 4. Pengujian hipotesis Hipotesis yang dibuat oleh penulis yaitu : “Terdapat pengaruh antara rasio profitabilitas Earning Per Share, Net profit Margin, dan Return on Equity terhadap harga saham pada perusahaan industri makanan dan minuman terbuka di Bursa Efek Indonesia”. a. Uji global uji-F Uji-F bertujuan untuk menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen terikat. H : b i =0 artinya variabel bebas EPS, NPM, dan ROE pada model regresi ini tidak dapat mengestimasi variabel terikat harga saham perusahaan makanan dan minuman H a : bi ≠ 0 tidak semua b i b 1, b 2 , b 3 , sama dengan nol Kriteria pengambilan keputusan : H diterima jika F hitung ≤ F tabel pada α=5 atau Sig α Ha diterima jika F hitung F tabel pada α=5 atau Sig α Universitas Sumatera Utara Tabel 4.14 Uji global uji F ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 16.340 3 5.447 3.897 .013 a Residual 85.254 61 1.398 Total 101.594 64 a. Predictors: Constant, LNROE, LNNPM, LNEPS b. Dependent Variable: LNPRICE Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Tabel 4.14 mengungkapkan bahwa nilai F hitung adalah 3,897 dengan tingkat sigifikansi 0,013. Sedangkan F tabel pada tingkat kepercayaan 95 α=0,05 adalah 2,76. Oleh karena itu, maka dari Tabel di atas menunjukkan sig 0,013 0,05, artinya signifikan, sedangkan F hitung 3,897 F tabel 2,76 artinya signifikan. Signifikan di sini berarti risiko kesalahan mengambil keputusan 0 atau tidak ada kesalahan sehingga H o ditolak dan H a diterima. Artinya variabel bebas yaituEPS, NPM, dan ROE secara bersama-sama berpengaruh terhadap variabel terikat yaitu harga saham. Derajat bebas pembilang=k-1=4-1=3 Derajat bebas penyebut=n-k=64-3=61 Ftabel = 2,76 Hasil penelitian ini juga sejalan dengan hasil penelitian yang dilakukan oleh Bancin 2005 yang juga menganalisis pengaruh profitabilitas terhadap perubahan harga saham perusahaan perbankan di Bursa Efek Jakarta yang menggunakan variabel ROA, ROE, NPM, IML yang dimana uji-F terdapat hubungan yang signifikan antara seluruh variabel. Universitas Sumatera Utara Model regresi dapat digunakan untuk mengestimasi variabel harga saham. Dalam hal ini, uji-F dapat disebut sebagai Global test yang bertujuan menguji kelayakan variabel independen untuk dijadikan suatu model penelitian terhadap variabel dependen Wathen, 2008. b. Uji parsial uji-t Uji-t bertujuan untuk menunjukkan seberapa jauh pengaruh satu variabel independen secara individual secara parsial dalam menerangkan variasi dependen. Bentuk pengujian : H : b 1 = 0 Artinya tidak terdapat pengaruh yang signifikan dari variabel EPS secara parsial terhadap variabel harga saham. H a : b 1 ≠ 0 Artinya terdapat pengaruh yang signifikan dari variabel EPS secara parsial terhadap variabel harga saham. H : b 2 = 0 Artinya tidak terdapat pengaruh yang signifikan dari variabel NPM secara parsial terhadap variabel harga saham. H a : b 2 ≠ 0 Artinya terdapat pengaruh yang signifikan dari variabel NPM secara parsial terhadap variabel harga saham. H : b 3 = 0 H : b 5 = 0 Universitas Sumatera Utara Artinya tidak terdapat pengaruh yang signifikan dari variabel ROE secara parsial terhadap variabel harga saham. H a : b 5 ≠ 0 Artinya terdapat pengaruh yang signifikan dari variabel ROE secara parsial terhadap variabel harga saham. Kriteria pengambilan keputusan : H diterima jika F hitung ≤ F tabel pada α=5 atau Sig α Ha diterima jika F hitung F tabel pada α=5 atau Sig α Tabel 4.15 Hasil uji parsial uji-t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 5.538 .446 12.430 .000 LNEPS -.231 .077 -.492 -3.000 .004 LNNPM .070 .168 .067 .415 .680 LNROE .348 .172 .282 2.022 .048 a. Dependent Variable: LNPRICE Sumber : SPSS 16.00 for Windows diolah, Desember 2010 Berdasarkan pada hasil uji yang ditampilkan pada Tabel 4.15 kesimpulan yang dapat diambil dari analisa tersebut adalah sebagai berikut : a. Variabel EPS berpengaruh secara negatif dan signifikan terhadap harga saham. Hal ini terlihat dari nilai signifikan 0,004 di atas lebih kecil dari 0,05 dan nilai t hitung -3,00 t tabel 1,67. Signifikan disini berarti risiko kesalahan mengambil keputusan sebesar 4 yang lebih kecil 0,05 sehingga H o ditolak dan H a diterima yang artinya EPS secara parsial Universitas Sumatera Utara berpengaruh terhadap harga saham. Dimana maksudnya adalah walaupun diturunkan variabel EPS sebesar satu satuan maka harga saham akan berkurang sebesar 0,04 satuan Rp. Secara teori, EPS mengukur berapa besar keuntungan yang diperoleh investor atau pemegang saham untuk setiap lembar saham. Semakin tinggi nilai EPS, semakin besar laba yang tersedia bagi pemegang saham. Darmadji 2006:195. b. Variabel NPM berpengaruh positif dan tidak signifikan terhadap harga saham. Hal ini terlihat dari nilai signifikan 0,680 di atas lebih besar dari 0,05 dan nilai t hitung 0,415 t tabel 1,67. Signifikan disini berarti risiko kesalahan mengambil keputusan sebesar 68 yang melewati batas 0,05 sehingga H o diterima dan H a ditolak yang artinya NPM secara parsial tidak berpengaruh terhadap harga saham. Dimana maksudnya adalah walaupun ditingkatkan variabel NPM sebesar satu satuan maka harga saham tidak akan bertambah sebesar 0,680 satuan Rp. Secara teori, rasio ini menunjukkan tingkat keuntungan bersih yang diperoleh dari bisnis. Angka rasio ini semakin besar semakin baik. Namun, rasio ini belum bisa dijadikan ukuran untuk menilai sukses atau tidaknya perusahaan. Sehingga, NPM belum tentu mempengaruhi harga saham karena laba penjualan belum menjamin berhasilnya perusahaan di dalam menghasilkan laba dan mempengaruhi harga saham Kuswadi, 2004:188. Tetapi, hal ini tidak sejalan dengan penelitian sebelumnya yang dilakukan oleh Silitonga 2009 yang melakukan penelitian pada industri rokok yang menyatakan bahwa NPM berpengaruh terhadap harga saham. Tetapi hasil penelitian Universitas Sumatera Utara Puspitasari 2007 sejalan dengan hasil penelitian penulis yang menyatakan bahwa variabel NPM tidak memiliki pengaruh terhadap harga saham secara parsial. c. Variabel ROE berpengaruh secara positif dan signifikan terhadap harga saham. Hal ini terlihat dari nilai signifikan 0,048 di atas lebih kecil dari 0,05 dan nilai t hitung 2,022 t tabel 1,67. Signifikan disini berarti risiko kesalahan mengambil keputusan sebesar 4,8 sehingga H o ditolak dan H a diterima yang artinya ROE secara parsial berpengaruh terhadap harga saham. Dimana maksudnya adalah walaupun dinaikkan variabel ROE sebesar satu satuan maka harga saham akan menurun sebesar 0,048 satuan Rp. ROE signifikan terhadap nilai saham artinya perubahan kemampuan perusahaan dalam menghasilkan pendapatan dari pengelolaan mempengaruhi perubahan nilai saham perusahaan . Hasil penelitian in tidak searah dengan hasil penelitian Simanjuntak 2005 yang meneliti Pengaruh Kinerja Keuangan Perusahaan terhadap Harga Saham Pada Industri Makanan dan Minuman yang Go public di Bursa Efek Indonesia yang menyatakan bahwa ROE tidak berpengaruh terhadap harga saham. Universitas Sumatera Utara

