55
3.7.1 Regresi Linear Berganda
Analisis regresi linier berganda adalah suatu analisis yang digunakan untuk mengetahui suatu pengaruh variable independen terhadap satu atau
beberapa variable dependen. Model regresi yang digunakan untuk melihat hubungan antara CIR, DER, SIZE BANK, ROA, EPS, dan NPL terhadap harga
saham. Data analisis dengan model regresi linear berganda sebagaiberikut:
Y = α + β1X1 + β2X2 + β3X3+ β4X4 + β5X5+ β6X6 e Keterangan :
Y :hargasaham X1 : Current income Ratio CIR
X2 :Debt Equity Ratio DER
X3 : Size Bank
X4 : Return On AssetROA X5 :Earnings Per Share EPS
X6: Non Performing loans NPL α : Konstanta
β1, β2, β3, β4, β5, β6 : Koefisien Regresi
e :Error tingkat kesalahan
3.7.2 Uji Asumsi Klasik
Model penelitian sebaiknya diuji terlebih dahulu asumsi klasiknya untuk memastikan tidak adanya bias atau rancu yang dapat membuat hasil penelitian
menjadi tidak akurat Sunjoyo dkk, 2013:54. Adapun pengujianasumsi klasik
56
yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolinearitas, heteroskedatisitas, dan autokorelasi.
3.7.2.1 Uji Normalitas
Uji normalitas berguna pada tahap awal dalam metode pemilihan analisis data.Uji normalitas berfungsi untuk melihat apakah nilai residual terdistribusi
normal atau tidak.Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal Sunjoyo dkk, 2013:59. Sementara Erlina 2011:101
menjelaskan bahwa “tujuan daripada uji normalitas data adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi
normal”. Penelitian ini dilakukan karena untuk melakukan uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini
dilanggar atau tidak dipenuhi maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Cara yang digunakan untuk mendeteksi apakah residual mengikuti
berdistribusi normal atau tidak adalah dengan analisis grafik. Jika data menyebar di sekitar garis diagonal atau grafik histogramnya menunjukkan pola distribusi
normal, maka model regresi memenuhi asumsi normalitas, demikian sebaliknya.Selain itu bisa juga melalui uji analisis statistik. Uji statistik yang
dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogrov-Smirnov atau biasa disingkat K-S Ghozali, 2008 dalam Sunjoyo dkk,
2013:60. Uji K-S dibuat dengan membuat hipotesis : Ho : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal
57
Bila sig 0,05 dengan α = 5, berarti distribusi data normal Ho diterima, sebaliknya bila sig 0,05 dengan α = 5, berarti distribusi data tidak
normal Ha diterima. Distribusi yang melanggar asumsi normalitas dapat dijadikan menjadi bentuk normal menurut Erlina 2011:101 dengan cara sebagai
berikut : 1.Transformasi data, dilakukan dengan logaritma natural ln, log 10,
maupun akar kuadrat. Jika ada data yang bernilai negatif, transformasi data dengan log akan menghilangkannya sehingga sampel n akan
berkurang.
2.Trimming, dilakukan dengan membuang memangkas observasi yang bersifat outlier, yaitu yang nilainya lebih kecil dari μ-2σ atau lebih besar
dari μ+2σ. Metode ini juga akan mengecilkan sampelnya. 3.Winzorising, yaitu mengubah nilai-nilai outliers menjadi nilai-nilai
minimum atau maksimum yang diizinkan supaya distribusi menjadi normal. Nilai-
nilai observasi yang lebih kecil dari μ-2σ akan diubah nilainya menjadi μ-2σ dan nilai-nilai yang lebih besar dari μ+2σ akan
diubah menjadi μ+2σ.
3.7.2.2 Uji Multikolinearitas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear
berganda.Jika ada korelasi tinggi diantara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu
Sunjoyo dkk, 2013:65. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:
1. Menganalisis matrik korelasi variabel-variabel independen, jika diantara
variable independen ada korelasi yang cukup tinggi umumnya diatas 0.90, maka hal ini merupakan indikasi adanya multikolonieritas.
58
2. Multikolonieritas dapat juga dilihat dari 1 nilai tolerance dan lawannya
2 Variance Inflation Factor VIF, nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0,10 atau sama
dengan nilai VIF 10. Beberapa alternatif cara untuk mengatasi masalah multikolinearitas
menurut Erlina 2011:104 adalah sebagai berikut: a.
Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
b. Menambah jumlah observasi atau menambah ukuran sampel.
c. Mentransformasikan data kedalam bentuk lain misalnya logaritma natural,
akar kuadrat ataubentuk first difference delta. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang
masih jarang sekali digunakan.
3.7.2.3Uji Heterokedastisitas
Uji heterokedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Model regresi
yang memenuhi persyaratan adalah terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas
Sunjoyo dkk, 2013:69. Ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik Scatterplot antara nilai prediksi variabel independen dengan
nilairesidualnya.Dasar yang digunakan untuk menentukan heteroskedastisitas antara lain :
59
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, serta titik-titik yang menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.7.2.4 Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya t-1.Secara sederhana, analisis regresi
adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya
Sunjoyo dkk, 2013:73. Uji autokorelasi hanya dilakukan pada data time series runtut waktu dan tidak diperlukan pada data cross section seperti pada kuesioner
dimana pengukuran dilakukan secara serempak dan bersamaaan. Model regresi pada penelitian di Bursa Efek Indonesia yang periodenya lebih dari satu tahun
biasanya memerlukan uji autokorelasi. Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, dengan kriteria sebagai berikut :
1. Angka D-W di bawah -2 berarti ada ditemukan autokorelasi positif.
2. Angka D-W di antara -2 sampai +2, berarti tidak ada ditemukan autokorelasi.
3. Angka D-W di atas +2 berarti ada ditemukan autokorelasi negative.
3.7.3 Uji Hipotesis Penelitian
Pengujian hipotesa dilakukan untuk menguji kemampuan variabel independen Cost Income Ratio CIR, debt to equity ratio DER, Firm Size atau
60
ukuran perusahaan, Return On Asset ROA, Earnings Per Share EPS, dan Non Performing Loans NPL dalam mempengaruhi variabel dependen yaitu harga
saham, dapat menggunakan alat analisa statistik berupa uji koefisien determinasi Adjusted R
2
uji F,dan uji t
3.7.3.1 Uji Koefesien DeterminasiAdjusted
�
�
Koefisien Determinasi Adjusted �
2
digunakan untuk menentukan besarnya variabel dependen yang dapat dijelaskan oleh variasi variabel
independennya dengan kisaran nilai antara 0 dan 1 Ghozali, 2006:83. Nilai yang mendekati 1 berarti variabel-variabel independen memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
3.7.3.2 Uji F
Uji F digunakan untuk mengetahui apakah variabel independen Cost Income Ratio CIR, debt to equity ratio DER,Size Bank atau ukuran
perusahaan, Return On Asset ROA, dan Earnings Per Share EPS secara
bersama-sama simultan mempunyai pengaruh terhadap harga saham.
Dasar pengambilan keputusan adalah:Ha diterima jika nilai signifikansi F
∝=5 , atau Ha tidak dapat diterima jika nilai signifikansi F∝=5
3.7.3.3 Uji t
Uji t digunakan untuk mengetahui apakah secara individu atau parsial variabel independen mempunyai pengaruh terhadap harga saham, dengan asumsi
61
variabel independen lainnya konstan. Dasar pengambilan keputusan adalah: Ha diterima jika nilai signifikan t atau p value
∝=5.
current income ratio CIR, Debt Equity Ratio DER, SizeBank,Return On Asset ROA, Earnings Per Share EPS, dan Non Performing Loans NPL diuji
masing-masing dengan menggunakan uji-t, dengan kriteria sebagai berikut:
1. Ha tidak dapat diterima apabila t hitung t table atau Ha diterima apabila t
hitung t table, Atau
2. Ha diterima apabila nilai siginfikansi p value∝= 5 atau Ha tidak dapat
diterima apabila nilai signifikansi p value ∝= 5.
62
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
Penelitian ini menggunakan data sekunder yang diperoleh dari internet melalui situs www.idx.co.id. Data yang digunakan merupakan data laporan
keuangan perusahaan perbankan yang dipublikasikan setelah diaudit oleh auditor independen pada tahun 2009-2013. Metode analisis data yang
digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Pengujian asumsi klasik dan regresi
berganda dilakukan dengan menggunakan software SPSS. Berdasarkan kriteria yang telah ditentukan, diperoleh 25 perusahaan perbankan yang memenuhi
kriteria dan menjadi sampel dalam penelitian ini selama periode tahun 2009- 2013, dengan 125 unit analisis observasi penelitian 25
×5.
