Tabel 4.5 Deskripsi Nilai Variabel Pendapatan Saham Tahun 2005
KODE PERUSAHAAN TAHUN 2005
Kwartal I
Kwartal II
Kwartal III
Kwartal IV
ASII 0.0938 0.2095
-0.2323 0.0462
AUTO 0.3766 0.1698
0.0161 -0.1111
BRAM 0.0000 0.3125
0.1905 -0.2480
GJTL 0.3231 -0.0814
-0.2911 0.0000
IMAS -0.2222 0.3286
-0.2043 0.3919
INDS 0.1167 0.0448
-0.2857 0.0000
LPIN -0.0941 -0.2208
-0.1667 0.0000
NIPS -0.0833 0.0000
0.2182 -0.0299
PRAS -0.0500 0.1447
-0.1667 -0.0690
SMSM 0.1207 -0.0769
0.0333 -0.0161
SUGI 0.0182 -0.1071
0.0400 -0.5192
Rata-rata 0.0545 0.0658
-0.0772 -0.0505
Sumber : Hasil Penelitian, 2008 Data diolah
Pada Tabel 4.5 memperlihatkan pendapatan saham yang diperoleh oleh perusahaan-perusahaan otomotif dan komponennya selama tahun 2005.
Pendapatan saham tertinggi diperoleh pada kwartal I tahun 2005 senilai 0.3919 yang diperoleh oleh PT Indomobil Sukses Tbk. Pendapatan saham yang terendah
senilai-0.5192 pada kwartal IV oleh PT. Sugi Samapersada Tbk. Pada Tabel 4.5 juga menggambarkan mengenai nilai rata-rata
pendapatan saham sebagai variabel dependen dalam penelitian ini. Nilai rata-rata pendapatan saham kwartal IV merupakan kwartal yang memiliki rata-rata
pendapatan saham yang negatif sekaligus sebagai nilai rata-rata terendah yaitu -0.5192. Rata-rata pendapatan saham yang paling tinggi diperoleh pada kwartal II
sebesar 0.0658.
B. Evaluasi Model Statistik
Penggunaan model analisis yang digunakan peneliti dalam menguji hipotesis adalah dengan regresi berganda. Peneliti melakukan uji-f pada tiap
Universitas Sumatera Utara
variabel dependen pendapatan saham dengan variabel independen beta, debt to equito ratio, price to earning ratio, price to book value
, untuk melihat keabsahan persamaan regresi yang dibuat, pembuatan regresi dilandasi oleh asumsi-asumsi
yang tidak boleh dilanggar. Data yang diperoleh sebagai nilai dari masing-masing variabel independen
dan dependen. Selanjutnya dianalisis secara statistik dengan menggunakan software
statistika yaitu SPSS relase 1.4.
Tabel 4.6.
Sumber : Hasil Penelitian 2008 Data diolah
Berdasarkan Tabel 4.6. dapat disusun persamaan regresi linier berganda sebagai berikut:
Y =0,182Beta – 0,053 DER+0,001PER+0,070PBV+e
Interpretasi model : 1.
Konstanta bernilai 0,091. Hal ini menunjukkan bahwa jika tidak ada pengaruh variabel bebas yaitu beta dan maka perubahan pendapatan saham tetap
sebesar 0,091 2.
Variabel beta bernilai 0,182 . Hal ini menunjukkan bahwa jika beta bertambah sebesar 10 maka perubahan pendapatan saham yang dilihat akan bertambah
sebesar 0,182.
Universitas Sumatera Utara
3. Variabel DER bernilai – 0,053. Hal ini menunjukkan bahwa jika DER
bertambah sebesar 1 maka perubahan pendapatan saham yang dilihat akan berkurang sebesar – 0,053.
4. Varibel PER bernilai 0,001. Hal ini menunjukkan bahwa jika PER bertambah
sebesar 1 maka perubahan pendapatan saham yang dilihat akan bertambah sebesar 0,001.
5. Variabel PBV bernilai 0,070. Hal ini menunjukkan bahwa jika PBV bertambah
sebesar 1 maka perubahan pendapatan saham yang dilihat akan bertambah sebesar 0,070.
Hasil model persamaan regresi berganda yang telah didapat untuk menganalisa faktor-faktor yang mempengaruhi pendapatan saham, namun terlebih
dahulu diuji syarat-syarat yang harus dipenuhi. Syarat tersebut adalah menguji pelanggaran asumsi klasik sebagai berikut :
1. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik .
Untuk melihat normalitas residual, penulis menganalisis probabilitiy plot. Hipotesis:
1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi klasik.