BAB V KESIMPULAN DAN SARAN

A. Kesimpulan

Fokus pembahasan penulis dalam penelitian ini adalah terhadap perusahaan makanan dan minuman terbuka yang terdaftar di Bursa Efek Indonesia. Peneliti mengambil kurun waktu selama 5 tahun yaitu pada tahun 2005 sampai dengan 2009. Dalam kurun waktu tersebut, ditemukan 13 perusahaan yang menyediakan laporan keuangannya dari tahun 2005 sampai 2009. Penulis di dalam penelitian ini ingin mengetahui ada atau tidaknya pengaruh rasio profitabilitas yaitu Earning Per Share EPS, Net Profit Margin NPM, dan Return on Equity ROE terhadap harga saham. Berdasarkan hasil analisis data dan pengujian hipotesis yang telah diuraikan pada bab sebelumnya yang diteliti oleh penulis, maka penulis mengambil beberapa kesimpulan sebagai berikut : 1. Pengujian hipotesis dengan metode Uji-F uji pengaruh serentak hasilnya nilai Sig α= 5 0,000 0,05 sehingga dapat dinyatakan antara variabel bebas EPS, NPM, dan ROE terhadap variabel terikat harga saham perusahaan makanan dan minuman.terdapat pengaruh yang signifikan 2. Pengujian hipotesis dengan metode Uji-t uji pengaruh parsial dapat diambil kesimpulan sebagai berikut : a. Variabel EPS berpengaruh secara negatif dan signifikan terhadap harga saham. Hal ini terlihat dari nilai signifikan 0,004 di atas lebih kecil dari 0,05 dan nilai t hitung -3,00 t tabel 1,67. Signifikan disini berarti Universitas Sumatera Utara