4.2 Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, median, variance, serta standar deviasi
data yang digunakan dalam penelitian. Dimana komponen-komponen statistik deskriptif dapat dijabarkan sebagai berikut:
1. Nilai rata-rata mean adalah jumlah seluruh angka pada data yang dibagi
dengan jumlah data yang ada, 2.
Median adalah nilai tengah data setelah data tersebut diurutkan dari angka terkecil ke angka tertinggi,
63
3. Range adalah selisih dari nilai tertinggi dengan nilai terendah dalam suatu
kumpulan data, 4.
Standard deviation adalah nilai simpangan baku. Semakin kecil nilainya, maka data yang digunakan mengelompok di sekitar nilai rata-rata,
5. Variance adalah jumlah selisih antara data dengan rata-rata data dan
kemudian dibagi dengan jumlah data dikurangi 1n-1 atau nilai kuadrat dari std.deviation.
Tabel 4.1 Statistik Deskriptif
N Range
Minimu m
Maximu m
Mean Std.
Deviation Variance
Cost Income Ratio 125
254,5300 2,1700
256,7000 81,804320
29,2677786 856,603
Debt To Equity Ratio 125
12,6000 3,0200
15,6200 8,645600
2,6021233 6,771
Size Bank 125
23,5600 8,2200
31,7800 11,232640
2,2900092 5,244
Return On Asset 125
68,9200 ,1700
69,0900 3,405120
7,6588223 58,658
Earnings Per Shares 125
865,0660 ,1540
865,2200 144,447496 184,1699516 33918,571
NPL 125
9,5300 ,0000
9,5300 1,556320
1,5531786 2,412
Harga Saham 125
919,0000 1,0000
920,0000 175,184485 244,0028550 59537,393
Valid N listwise 125
Sumber: Diolah dengan SPSS, 2014
Berdasarkan tabel 4.1 dapat dijelaskan penggambaran tentang data yang digunakan dalam penelitian ini :
1. Variabel Cost Income Ratio CIR memiliki nilai minimum yaitu 2,1700 dan
nilai maksimum yaitu 256,7000, dengan nilai rata-rata mean yaitu 81,804320. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang
dijadikan sampel penelitian memiliki nilai Cost Income Ratio yang bernilai negatif. Nilai Cost Income Ratio tertinggi dialami oleh Bank Pan Indonesia
64
PNBN tahun 2013 dan nilai terendah terdapat pada Bank Victoria International Tbk BVIC tahun 2012 selama periode pengamatan. Standard
deviation variabel ini adalah 29,2677786 dan variance 856,603. Rentang nilai range senilai 254,5300 menunjukkan bahwa data yang digunakan
dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
2. Variabel Debt to Equity Ratio DER memiliki nilai minimum yaitu 3,0200
dan nilai maksimum yaitu 15,6200, dengan nilai rata-rata mean yaitu 8,645600. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang
dijadikan sampel penelitian memiliki nilai negatif. Standard deviation variabel ini adalah 2,6021233 dan variance 6,771. Rentang nilai range
senilai 12,6000 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum
dan nilai minimum. 3.
Variabel Size Bank memiliki nilai minimum yaitu 8,2200 dan nilai maksimum yaitu 31,7800, dengan nilai rata-rata mean yaitu 11,232640.
Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai total asset negatif. Size Bank yang
diproksikan dengan total asset telah dilakukan logaritma natural. Hal ini dilakukan agar nilai total asset yang sedemikian besar dapat diperkecil
nilainya sehingga mempermudah dalam mengolah data di SPSS. Standard deviation variabel ini adalah 2,2900092 dan variance 5,244. Rentang nilai
range senilai 23,5600 menunjukkan bahwa data yang digunakan dalam
65
penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
4. Variabel Return On Asset ROA memiliki nilai minimum yaitu ,1700 dan
nilai maksimum yaitu 69,0900, dengan nilai rata-rata mean yaitu 3,405120. Hal ini menunjukkan bahwa nilai earning after tax dan total asset
yang dijadikan sampel penelitian tidak ada satupun yang bernilai negatif. Nilai Return On Asset tertinggi terdapat pada Bank Swadesi Tbk BSWD
tahun 2013 dan nilai terendah dialami oleh Bank Kesawan Tbk BKSW tahun 2010. Standard deviation variabel ini adalah 7,6588223 dan variance
58,658. Rentang nilai range senilai 68,9200 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya
perbedaan nilai antara nilai maksimum dan nilai minimum. 5.
