Jenis dan Sumber Data Metode Pengumpulan Data Hasil Penelitian

11 DVLA Darya Varia Laboratoria Tbk √ √ √ √ 11 12 KLBF Kalbe Farma Tbk √ √ √ √ 12 13 KAEF Kimia Farma Tbk √ √ √ √ 13 14 PYFA Pyridamfarma Tbk √ √ √ √ 14 15 TCID Mandom Indonesia Tbk √ √ √ √ 15 16 UNVR Unilever Indonesia Tbk √ √ √ √ 16 17 KICI Kedaung Indah Can Tbk √ √ √ √ 17 18 KDSI Kedawung Setia Industrial Tbk √ √ √ √ 18

3.5 Jenis dan Sumber Data

Data yang digunakan dalam penelitian ini adalah data kuantitatif. Data kuantitatif menekankan pada pengujian teori melalui pengukuran variabel penelitian dengan angka dan melakukan analisis data dengan prosedur statistik Erlina,2011 : 12, dan data tersebut merupakan data sekunder yaitu data yang telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada masyarakat pengguna data. Data yang diperoleh dalam penelitian ini adalah data laporan keuangan tahunan perusahaan-perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di Bursa Efek Indonesia periode 2009-2011, melalui situs resmi BEI yaitu www.idx.co.id dan data harga saham penutupan perusahaan yang bersangkutan yang diperoleh dan diunduh dari IDX FACT BOOK yang juga diperoleh melalui situs resmi idx yaitu www.idx.co.id.

3.6 Metode Pengumpulan Data

Teknik pengumpulan data yang digunakan dalam penelitian ini adalah Dokumentasi. Teknik Dokumentasi ini dapat dilakukan dengan cara mempelajari dan menggunakan data sekunder. Data sekunder dikumpulkan dari sumber- Universitas Sumatera Utara sumber tercetak, dimana data itu telah dikumpulkan oleh pihak lain sebelumnya Erlina,2011 : 31.

3.7 Metode Analisis Data

Metode analisis data yang digunakan pada penelitian ini adalah metode statistik dengan menggunakan SPSS 17, namun terlebih dahulu dilakukan uji statistik deskriptif sebelum melakukan pengujian hipotesis.

3.7.1 Statistik Deskriptif

Statistik deskriptif merupakan proses transformasi data penelitian dalam bantuk tabulasi, sehingga mudah dipahami dan diinterprestasikan. Statistik deskriptif umumnya digunakan untuk memberi informasi mengenai variabel penelitian yang utama. Ukuran yang digunakan berupa: frekuensi, tendensi sentral rata-rata, median, modus, disperse standar deviasi, variance dan pengukur-pengukur bentuk measures of shape Erlina, 2011 :93.

3.7.2 Pengujian Asumsi Klasik

Model regresi yang diperoleh dari metode kuadrat terkecil biasa Ordinary Least SquaresOLS merupakan model regresi yang menghasilkan estimator linear tidak bias yang terbaik Best Linear Unbias EstimatorBLUE . Kondisi ini akan terjadi jika dipenuhi beberapa asumsi, yang disebut dengan asumsi klasik. Universitas Sumatera Utara Menurut Algifari 2000 : 83 asumsi klasik yang harus dipenuhi adalah: a. Non-Multikoleniaritas. Artinya antara variabel independen yang satu dengan independen yang lain dalam model regresi tidak saling berhubungan secara sempurna atau mendakati sempurna. b. Homoskendastisitas. Artinya tidak terdapat pengaruh dari variabel adalah konstan sama . c. Nonotokorelasi. Artinya tidak terdapat pengaruh dari variabel dalam model melalui tenggang waktu time lag. Misalnya nilai suatu variabel saat ini akan berpengaruh terhadap nilai variabel lain pada masa yang akan datang. Menurut model klasik ini tidak mungkin terjadi. d. Nilai rata – rata kesalahan error populasi pada model stokhastiknya sama dengan nol. e. Variabel independen adalah nonstokastik nilainya konstan pada setiap kali percobaan yang dilakukan secara berulang. f. Distribusi kesalahan error adalah normal.

