BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Desain Penelitian
Populasi dan sampel dalam penelitian ini adalah perusahaan real estate dan properti yang terdaftar di Bursa Efek Indonesia Periode 2010-2012. Populasi
dalam penelitian ini berjumlah 34 Perusahaan dan dari 34 perusahaan tersebut terpilih 22 perusahaan sebagai sampel dalam penelitian ini. Sampel dalam
penelitian ini dipilih dengan menggunakan teknik purposive sampling. Data mengenai populasi dan sampel dapat dilihat secara jelas pada lampiran.
4.2 Hasil Analisis
4.2.1 Analisis Statistik Deskriptif
Informasi yang dibutuhkan dalam penelitian ini merupakan data sekunder yang diperoleh dari www.idx.co.id
berupa data keuangan sampel perusahaan manufaktur dari tahun 2009 sampai tahun 2011 yang dijabarkan dalam bentuk
statistik.
Berikut ini merupakan deskripsi data statistik dari seluruh data yang digunakan secara umum dalam penelitian ini:
Universitas Sumatera Utara
Tabel 4. 1 Deskriptif Statistik
Sumber : Data Olahan SPSS, 2013 Berdasarkan hasil yang diperoleh dari Tabel 4.1 maka dapat dijelaskan
bahwa: 1.
Variabel Current Ratio CR memiliki jumlah sampel N sebanyak 66, nilai minimum 0,30, nilai maksimum 15,09, mean nilai rata-rata sebesar 3,5270
dan Standart Deviation atau Simpangan Baku sebesar 2,92107. 2.
Variabel LongTerm Debt Equity Ratio LtDER memiliki jumlah sampel N sebanyak 66, nilai minimum 0,01, nilai maksimum 3,03, mean nilai rata-rata
sebesar 0,4276 dan Standart Deviation atau Simpangan Baku sebesar 0,61906. 3.
Variabel Total Asset Turnover TATO memiliki jumlah sampel N sebanyak 66, nilai minimum -0,03, nilai maksimum 9,07, mean nilai rata-rata sebesar
0,3702 dan Standart Deviation atau Simpangan Baku sebesar 1,12060. 4.
Variabel Return on Assets ROA memiliki jumlah sampel N sebanyak 66, nilai minimum 0,00, nilai maksimum 0,64, mean nilai rata-rata sebesar
0,0827 dan Standart Deviation atau Simpangan Baku sebesar 0,12621.
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CR 66
.30 15.09
3.2570 2.92107
LtDER 66
.01 3.03
.4276 .61906
TATO 66
-.03 9.07
.3702 1.12060
ROA 66
.00 .64
.0827 .12621
HARGA SAHAM
66 84.75
3900.00 815.7197 876.31499
Valid N listwise
66
Universitas Sumatera Utara
5. Variabel Harga Saham memiliki jumlah sampel N sebanyak 66, nilai
minimum 84,75 nilai maksimum 3900,00, mean nilai rata-rata sebesar 815,7197 dan Standart Deviation atau Simpangan Baku sebesar 876,31499.
4.2.2 Pengujian Asumsi Klasik
4.2.2.1 Uji Normalitas Data
Uji normalitas berguna untuk melihat apakah data telah terdistribusi normal atau tidak. Uji normalitas dilakukan dengan model kolgomorov-smirnov. Menurut
Ghozali 2005:115 memberikan pedoman pengambilan keputusan rentang data mendekati atau merupakan distribusi normal berdasarkan uji Kolmogorov
Smirnov yang dapat dilihat dari:
a nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal,
b nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah normal.
Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov dapat dilihat pada Tabel 4.2 berikut ini :
Universitas Sumatera Utara
Tabel 4. 2 Uji Normalitas
Berdasarkan hasil uji statistik pada One-Sample Kolgomorov-Smirnov nilai signifikansinya Asymp. Sig. 2-tailed pada tabel tersebut adalah 0,020. Karena
p = 0,020 0,05 maka dapat disimpulkan data tidak terdistribusi normal. Oleh karena itu, peneliti akan melakukan treatment atau perbaikan pada data tersebut
agar dapat memenuhi Uji Normalitas. Menurut Syafrizal et.all 2008 : 62 Ada beberapa cara mengubah model
regresi menjadi normal yaitu: 1.
lakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma Log atau natural Ln.