Variabel Earning Price Share EPS memiliki nilai minimum yaitu ,1540 dan nilai maksimum yaitu 865,2200, dengan nilai rata-rata mean yaitu
144,447496. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai yang negatif. Nilai EPS
tertinggi terdapat pada Bank Rakyat Indonesia Tbk BBRI tahun 2013 sedangkan nilai terendah dialami oleh Bank Mutiara Tbk selama periode
pengamatan. Standard deviation variabel ini adalah 184,1699516 dan variance 33918,571. Rentang nilai range senilai 865,0660 menunjukkan
bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai minimum.
66
6. Variabel NPL memiliki nilai minimum yaitu ,0000 dan nilai maksimum
yaitu 9,5300, dengan nilai rata-rata mean yaitu 1,556320. Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel
penelitian memiliki nilai yang negatif. Standard deviation variabel ini adalah 1,5531786 dan variance 33918,571. Rentang nilai range senilai
2,412 menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan
nilai minimum. 7.
Variabel Harga Saham memiliki nilai minimum yaitu 1,0000 dan nilai maksimum yaitu 920,0000, dengan nilai rata-rata mean yaitu 175,184485.
Hal ini menunjukkan bahwa tidak ada satupun perusahaan yang dijadikan sampel penelitian memiliki nilai yang negatif. Harga saham tertinggi
dialami oleh Bank CIMB Niaga Tbk BNGA tahun 2013 sedangkan nilai terendah terdapat pada Bank Ekonomi Raharja Tbk tahun 2011 selama
periode pengamatan. Standard deviation variabel ini adalah 244,0028550 dan variance 59537,393. Rentang nilai range senilai 919,0000
menunjukkan bahwa data yang digunakan dalam penelitian ini bersifat heterogen karena adanya perbedaan nilai antara nilai maksimum dan nilai
minimum.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas Data
Pengujian normalitas data dapat dilakukan secara kasat mata yaitu dapat dilihat pada grafis histogram dan grafik PP Plots. Suatu data
akan berdistribusi normal jika grafik histogram menyerupai bel yang
67
menghadap ke atas. Hal ini bisa dilihat dalam tampilan pada gambar 4.1 sampai dengan 4.4 dan table 4.2 sampai dengan 4.3 berikut ini.
Gambar 4.1 Uji Normalitas 1 : Histogram Sebelum Transformasi
Sumber: Diolah dengan SPSS, 2014.
Gambar 4.2 Uji Normalitas 2 : Grafik Normal
PP Plot Sebelum Transformasi
Sumber: Diolah dengan SPSS, 2014.
68
Tabel 4.2 Uji
Kolmogorov-SmirnovSebelum Transformasi One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Predicted
Value N
125 Normal Parameters
a,b
Mean 175,1844846
Std. Deviation
83,66451390 Most Extreme
Differences Absolute
,161 Positive
,161 Negative
-,127 Kolmogorov-Smirnov Z
1,802 Asymp. Sig. 2-tailed
,003 a. Test distribution is Normal.
b. Calculated from data. Sumber: Diolah dengan SPSS, 2014.
Dengan meilhat tampilan histogram pada gambar 4.1 dan grafik normal PP plotpada gambar 4.2 diatas dapat disimpulkan bahwa grafik
histogram pola distribusi yang melenceng ke kiri dan tidak normal. Pada grafik normal PP plot terlihat titik-titik menyebar di sekitar garis diagonal
dan penyebaran jauh dari garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi menyalahi model asumsi normalitas.
Hasil uji Kolmogorov Sminov pada tabel 4.2 menunjukkan Asymp. Sig. 2- tailed sebesar 0,003 yang lebih kecil dari signifikansi alpha yang telah
ditetapkan 0,05. Dengan demikian data dalam penelitian ini tidak terdistribusi normal.