3.7.2.1 Uji Normalitas Residual

Menurut Hengky Latan dan Selva Temalagi 2013:56, Uji asumsi klasik yang pertama adalah uji normalitas. Pengujian terhadap asumsi klasik normalitas bertujuan untuk mengetahui Universitas Sumatera Utara apakah residual data dari model regresi linear memiliki distribusi normal ataukah tidak. Model regresi yang baik adalah yang residual datanya berdistribusi normal. Jika residua l data tidak tidak terdistribusi normal maka kesimpulan statistik menjadi titik valid atau bias. Ada dua cara untuk mendeteksi apakah residual data berdistribusi normal ataukah tidak yaitu dengan melihat grafik normal probability plot dan uji statistic One-Sample Kolmogorov smirnov Test. Apabila pada grafik normal probability plot tampak bahwa titik-titik menyebar berhimpit di sekitar garis diagonal dan searah mengikuti garis diagonal maka hal ini dapat disimpulkan bahwa residual data memiliki distribusi normal, atau data memenuhi asumsi klasik normalitas. Lebih lanjut pada uji statistik One-Sample Kolmogorov smirnov Test. Jika didapat nilai signifikan 0,05, maka dapat disimpulkan bahwa data terdistribusi normal secara multivariate.

3.7.2.2 Uji Multikolinearitas

Menurut Erlina 2011 : 102 “ uji multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara satu dengan lainnya. Dalam hal ini kita sebut variabel-variabel bebas ini tidak orthogonal. Variabel-variabel bebas yang bersifat orthogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Universitas Sumatera Utara Metode yang digunakan untuk mendeteksi adanya Multikolinearitas adalah dengan menggunakan Variance Inflation factors VIF. VIF adalah suatu estimasi berapa besar multikolinearitas meningkatkan varians pada suatu koefisien sebuah variabel independenpenjelas Erlina,2011:103. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10.

3.7.2.3 Uji Heterokedasitas

Menurut Erlina 2011 : 105 “ uji heterokedasitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual suatu pengamatan ke pengamatan yang lain”. Jika variabel residual suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Untuk mendeteksi ada atau tidaknya gejala heteroskedastisitas dapat dilakukan dengan menggunakan uji Glaiser. Glaiser mengusulkan untuk meregresinilai absolute residual terhadap variabel independen. Jika variabel indepnden ternyata signifikan secara statistik mempengaruhi variabel dependen, maka terdapat indikasi terjadi heteroskedastisitas. Syarat untuk terbebas dari indikasi terjadi heteroskedastisitas adalah Universitas Sumatera Utara adanya tingkat signifikan yang berada di atas tingkat kepercayaan α 0,05 Wenny Wijayanti,2012. Permasalahan heteroskedastisitas dapat dilakukan dengan beberapa cara adalah sebagai berikut: 1. Dengan melakukan prosedur general least square GLS. Prosedur ini dilakukan dengan dua langkah, yaitu mentransformasi data dengan suatu faktor yang tepat, kemudian menggunakan prosedur OLS terhadap data yang telah ditransformasi tersebut. 2. Transformasi data dalam bentuk logaritma.

3.2.7.4 Uji Autokorelasi

Erlina 2011 : 106 Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada time series. Ada beberapa cara yang dapat digunakan untuk mendeteksi masalah auto kolerasi di antaranya dengan uji Durbin Watson, karena uji ini yang umum digunakan. Kriteria uji Durbin Watson menurut Erlina 2011 : 106: 1. Bila nilai Durbin-Watson DW terletak antara batas atas atau upper Bound DU dan 4-DU, maka Universitas Sumatera Utara koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi. 2. Bila nilai DW lebih rendah dari pada batas bawah atau Lower Bound I DL, maka koefisien autokorelasi lebih besar dari nol, berarti ada autokorelasi positif. 3. Bila nilai DW lebih besar dari pada 4-DL, maka koefisien autokolerasi lebih kecil dari nol, berarti ada autokorelasi negative. 4. Bila nilai DW terletak di antara batas atas DU dan batas bawah DL, atau DW terletak antara 4-DU dan 4-DL, maka hasilnya tidak dapat disimpulkan Ghozali,2001

