Net Profit Margin NPM adalah rasio yang digunakan untuk menunjukkan kemampuan perusahaan dalam menghasilkan keuntungan
bersih setelah dipotong pajak Alexandri, 2008:200. Rasio ini dapat dirumuskan sebagai berikut Bastian dan Suhardjono : 2006 :
Laba Bersih Setelah Pajak NPM
= x
100 Penjualan
1.2. Populasi dan Sampel
1.2.1. Populasi
Populasi merupakan keseluruhan dari unit analisis yang ciri-ciriya akan diduga. Populasi yang diamati dalam penelitian adalah perusahaan Wholesale and
Retail Trade yang jumlah perusahaanya sebanyak 22 dimana saham perusahaan tersebut terdaftar di BEI.
1.2.2. Sampel
Sampel yang digunakan dalam penelitian ini adalah 11 perusahaan yang kondisi harga pasar sahamnya menurun dari 22 perusahaan wholesale and retail
yang terdaftar di BEI selama periode 2007-2010. Teknik sampel yang digunakan dalam penelitian ini adalah purposive sampling dengan kriterianya adalah harga
pasar saham yang menurun pada perusahaan tersebut. Adapun perusahaan Wholesale and Retail Trade yang mengalami
penurunan tersebut adalah : PT.Alfa Retailindo Tbk, Ancora Indonesia Resources Tbk dh TD Resources Tbk, PT.Catur Sentosa Adiprana Tbk, PT.FKS Multi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Agro Tbk dh Fishindo Kusuma Sejahtera Tbk, PT.Hero Supermarket Tbk, PT.Kokoh Inti Aribama Tbk, PT.Nusantara Infrastructure Tbk dh Metamedia
Technologis Tbk, PT.Rimo Catur Lestari Tbk, PT.Toko Gunung Agung Tbk, PT.Triwara Insanlestari Tbk, PT.Wicaksana Overseas International Tbk.
1.3. Jenis dan Sumber Data
Metode pengumpulan data pada penelitian ini adalah dengan mengumpulkan data sekunder, yaitu data rasio keuangan perusahaan EPS,
ROA, ROE, NPM dan harga saham perusahaan Wholesale and Retail Trade yang terdaftar di BEI pada periode 2007-2010.
Sumber yang digunakan adalah laporan keuangan perusahaan dan harga saham yang terdapat pada ICMD Indonesian Capital Market Directory
tahun 2007-2010 dan melalui pengunduhan internet dengan alamat situs www.idx.co.id
.
Teknik yang digunakan dalam pengumpulan data ini adalah dengan menggunakan teknik dokumentasi.
1.4. Metode Analisis Data
1.4.1. Analisis Regresi Linier Berganda
Untuk mengetahui pengaruh Earning Per Share EPS, Return On Assets ROA, Return On Equity ROE, dan Net Profit Margin NPM terhadap harga
saham pada perusahaan Wholesale and Retail Trade digunakan analisis regresi linier berganda.
Adapun model yang akan diuji dalam penelitian ini adalah sebagai berikut:
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Y = α + β 1 X1 + β2 X2 + β 3 X3+ β 4 X4 + ℮
Di mana : Y = Harga saham
α = Konstanta X1 = Earning Per Share EPS
X2 = Return On Assets ROA X3 = Return On Equity ROE
X4 = Net Profit Margin NPM e = Kesalahan pengganggu
β1-4 = Koefisien Regresi
1.4.2. Pengujian Asumsi Klasik.
Uji asumsi klasik merupakan prasyarat analisis regresi berganda. Sebelum melakukan pengujian hipotesis yang diajukan dalam penelitian perlu dilakukan
pengujian asumsi klasik yang meliputi : uji normalitas, uji multikolonieritas, uji autokorelasi, dan uji heteroskedastisitas.
1.4.2.1. Uji Normalitas
Menurut Ghozali 2009 menyataan bahwa uji normalitis adalah untuk menguji apakah dalam model regresi, variabel independen dan dependennya
memilki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Menurut Sudarmanto 2003:105, salah satu uji persyaratan yang harus dipenuhi dalam penggunaan analisis parametik yaitu uji normalitas data populasi.
1.4.2.2. Uji Multikoliniearitas
Yang dimaksud dengan multikolinearitas persamaan regresi berganda yaitu kolerasi antara varibael-variabel bebas diantara satu dengan yang lainnya.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika variabel bebas saling berkolerasi, maka variabel-variabel tidak orthogonal.
Untuk mengetahui apakah ada kolerasi diantara variabel-variabel bebas dapat diketahui dengan melihat dari nilai tolerance yang tinggi.
Variance inflation factor VIF kedua ukuran tersebut menunjukkan setiap variabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Dalam
pengertian sederhana setiap variabel bebas menjadi variabel terikat dan regresian terhadap variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas
yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi karena VIF = 1tolerance
dan menunjukkan adanya kolineritas yang tinggi. Nilai cut off yang umum dipakai adalah tolerance 0,10 atau sama dengan nilai VIF 10. Setiap peneliti harus
menentukan tingkat koliniearitas yang masih dapat diterima. Sedangkan TOL tolerance besarnya variasi dari suatu variabel independen yang tidak dijelaskan
oleh variabel independent lainnya. Nilai TOL berkebalikan dengan VIF. Batas
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
TOL dibawah 0,1 dan VIF batasnya diatas 10. Apabila TOL dibawah 0,1 atau VIF diatas 10, maka terjadi multikolinieritas. Konsekuensinya adanya multikolinieritas
menyebabkan standart error cenderung semakin besar. Menurut Sudarmanto 2003:136, uji asumsi multikoliniearitas ini
dimaksudkan untuk membuktikan atau menguji ada tidaknya hubungan yang linier antara variabel bebas independen satu dengan variabel bebas indipenden
lainya.
