41
http:www.sahamok.comemitensaham-stock-split- reversestock-split-stock-reverse-2013
. Diakses pada 22 Agustus 2014 periode 2013 dan Februari
2014 dan 20 November 2014 periode Agustus 2014
3.3. Jenis dan Sumber Data
Jenis data yang digunakan peneliti adalah data kuantitatif yaitu data yang diukur berdasarkan skala numerik. Data penelitian merupakan kombinasi one-
shot atau cross sectional data dan time series data. Cross sectional data dimaksudkan bahwa data diambil dengan melibatkan satu kali pengumpulan
yaitu menggunakan periode tahunan. Time series data adalah data yang dikoleksi berdasarkan urutan waktu.
Skala pengukuran yang diterapkan pada penelitian ini adalah skala rasio. Skala rasio menurut Sekaran 2009 adalah skala yang memiliki permulaan nol
absolute, dan karena itu menunjukkan tidak hanya besaran, tetapi juga proporsi perbedaan.
Data yang dipergunakan adalah data sekunder yaitu data berupa dokumentasi laporan keuangan yang diterbitkan secara rutin. Data diperoleh
dengan mengunduh laporan keuangan perusahaan-perusahaan yang melakukan stock split yang terdaftar di Bursa Efek Indonesia yang diakses melalui website
www.idx.co.id .
42
3.4. Metode Pengumpulan Data
Data yang dikumpulkan dalam penelitian ini adalah data sekunder. Data diambil dengan metode dokumentasi dari laporan keuangan tahunan
perusahaan-perusahaan yang yang melakukan stock split di Bursa Efek Indonesia selama periode 2011-2013.
3.5. Definisi Operasional dan Pengukuran Variabel Penelitian
Variabel didefinisikan sebagai segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi
tentang hal tersebut, kemudian ditarik kesimpulannya Sugiyono, 2011:2. Variabel yang digunakan dalam penelitian ini adalah variabel independen dan
variabel dependen.
3.5.1. Variabel Dependen
Variabel dependen disebut juga variabel terikat, variabel konsekuen, atau variabel output. Variabel dependen adalah variabel yang dipengaruhi atau yang
menjadi akibat, karena adanya variabel bebas Sugiyono, 2011:2. Dalam penelitian ini, variabel dependen yang ditentukan peneliti adalah harga saham
Y. Harga saham merupakan harga dari bentuk penyertaan terhadap kepemilikan suatu perusahaan. Harga saham diukur dengan skala rasio dari nilai
closing price yang terdapat dalam laporan keuangan. Rumus untuk menghitung perubahan harga saham menurut skala rasio dinyatakan sebagai berikut:
43
Rata-rata harga saham tahunan = ∑ Harga Saham Bulanan
12
3.5.2. Variabel Independen
Variabel Independen sering disebut sebagai variabel bebas atau variabel prediktor. Variabel independen merupakan variabel yang memengaruhi atau
menjadi sebab perubahannya atau timbulnya variabel dependen variabel bebas Sugiyono, 2011.
Peneliti menetapkan variabel dependen terdiri dari Stock Split X1, Current Ratio X2, Return On Asset X3, Net Profit Margin X4, dan
Earning Per Share X5. a. Stock Split
Stock split adalah memecah selembar saham menjadi n lembar saham. Harga per lembar saham baru setelah stock split adalah sebesar 1n atau n1 dari
harga sebelumnya. Dengan demikian sebenarnya stock split tidak menambah nilai dari perusahaan atau dengan kata lain stock split tidak mempunyai nilai
ekonomis. b. Current Ratio
Current Ratio atau Rasio Lancar diukur dengan skala rasio menggunakan formula:
CR = Current Assets x 100 Current Liabilities
Data berupa current assets dan current liabilities perusahaan dilihat dari laporan keuangan yang diterbitkan.
44
c. Return On Asset Return On Asset ROA diukur dari laba bersih setelah pajak terhadap
total asetnya.. ROA dapat dihitung dengan menggunakan formula: Return on Assets = Net Income x 100
Common Equity Hasil pengembalian total aktiva atau total investasi menunjukkan
kinerja manajemen dalam menggunakan aktiva perusahaan menghasilkan laba. d. Net Profit Margin
Net Profit Margin NPM adalah rasio yang digunakan untuk menunjukkan kemampuan perusahaan dalam menghasilkan keuntungan bersih.