2. menambah jumlah data.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 66
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 8.30009610E2
Most Extreme Differences
Absolute .187
Positive .187
Negative -.135
Kolmogorov-Smirnov Z 1.517
Asymp. Sig. 2-tailed .020
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data Olahan SPSS, 2013
Universitas Sumatera Utara
3. menghilangkan data yang dianggap sebagai penyebab tidak normalnya data.
4. menerima data apa adanya.
Oleh karena itu, guna memenuhi uji normalitas maka peneliti akan mentransformasikan data penelitian ini kedalam bentuk Logaritma Log,
kemudian data diuji ulang dengan menggunakan uji normalitas. Hasil Uji Normalitas pada data yang telah ditransformasi dapat dilihat pada tabel 4.3
berikut.
Tabel 4. 3 Uji Normalitas Setelah Transformasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 62
Normal Parameters
a,,b
Mean .0000000
Std. Deviation .86519715
Most Extreme Differences
Absolute .094
Positive .084
Negative -.094
Kolmogorov-Smirnov Z .737
Asymp. Sig. 2-tailed .649
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data Olahan SPSS, 2013
Berdasarkan hasil Uji Normalitas tabel 4.3 dengan data yang telah ditransformasi ke dalam bentuk logaritma, maka hasil yang di dapatkan adalah
data telah terdistribusi secara normal karena dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 0.737 dan signifikansinya pada 0.649.
Universitas Sumatera Utara
Maka dapat disimpulkan bahwa data terdistribusi normal, karena p = 0.649 0,05 dan dapat dilanjutkan dengan uji asumsi klasik lainnya.
Untuk lebih jelas, berikut ini turut dilampirkan grafik histogram, dan normal probability plot yang terdistribusi normal.
Gambar 4. 1 Uji Normalitas
Universitas Sumatera Utara
Gambar 4. 2 Uji Normalitas
Data yang telah terdistribusi normal dapat kita ketahui dengan melihat Histogram pada gambar 4.1, grafik histogram pada uji normalitas di atas dapat
terlihat bahwa data terdistribusi mengikuti garis diagonal yang tidak melenceng Skewness ke kiri maupun ke kanan.
Data yang telah terdistribusi normal juga bisa diketahui dengan melihat grafik plot yang ditunjukkan pada gambar 4.2. Menurut Ghozali 2005:112
pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis
Universitas Sumatera Utara
diagonal dan mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Pada gambar tersebut dapat terlihat bahwa penyebaran data
titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, oleh sebab itu dapat diketahui bahwa data telah terdistribusi dengan normal.
4.2.2.2 Uji Multikolinearitas
Uji multikolineraitas dilakukan untuk melihat apakah antara variabel- variabel terdapat multikolinearitas atau tidak. Menurut ghozali 2005:91 Uji
multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Untuk melihat ada atau tidaknya
multikolinieritas dalam model regresi dapat dilihat dari: 1.
nilai tolerence dan lawannya, 2.
Variance Inflatin Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah
yang dijelaskan oleh variabel independen lainnya. Tolerence mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Jadi, nilai Tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1tolerence. Nilai cutoff yang umum dipakai untuk
menunjukkan adanya mutikolineritas adalah nilai Tolerence 0,10 atau sama dengan VIF 10 Ghozali, 2005:91. Hasil pengujian terhadap multikolinearitas
pada penelitian ini dapat dilihat pada tabel 4.4.