Universitas Sumatera Utara
2 Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah
garis diagonal menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi klasik.
Gambar 4.1. : Normal PP Plot Standardized Residual.
Sumber : Hasil Penelitian 2008 Data diolah
Pada Gambar 4.1. menunjukkan bahwa data titik-titik menyebar di daerah di sekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena
itu, berdasarkan Gambar 4.1. Normal PP Plot Standardized Residual maka dapat diambil kesimpulan bahwa telah memenuhi uji normalitas. Artinya data
layak untuk memprediksi pendapatan saham return berdasarkan Variabel beta X1, Variabel debt to equity ratio X2, Variabel price to earning ratio X3,
Variabel price to book value X4.
Universitas Sumatera Utara
2. Uji Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambar dalam spesifikasi model regresi. Dengan kata lain, heterokedastisitas terjadi jika
residual tidak memiliki varian yang konstan. Pemeriksaan terhadap gejala heterokedastisitas adalah dengan melihat pola diagram pencar scatter plot yaitu
grafik yang merupakan diagram pencar residual Hipotesis:
1 Jika diagram pencar yang ada membentuk pola-pola tertentu yang
teratur maka regresi mengalami gangguan heterokedastisitas. 2
Jika diagram pencar tidak membentuk pola yang atau acak maka regresi tidak mengalami gangguan keterokedastisitas.
Gambar 4.2. : Scatter Plot Sumber : Hasil Penelitian, 2008 Data diolah
Universitas Sumatera Utara
Scatter plot menunjukkan bahwa diagram pencar terlihat menyebar dan
tidak membentuk pola-pola tertentu yang teratur. Hal ini dapat disimpulkan dalam penelitian ini tidak terdapat gangguan heteroskedastisitas
3. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah di dalam model regresi linier ditemukan adanya korelasi yang tinggi di antara variabel bebas. Multikolinearitas
dapat dilihat dari nilai Variance Inflation Factor VIF. Uji multikolinearitas menggunakan kriteria Variance Inflation Factor
VIF dengan ketentuan bila VIF 5 terdapat masalah multikolinearitas yang serius, sebaliknya bila VIF kecil 5 tidak terdapat masalah multikolinearitas yang
serius. Pada tabel coefficients dapat dilihat nilai VIF untuk masing-masing
variabel independen bernilai sekitar 1 satu, yaitu masing-masing 1,077, 1,737, 1,099, 1,826. Semua variabel bebas mempunyai nilai VIF 5 sehingga dapat
disimpulkan tidak terdapat bahwa masalah multikolinearitas yang serius. 4.
Uji Autokorelasi Gejala autokorelasi dideteksi dengan menggunakan uji Durben Watson
DW. Menurut Gudjarati 1995, untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian.
Durbin Watson DW dengan ketentuan sebagai berikut:
1. 0DWdU
: terjadi masalah autokorelasi yang positif, perlu adanya perbaikan.
Universitas Sumatera Utara
2. dLDWdU
: ada masalah autokorelasi positif tetapi lemah, jika diperbaiki akan lebih baik.
3. dUDW4-dU
: tidak ada masalah autokorelasi. 4.
4-dUDW4-dL : masalah autokorelasi lemah, di mana dengan
perbaikan akan lebih baik. 5.
4-dLDW4 : masalah autokorelasi serius
Hipotesis : a.
Menemukan formulasi hipotesis Ho : tidak ada autokorelasi
H1 : ada autokorelasi b.
Menemukan nilai λ dan nilai λ tabel dari dU dan dL. Nilai λ diambil
dengan 5 dan nilai dU dan dL ditentukan dengan nilai n dan k. c.
Menentukan kriteria pengujian Ho diterima jika : dU DW 4 – dU
Ho ditolak jika : DWdL, dLDW dU, 4 –dU DW 4-dU, 4-dLDW
Tabel 4.7.
Model Summary
b
.937
a
.879 .809
.0650117 2.224
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
Predictors: Constant, x4, x1, x3, x2 a.
Dependent Variable: y b.
Sumber : Hasil Penelitian, 2008 Data diolah
Hasil SPSS diperoleh DW hitung sebesar 2,224, dengan menggunakan nilai signifikansi £=5, jumlah sampel n= 12 dan jumlah variabel independen
Universitas Sumatera Utara
k= 4, sedangkan dari tabel distribusi Watson diperoleh dL=2,035, dan dU=1,082. Oleh karena dU 1,082 DW 2,224 4-dU 1,082 maka terima Ho,
dengan demikian tidak terdapat autokorelasi dalam model.
C. Pengujian Hipotesis