Net Profit Margin dihitung dengan rumus: Net Profit Margin = Net Income x 100
Operating Income e. Earning Per Share
Earning per Share menunjukkan perbandingan pembagian laba bersih dengan jumlah rata-rata saham yang yang beredar Earning per Share dihitung
dengan rumus: Earning per Share =
Net Income Weighted Avarage Common Shares Outstanding
45
Tabel 3.3 Definisi Operasional dan Pengukuran Variabel
Variabel Definisi
Indikator Skala
Harga Saham
Y Nilai saham
suatu perusahaan
Closing Price atau harga penutupan selama 1 periode
Rata-rata harga saham tahunan= ∑Harga Saham Bulanan
12 Rasio
Stock Split
X1 Pemecahan
saham suatu perusahaan
Pemecahan selembar saham menjadi n lembar saham. Harga per
lembar saham baru setelah stock split adalah sebesar 1n atau n1 dari
harga sebelumnya Rasio
Current Ratio
X2 Kemampuan
perusahaan memenuhi
kewajiban jangka pendek
Current Assets × 100 Current Liabilities
Rasio
Return On
Asset X3
Perbandingan laba
bersih setelah
pajak terhadap total
asset perusahaan
Net Income x 100 Common Equity
Rasio
Net Profit
Margin X4
Perbandingan laba
kotor perusahaan
dalam setiap
penjualan Net Income x 100
Operating Income Rasio
Earning Per Share
X5 Perbandingan
distribusi laba bersih kepada
pemegang saham
dalam bentuk dividen
Net Income Weighted Avarage Common Shares
Outstanding Rasio
46
3.6. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah analisis regresi berganda. Sebelum melakukan analisis regresi linear berganda,
peneliti terlebih dahulu melakukan analisis statistik deskriptif dan uji asumsi klasik. Semua pengujian dilakukan dengan menggunakan bantuan SPSS for
Windows.
3.6.1. Analisis Statistik Deskriptif
Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberikan gambaran terhadap obyek yang diteliti
melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku secara umum Sugiyono,
2011. Gambaran data ditunjukkan dengan nilai rata-rata mean, standar
deviasi, varian, maksimum, minimum, kurtosis hingga skewness kecondongan distribusi dan disajikan dalam tabel-tabel tertentu.
3.6.2. Uji Asumsi Klasik
Asumsi klasik adalah asumsi yang mendasari analisis regresi dengan tujuan mengukur asosiasi atau keterikatan antarvariabel bebas. Terdapat 4
47
empat pengujian terkait uji asumsi klasih yaitu uji normalitas data, uji multikolinearitas, uji heteroskedastisitas dan uji autokolerasi.
a. Uji Normalitas Data Uji normalitas bertujuan untuk mengetahui keberadaan variabel
pengganggu atau residual di dalam model regresi. Jika data normal, maka staistik yang dipergunakan adalah statistik parametrik. Jika sebaliknya, maka
statistic non parametriklah yang digunakan atau peneliti dapat melakukan treatment agar data normal.
Dalam menguji normalitas data, peneliti menggunakan Kolgomorov Smirnov untuk menemukan distribusi residual. Jika sig atau p-value 0,05
maka data berdistribusi normal Ghozali, 2005 b. Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel-variabel dependen antara yang satu dengan yang lainnya. Erlina, 2007. Model
regresi yang baik seharusnya tidak mengandung multikolinearitas di dalamnya. Pengujian ini menggunakan nilai VIF Variance Inflation
Factors sebagai acuan adanya multikolinearitas. Jika nilai VIF lebih besar dari 2, maka telah terjadi multikolinearitas antara variabel independen. Di
samping itu, sebuah model regresi dikatakan mengandung multikolinearitas apabila korelasi antara variabel independennya lebih besar dari 0,9.
c. Uji Heteroskedastisitas
48
Uji heteroskedastisitas bertujuan untuk melihat ketidaksamaan varians dari residual dalam model regrei dari satu pengamatan ke
pengamatan yang lain. Model regresi yang baik tidak diperbolehkan mengandung heteroskedastisitas.
