4.1.1 Statistik Deskriptif
Penelitian ini mengamati 1 satu variabel terikat dependent variable yaitu variabel harga saham Y dan 3 Tiga variabel bebas independent variable
yaitu debt to equity ratio DER Return On Asset ROA X
1
, debt to equity ratio DER X
2
, earning per share EPS X
3
. Informasi semua variabel diambil berdasarkan laporan keuangan selama tahun 2009 sampai dengan tahun 2012.
Tabel 4.6 Descriptive Statistics
Berdasarkan hasil yang diperoleh dari tabel 4.6 maka dapat dijelaskan bahwa: 1. Variabel Return On Asset ROA memiliki jumlah sampel 40, nilai minimum
,01 nilai maksimum 10,90, mean nilai rata-rata sebesar 1,0547, dan standart deviation 2,60854
2. Variabel Debt to Equity Ratio DER memiliki jumlah sampel 40, nilai minimum ,17, nilai maksimum 10,80, mean nilai rata-rata sebesar 4,5008, dan
standart deviation sebesar 3,84634.
3.
Variabel Earning Per Share EPS memiliki jumlah sampel 40, nilai minimum 9,85, nilai maksimum 32151,10, mean nilai rata-rata sebesar 13190,7783,
dan standart deviation sebesar 6311,14774
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Return On Asset
40 ,01
10,90 1,0547
2,60854 Debt to Equity Ratio
40 ,17
10,80 4,5008
3,84634 Earning per Share
40 9,85
32151,10 13190,7783
10473,98924 Harga Saham
40 500,00
26800,00 5957,8500
6311,14774 Valid N listwise
40
Universitas Sumatera Utara
4.
Variabel Harga Saham memiliki jumlah sampel 40, nilai minimum 500,00, nilai maksimum 26800,00, mean nilai rata-rata sebesar 5957,8500, dan standart
deviation sebesar 6311,14774
4.1.2 Pengujian Asumsi Klasik
Dalam menghasilkan suatu analisis data yang akurat, suatu persamaan regresi sebaiknya memenuhi semua asumsi klasik. Asumsi-asumsi klasik yang
harus dipenuhi antara lain terbebas dari uji normalitas data, uji multikolinearitas, uji autokorelasi dan uji heterokedastisitas.
4.1.2.1 Uji Normalitas data
Dalam uji ini dilakukan, untuk dapat menunjukkan simetris tidaknya distribusi data. Uji normalitas akan dideteksi melalui analisa grafis yang
dihasilkan melalui perhitungan regresi.
Gambar 4.1 Uji Normalitas Histogram
Universitas Sumatera Utara
Gambar 4.2 Uji Normalitas Grafik P-P Plot
Santoso 2006, menyatakan bahwa dasar pengambilan keputusan dari uji normalitas data, yaitu :
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas,
b. jika data menyebar disekitar garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Dalam penelitian ini, uji normalitas hanya akan dideteksi melalui analisis grafik normal P-Plot yang dihasilkan melalui perhitungan regresi dengan
software SPSS. Adapun hasil pengujiannya tersebut telah memperlihatkan pada grafik normalitas P - Plot, bahwa penyebaran data yang terjadi ada di sekitar
garis diagonal dan mengikuti garis diagonal, dengan demikian distribusi data telah memenuhi asumsi normalitas.
Universitas Sumatera Utara
Tabel 4.7 Tabel Uji Normalitas Kolmogorov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 40
Normal Parameters
a,,b
Mean ,0000000
Std. Deviation 5845,67430384
Most Extreme Differences Absolute
,186 Positive
,186 Negative
-,090 Kolmogorov-Smirnov Z
1,177 Asymp. Sig. 2-tailed
,125 a. Test distribution is Normal.
b. Calculated from data.
Dari data diatas, terlihat Asymp. Sig. 2-tailed dari 0.05, maka data dikatakan normal.
