Statistik Deskriptif Uji Koefisien Determinasi R

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