Terdapat beberapa cara dalam mengidentifikasi keterjadian heteroskedastisitas. Wulandari 2012 mengungkapkan salah satu cara
mengidentifikasi heteroskedastisitas dalam model regresi adalah metode chart Diagram Scatterplot yaitu :
1 Jika ada pola tertentu seperti titik-titik yang membentuk pola beraturan gelombang, melebar kemudian menyempit, maka
model regresi mengalami heteroskedastisitas. 2 Jika ada pola yang jelas serta titik-titik yang menyebar ke atas
dan bawah 0 pada sumbu Y, maka model tidak mengalami heteroskedastisitas.
d. Uji Autokorelasi Menurut Algifari 2000 dalam Wulandari 2012 autokorelasi
adalah korelasi antar anggota sampel yang diurutkan berdasarkan waktu. Penyimpangan asumsi ini biasanya muncul pada observasi yang
eenggunakan data time series. Pengujian autokorelasi digunakan untuk mengetahui keberadaan korelasi antara anggota serangkaian data observasi
yang diurutkan menurut waktu. Pengujian autokorelasi dapat menggunakan
49
Uji Durbin-Watson Durbin-Watson Test dengan keterangan pada Table
3.4. Tabel 3.4
Tabel Durbin Watson Kondisi
Nilai
Ada autokorelasi D-W di bawah -2
Tidak ada autokorelasi D-W di antara -2 s.d. +2
Ada Autokorelasi Negatif D-W di atas 2+
3.6.2. Pengujian Hipotesis Penelitian 3.6.2.1. Pengujian Hipotesis H1
Dalam peneltiian ini, hipotesis H1 diuji dengan analisis regresi linear berganda dengan model sebagai berikut:
Y = a + b1X1 + b2X2
+
b3X3 + b4X4 + b5X5 + e Keterangan :
Y = Harga Saham a = Konstanta
b1...b5 = Koefisien Regresi X1 = Stock Split
X2 = Current Ratio X3 = Return On Asset
X4 = Net Profit Margin X5 = Earning per Share
50
e = Error Pengujian hipotesis pertama H1 dalam penelitian ini menggunakan
alat statistic Statistical Package For The Social Science SPSS. SPSS adalah salah satu program computer yang khusus dibuat untuk mengolah
data dengan metode statistik tertentu Santoso, 2010. Pengujian hasil analisis regresi linear berganda dilakukan dengan Uji Koefisien
Determinasi, Uji F dan Uji t.
a. Uji Koefisien Determinasi Koefisien determinasi digunakan untuk menguji goodness-fit dari
model regresi. Dimisalkan bahwa nilai adjusted R
2
adalah sebesar 0.768, maka variabilitas variabel dependen dapan dijelaskan oleh variabilitas
variabel independen adalah sebesar 76.8. Sedangkan sisanya 23.2 dijelaskan oleh variabel lainnya yang tidak dimasukkan dalam model
regresi Ghozali, 2013.
b. Uji F Uji Pengaruh Simultan Uji F dilakukan untuk mengetahui pengaruh variabel independen
secara bersama-sama simultan terhadap variabel dependen. Kriteria pengambilan keputusannya adalah :
51
1. Jika F hitung F tabel atau nilai signifikansi α = 5, maka H
a
yang diajukan diterima 2.
Jika F hitung F tabel atau nilai signifikansi α = 5 maka H
a
tidak dapat diterima.
c. Uji t Uji Pengaruh Parsial Uji t digunakan untuk mengetahui pengaruh dari masing-masing
parsial variabel independen terhadap variabel dependen atau untuk melihat variabel yang memberikan pengaruh paling dominan di antara
variabel independen yang ada. Hipotesis yang diuji adalah:
Ha = masing-masing variabel independen berpengaruh secara parsial terhadap variabel dependen.
Hasil uji t ini memiliki kriteria sebagai berikut: 1. Jika t-hitung t-tabel atau sig 5, maka Ha diterima. Hal
ini berarti bahwa masing-masing variabel independen berpengaruh secara parsial terhadap harga saham perusahaan-
perusahaan yang melakukan stock split di Bursa Efek Indonesia tahun 2011-2013.
2. Jika t-hitung t-tabel atau sig 5, maka Ha tidak dapat diterima.
52
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian
4.1.1. Statistik Deskriptif
Penelitian diawali dengan melakukan analisis statistik deskriptif. Output tampilan statistik deskriptif tercantum pada Tabel 4.1.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
Stock Split
Current Ratio
Return on Assets
Net Profit Margin
Earning Per Share
Harga Saham
Valid N listwise
N Statistic
34 34
34 34
34 34
34 Minimum
Statistic ,05
28,14 -10,90
-94,78 -87,82
88,92 Maximum
Statistic 100,00
1574,31 25,57
885,52 611,41
47022,50 Mean
Statistic 7,4301
257,3285 9,2150
37,4174 132,0818
5642,0332 Std.