1.4.2.3. Uji Heteroskedatisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang
lain. Jika varian dari residual satu pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regeresi
yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Menurut Sudarmanto 2003:147, uji asumsi heteroskedatisitas ini
dimaksudkan untuk mengetahui apakah variasi residual absolute sama atau tidak sama untuk semua pengamatan.
Menurut Gozhali 2009 cara menditeksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik Plot antara nilai prediksi variabel
terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitasnya dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
adalah yang telah diprediksi dan sumbu X residual Y prediksi-Y sesungguhnya yang telah di standardized. Dasar analisis heteroskedasitas, sebagai berikut :
1. Jika ada pola tertentu, seperti titik yang membentuk pola yang teratur
bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterodastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan bawah
angka 0 pada sumbu Y, maka tidak heterokedastisitas.
1.4.2.4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengunaan pada periode t dengan kesalahan
pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainnya Ghozali, 2009. Untuk menguji keberadaan autokorelasi dalam penelitian ini digunakan uji statistic Durbin-Watson. Durbin-
Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model
regresi dan tidak ada variabel lag di antara variabel independen. Hipotesis yang akan diujii adalah:
H0 : tidak ada autokorelasi r = 0
HA : ada autokorelasi r
≠ 0
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Menurut Sudarmanto 2003:147, autokorelasi merupakan Korelasi antara anggota seri observasi yang disusun menurut urutan waktu seperti sata time
series atau urutan tempatruang data cross section, atau korelasi yang timbul padadirinya sendiri.
1.4.2.5. Uji Hipotesis
Dalam uji asumsi klasik dapat dilakukan analisis hasil regresi atau uji hipotesis. Uji hipotesis yang digunakan meliputi : uji parsial t-test, uji pengaruh
simultan F-test, uji koefisien determinasi R².
1.4.2.6. Uji Signifikan Simultan Uji - F
Pengujian ini dimaksudkan untuk mengetahui apakah terdapat pengaruh secara bersama-sama simultan variabel independen terhadap variabel dependen.
Prosedur pengujian hipotesis untuk pengaruh secara simultan adalah : 1.
Merumuskan Hipotesis Ho :
β1 = β2 = β3 = β4 = 0 artinya : EPS, ROA, ROE, dan NPM secara simultan tidak
berpengaruh signifikan terhadap harga saham. Ha :
β1 ≠ β2 ≠ β3 ≠ β4 ≠ 0 artinya : EPS, ROA, ROE, dan NPM secara simultan berpengaruh
signifikan terhadap harga saham. 2.
Menentukan tingkat signifikansi
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hipotesis ini diuji dengan menggunakan tingkat signifikansi α = 5.
3. Menentukan criteria pengujian hipotesis :
Hipotesis diterima jika F signifikan 0,05 Hipotesis ditolak jika F signifikan 0,05
1.4.2.7. Uji Secara Parsial Uji – t
Pengujian secara parsial menggunakan uji t pengujian signifikansi secara parsial. Pengujian secara parsial ini dimaksudkan untuk melihat seberapa jauh
pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen.
Uji – t merupakan uji parametik yang dimaksudkan untuk mengetahui pengaruh secara parsial antar variabel dengan langkah sebagai berikut :
a. Merumuskan hipotesis statistik.
H0 : β = 0 ; berarti secara parsial variabel bebas tidak mempunyai pengaruh yang signifikan atas variabel tergantung.
Ha : β 0 ; berarti secara parsial variabel bebas mempunyai pengaruh yang signifikan atas variabel tergantung.
b. Menentukan besarnya tingkat signifikan sebesar
= 5 , dengan tingkat kebebasan df sebesar n – k – 1.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
c. Mengukur nilai t hitung dengan menggunakan persamaan berikut :
aj 1
t = ; Se Aj =
1²
Se aj √ n – k
Keterangan : aj = koefisien regresi ke-i
Se Aj = standard error dari koefisien regresi ke-i d.
Hasil dari perhitungan t0 t hitung dibandingkan dengan t table, maka :
H0 diterima bila : -t 2 atau t0 + t 2, artinya bahwa secara parsial
variabel bebas tidak mempunyai pengaruh yang signifikan atas variabel tergantung.
H0 ditolak : T0 -t 2 atau t0 + t 2, artinya bahwa secara parsial variabel
bebas mempunyai pengaruh yang signifikan atas variabel tergantung.
1.4.2.8. Analisis Koefisien Determinasi R
2
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi dependen atau dengan kata lain
untuk menguji goodness-fit dari model regresi. Nilai koefisien determinasi adalah antara 0 dan 1. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menejelaskan variasi variabel dependen amat terbatas
Ghozali,2009. Nilai yang mendekati 1 berati variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi
variabel dependen. Untuk menhindari bias, maka digunakan nilai Adjusted R
2
karena Adjusted R
2
dapat naik atau turun apabaila satu variabel independen ditambah ke dalam model. Menurut Gujarati 2003, jika dalam uji empiris di
dapat nilai Adjusted R
2
negatif, maka nilai adjusted R
2
dianggap bernilai nol.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