4.1.2.2 Uji Heteroskedastisitas
Uji ini dilakukan untuk menunjukkan penyebaran varians gangguan. Heteroskedastisitas terjadi bila varians residu berbeda dari satu
pengamatan ke pengamatan lainnya. Deteksi dapat dilakukan dengan menggunakan uji metode grafis yaitu dengan melihat ada tidaknya pola
tertentu yang tergambar pada scatterplot. Pedoman pengambilan keputusan,
yaitu :
a. Jika ada pola tertentu maka terjadi heterokedastisitas. b. Jika tidak ada pola tertentu maka tidak terjadi heterokedastisitas.
Universitas Sumatera Utara
Gambar 4.3 Uji Heteroskedastisitas
scatterplot
Hasil pengujian heterokedastisitas pada penelitian ini menggunakan program software SPSS dengan cara mengamati pola yang terdapat pada scatter
plot, yang hasilnya dapat dilihat pada gambar 4.3 Pada gambar tersebut dapat terlihat
bahwa titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik di atas maupun dibawah angka nol pada sumbu Y.
Hal ini berarti tidak terjadi heterokedastisitas pada model regresi, sehingga model regresi layak dipakai.
Universitas Sumatera Utara
4.1.2.3 Uji Autokorelasi
Dalam penelitian ini, uji autokorelasi dilakukan dengan melihat nilai Durbin Watson. Cara mendeteksi apakah model yang digunakan
mengalami gejala autokorelasi adalah dengan melihat nilai statistik Durbin Watson. Hasil dari nilai Durbin Watson dapat dilihat pada tabel 4.8 berikut
ini :
Tabel 4.8 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 ,627
a
,765 ,715
6084,37072 1,687
a. Predictors: Constant, ROA,DER,EPS b. Dependent Variable: Harga Saham
Dari tabel 4.8 tersebut, dapat dilihat bahwa nilai Durbin Watson sebesar 1,687 dan yang menjadi patokan terjadi tidaknya autokorelasi adalah jika angka D-
W di antara -2 sampai +2 yang berarti tidak ada autokorelasi, dengan demikian angkanilai Durbin Watson sebesar 1,687 berada diantara angka patokan yang
disampaikan oleh Santoso 2000, yang menunjukkan bahwa tidak adanya autokorelasi antar variabel.
Universitas Sumatera Utara
4.1.2.4 Uji Multikolinearitas Tabel 4.9
Uji Multikolinearitas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
Constant Return On Asset
,286 3,499
Debt to Equity Ratio ,332
3,011 Earning Per Share
,285 3,507
a. Dependent Variable: Harga Saham
Uji ini dilakukan untuk menunjukkan ada tidaknya korelasi yang besar diantara variable bebas. Hasil pengujian multikolinearitas dapat dilihat pada tabel
4.9 Hasil dari table 4 . 9 tersebut, menunjukkan bahwa variabel bebas yaitu : ROA, DER, EPS memiliki angka Variance Inflaction Factor VIF dibawah angka 10.
Dengan demikian dapat disimpulkan bahwa persamaan regresi yang dipakai sebagai model analisis tidak terdapat persoalan multikolinearitas.
4.2 Hipotesis
4.2.1 Uji Koefisien Determinasi R
2
Koefisien determinasi R square menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah nol
sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-variabel independen memberikan semua informasi yang dibutuhkan
untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square,maka kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel dependen semakin terbatas. Nilai R square memiliki
Universitas Sumatera Utara
kelemahan yaitu nilai R square akan meningkat setiap ada penambahan satu variabel independen meskipun variabel independen tersebut tidak berpengaruh
signifikan terhadap variabel dependen. Tabel 4.10
Uji Koefisien Determinasi R
2
Model Summary
b
Model R
R Square Adjusted R Square
Std. Error of the Estimate 1
,627
a
,765 ,715
6084,37072 a. Predictors: Constant, ROA,DER,EPS
b. Dependent Variable: Harga Saham
Besarnya adjusted R
2
berdasarkan hasil analisis statistik yang di peroleh sebesar ,715 Dengan demikian besarnya pengaruh yang di berikan Return on Asset,
Debt to Equity Ratio, dan Earning per Share terhadap harga saham lq 45 adalah sebesar 71,5. Sedangkan sisanya sebesar 29,5 adalah di pengaruhi oleh faktor lain
yang tidak di teliti dalam penelitian ini.
4.2.2 Uji Signifikan Parsial