Deviation Statistic
16,6365 6
315,23548 7,97383
151,48716 163,51351 9587,21339
Variance Statistic
276,775 99373,407 63,582
22948,361 26736,668
9,191E7 Skewness
Statistic 5,527
2,937 ,238
5,623 1,506
3,400 Std.
Error ,403
,403 ,403
,403 ,403
,403 Kurtosis
Statistic 31,561
9,361 ,288
32,441 1,634
12,230 Std.
Error ,788
,788 ,788
,788 ,788
,788
Sumber : Lampiran III Statistik deskriptif pada Tabel 4.1 menampilkan nilai minimum variabel
Stock Split adalah milik Smartfren Telecom Tbk sebesar 0,05 sedangkan nilai
53
maksimum variabel Stock Split dimiliki oleh Sepatu Bata Tbk yaitu 100,00. Rata- rata Stock Split bernilai 7,4301
dan standar deviasinya adalah 16,63656. Skewness dan kurtosis yang digunakan untuk melihat distribusi normal data
masing-masing bernilai 5,527 dan 31,561. Variabel Current Ratio memiliki nilai maksimum 1574,31 yaitu milik
Lippo Securities Tbk, nilai minimum 28,14 milik Smartfren Telecom Tbk, standar deviasi sebesar 315,23548, skewness atau kemencengan yang bernilai
2,937 dan kurtosis 9,361. Hasil analisis statistik deskriptif untuk Return On Assets menunjukkan nilai
minimum sebesar -10,90 yaitu milik Smartfren Telecom Tbk. Nilai maksimum Return On Assets dimiliki oleh Jasuindo Tiga Perkasa Tbk yaitu 25,57. Standar
deviasi, skewness dan kurtosis yang dimiliki variabel ini masing-masing adalah 7,97383, 2,937, dan 0,288.
Net Profit Margin dalam penelitian ini memiliki nilai minimum -94,78 yaitu milik Smartfren Telecom Tbk dan nilai maksimum 885,52 milik Lippo
Securities Tbk. Standar deviasi variabel Net Profit Margin adalah 151,48716 sedangkan skewness bernilai 5,623 dan kurtosis atau kecondongan bernilai
32,441. Variabel Earning Per Share memiliki nilai minimum -87,82 yaitu dimiliki
oleh Smartfren Telecom Tbk dan nilai maksimum 611,41 milik Bank Rakyat
54
Indonesia Persero Tbk. Standart deviasi dari Earning Per Share adalah sebesar 163,51351 sedangkan skewness dan kurtosis bernilai 1,506 dan 1,634.
Harga saham sebagai variabel dependen memiliki nilai maksimum 47.022,50 yaitu milik Sepatu Bata Tbk sedangkan nilai minimum yaitu 88,92
dimiliki oleh Smartfren Telecom Tbk. Nilai standar deviasi harga saham adalah 958,21339. Skewness dan kurtosis harga saham bernilai 3,400 dan 12,230 .
Berdasarkan nilai skewness dan kurtosis, hasil analisis statistik deskriptif menunjukkan bahwa data tidak terdistribusi dengan normal. Untuk
menindaklanjuti hal tersebut, terlebih dahulu data harus diuji dengan Uji Asumsi Klasik untuk melihat distribusi data.
4.1.2. Uji Asumsi Klasik
a. Uji Normalitas Data
a.1. Uji Normalitas Sebelum Transformasi
Untuk menguji data penelitian ini berdistribusi normal atau tidak, maka digunakanlah analisis grafik pada Gambar 4.1 dan Gambar 4.2.
55
Gambar 4.1 Normal P-Plot Sebelum Transformasi
56
Gambar 4.2. Grafik Histogram Sebelum Transformasi
Berdasarkan kedua gambar di atas, dapat dilihat bahwa data penelitian tidak normal. Hal tersebut tergambar pada Gambar 4.1 dimana titik-titik yang
menyebar jauh dari garis diagonal. Gejala ketidaknormalan data juga ditampilkan lewat histogram pada Gambar 4.2.
57
Data yang tidak terdistribusi secara normal juga ditunjukkan oleh hasil uji Kolmogorov-Smirnov pada Tabel 4.2. Hasil pengujian memiliki nilai signifikansi
0,003 atau 0,05, sehingga data secara positif dapat dikategorikan tidak normal.
Tabel 4.2 One Sample Kolmogorov Smirnov Test
a.2. Uji Normalitas Setelah Transformasi Pertama