Tabel 4. 4 Uji Multikolinearitas
Universitas Sumatera Utara
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance VIF
1 Constant
7.021 .396
17.729 .000 LN CR
.090 .205
.064 .437 .663
.649 1.542 LN LtDER
-.138 .106
-.183 -1.297 .200 .687 1.456
LN TATO -.096
.098 -.125
-.979 .332 .836 1.196
LN ROA .418
.127 .425
3.284 .002 .819 1.221
a. Dependent Variable: LN HARGA SAHAM Sumber: Data Olahan SPSS, 2013
Berdasarkan data olahan SPSS diatas, dapat diketahui bahwa data penelitian ini tidak terjadi multikolinearitas. Hal tersebut dapat diketahui bahwa
tidak ada satupun variabel Independen yang memiliki VIF di atas 10 ataupun Tolerance dibawah 0,1. Dari hasil uji multikolineraitas ini di dapatkan bahwa nilai
VIF untuk Current Ratio CR adalah 1,542 10 dan nilai Tolerance sebesar 0,649 0,1. Nilai VIF untuk Longterm Debt Equity Ratio LtDER adalah 1,456
10 dan nilai Tolerance sebesar 0,687 0,1. Nilai VIF untuk Total Asset Turnover TATO adalah 1,196 10 dan nilai Tolerance sebesar 0,836 0,1. Nilai VIF
untuk Return on Asset ROA adalah 1,221 10 dan nilai Tolerance sebesar 0,819 0,1. Kesimpulan dari Uji Multikolinearitas ini adalah bahwa semua variabel
independen telah lolos dari Uji multikolinearitas.
Universitas Sumatera Utara
4.2.2.3 Uji Heteroskedastisitas
Menurut Ghozali 2005:105 Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual
satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah model regresi yang tidak terjadi heterokedastisitas. Cara untuk menentukan ada atau
tidaknya heterokedastisitas adalah dengan melihat grafik scatterplot pada gambar 4.3. Dasar pengambilan keputusannya menurut Ghozali 2005:105 adalah sebagai
berikut: 1.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedasitas.
2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka o dan y,
maka tidak heterokedasitas. Berikut ini peneliti menampilkan grafik scatterplot untuk melihat hasil
ujiheterokedastisitas dalam penelitian ini pada gambar 4.3.
Universitas Sumatera Utara
Gambar 4. 3 Uji Heterokedastisitas
Pada gambar 4.3 pada grafik Scatterplot diatas dapat terlihat bahwa titik data menyebar secara acak dan tidak terlihat suatu pola tertentu, dan pada grafik
scatterplot diatas juga dapat terlihat bahwa tidak tersebar diatas maupun dibawah sumbu y dan angka 0. Oleh karena itu dapat disimpulkan bahwa tidak terjadi
heterokedastisitas di dalam penelitian ini, dan model regresi ini layak dipakai dalam penelitian.
Universitas Sumatera Utara
4.2.3 Uji Autokorelasi
Untuk mengetahui terjadi atau tidak terjadinya suatu autokorelasi dapat diketahui dengan melihat nilai Durbin-Watson DW. Menurut Sugiyono
2006:76 mengemukakan bahwa terjadinya Autokorelasi jika nilai Durbin- Watson DW memiliki nilai lebih dari 5, atau Durbin-Watson DW 5.
Berikut ini peneliti menampilkan hasil Uji Autokorelasi pada Tabel 4.5 dibawah ini:
Tabel 4. 5 Uji Autokorelasi
Model Summary
b
Model R
R Square
Adjusted R Square
Std. Error of the
Estimate Change Statistics
Durbin- Watson
R Square Change
F Change df1 df2
Sig. F Change
1 .469
a
.220 .165
.89504 .220
4.018 4 57
.006 2.032
a. Predictors: Constant, LN ROA, LN LtDER, LN TATO, LN CR b. Dependent Variable: LN HARGA SAHAM
Bedasarkan Tabel 4.5 tentang Uji Autokorelasi memperlihatkan bahwa nilai Durbin-Watson DW adalah 2,032 5. Oleh karena itu, dapat dikemukakan
bahwa tidak terjadi Autokorelasi dalam penelitian ini.
Universitas Sumatera Utara
4.2.4 Pengujian Hipotesis