69
Karena data tidak terdistribusi normal, maka peneliti melakukan perbaikan agar model regresi memenuhi asumsi normalitas. Dalam
penelitian ini peneliti melakukan transformasi data terhadap variabel yang tidak terdistribusi normal. Kemudian data diuji ulang berdasarkan asumsi
normalitas. Hasil uji normalitas setelah dilakukan transformasi data yang tidak normal tersebut adalah:
Gambar 4.3 Uji Normalitas 1 : Histogram Setelah Transformasi
Sumber: Diolah dengan SPSS, 2014.
70
Gambar 4.4 Uji Normalitas 2 : Grafik Normal
PP Plot Setelah Transformasi
Sumber: Diolah dengan SPSS, 2014.
Tabel 4.3 Uji
Kolmogorov-SmirnovSetelah Transformasi One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Predicted
Value N
125 Normal Parameters
a,b
Mean 10,0238852
Std. Deviation
3,23455348 Most Extreme
Differences Absolute
,105 Positive
,105 Negative
-,094 Kolmogorov-Smirnov Z
1,175 Asymp. Sig. 2-tailed
,126 a. Test distribution is Normal.
b. Calculated from data. Sumber: Data diolah dengan SPSS, 2014.
71
Dari grafik histogram pada gambar 4.3 dan grafik PP Plot pada gambar 4.4 diatas terlihat setelah dilakukan transformasi data, grafik
histogram memperlihatkan pola distribusi yang normal, hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis
diagonal yang tidak menceng skewness kiri maupun menceng ke kanan dan garafik normal PP Plot memperlihatkan titik-titik menyebar di sekitar
atau mengikuti arah garis diagonal yang menunjukkan pola terdistribusi normal. Hasil uji Kolmogorov Sminov pada tabel 4.3 menunjukkan Asymp.
Sig. 2-tailed sebesar 0,126 yang lebih besar dari signifikansi alpha yang telah ditetapkan 0,05. Dengan demikian, data pada penelitian ini
terdistribusi normal dan dapat digunakan untuk melakukan Uji-t dan Uji-F karena 0,521 0,05 H
a
diterima.
4.3.2 Uji Multikolinearitas
Untuk melihat ada tidaknya gejala multikolinearitas, peneliti melihat besaran korelasi antar variabel independen dan besarnya tingkat
kolinearitas yang masih dapat ditolerir yaitu : tolerance 0,1 dan VIF Variance Inflation Factor 10. Uji multikolinearitas dengan melihat
nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.4 berikut
72
Tabel 4.4 Hasil Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
Constant Cost Income Ratio
,886 1,128
Debt To Equity Ratio ,808
1,238 Size Bank
,995 1,005
Return On Asset ,869
1,151 Earning Per Share
,868 1,153
NPL ,824
1,213 a. Dependent Variable: Harga Saham
Sumber: Diolah dengan SPSS,2014 Tabel 4.4 menunjukkan bahwa penelitian ini bebas dari adanya
gejala multikolinearitas. Hal ini dapat dilihat dengan membandingkan nilai tolerance dan VIF. Masing-masing variabel independen yang digunakan
dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,1. Untuk Cost Income Ratio CIR memiliki nilai tolerance 0,886 ;Debt to
Equity Ratio DER memiliki nilai tolerance 0,808; Size Bank memiliki nilai tolerance 0,995; Return On Asset ROA memiliki nilai tolerance 0,869,
Earnings Per Share EPS memiliki nilai tolerance 0,868 dan NPL memiliki nilai tolerance 0,824. Jika dilihat dari VIF, masing-masing variabel
independen lebih kecil dari 10 yaitu Cost Income Ratio CR memiliki VIF 1,128; Debt to Equity Ratio ROE memiliki VIF 1,238; Size Bank memiliki
VIF 1,005; Return On Asset ROA memiliki VIF 1.51, Earnings Per Share
73
EPS memiliki VIF 1,153 dan NPL memiliki nilai VIF sebesar 1,213. Kesimpulan yang diperoleh adalah tidak terjadi gejala multikolinearitas
dalam variabel independennya.
4.3.3 Uji Heteroskedastisitas