3.8 ` Pengujian Hipotesis Penelitian

Dalam menentukan hubungan yang berlaku antara komponen laporan laba rugi dan komponen arus kas terhadap return saham pada perusahaan manufaktur sektor industry barang konsumsi yang terdaftar di Bursa Efek Indonesia, maka digunakan analisis statistik.

3.8.1 Model Regresi Linear Berganda

Penelitian mengenai pengaruh komponen laporan laba rugi dan komponen arus kas dalam mempengaruhi return saham dilakukan dengan menggunakan model regresi linear berganda. Model regresi linear berganda adalah model regresi yang memeiliki lebih dari satu variabel Universitas Sumatera Utara independen. Analisis dengan model regresi linear berganda ini dapat digunakan untuk mengetahui arah hubungan antar variabel independen dengan variabel dependen, apakah variabel independen berhubungan positif atau negatif dengan variabel dependen dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Model ini juga diharapkan dapat menjelaskan besarnya pengaruh dari enam variabel independen atau variabel bebas. Yaitu laba kotor, laba operasional, arus kas dari aktivitas operasi, arus kas dari aktivitas investasi, dan arus kas dari aktivitas pendanaan terhadap satu variabel dependen atau variabel terikat, yaitu return saham. Model regresi linear berganda dapat dinyatakan dalam persamaan: R t = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + e Keterangan: R t = Return Saham α = konstanta β 1, β 2, β 3, β 4 = koefisien regresi variabel LK, LB, AKO, AKI X 1 = Laba Bersihper saham X 2 = Laba Kotor per saham X 3 = Arus Kas dari Aktivitas Operasi per saham X 4 = Arus Kas dari Aktivitas Investasi per saham e = Residual error Universitas Sumatera Utara

3.8.2 Koefisien Determinasi

Koefisien determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen Imam Ghozali,2006 dalam Wenny Wijayanti, 2012. Nilai koefisien determinasi adalah antara nol dan satu. Oleh karena itu variabel independen yang digunakan dalam penelitian ini lebih dari satu. Maka nilai koefisien determinasinya dilihat pada adjusted R square. Nilai adjusted R Square yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai adjusted R square yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R 2 pasti akan meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan nilai adjusted R square pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R 2 , nilai adjusted R square dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model, Universitas Sumatera Utara

3.8.3 Uji Serempak F-Test

Hengky Latan dan Selva Temalagi 2013:81, Uji statistik F pada dasarnya bertujuan untuk mengetahui apakah semua variabel independen yang dimasukkan dalam model regresi mempunyai pengaruh secara simultan bersama-sama terhadap variabel dependen ataukah tidak. Jika nilai signifikan yang dihasilkan uji F 0.05, maka dapat disimpulkan bahwa semua variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen.

3.8.4 Uji Parsial t-test

Uji Parsial t-test menurut Erlina 2011 : 111 yaitu untuk menjelaskan seperangkat variabel atau mengelompokkan berdasarkan variabel-variabel tertentu. Menurut Husein Umar 2008 :115 hipotesis yang dapat diambil: Jika nilai t hitung t tabel , tolakreject H sehingga korelasi memiliki artisignifikan. Universitas Sumatera Utara BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian

Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data dimulai dengan menggunakan Microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS versi 17. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, didapat 18 perusahaan industri barang konsumsi yang memenuhi kriteria dan dijadikan sampel dalam penelitian ini dan diamati selama periode 2009-2011 Tabel 4.1 Daftar Sampel Perusahaan No Nama Perusahaan Kode 1 Akasha Wira International Tbk ADES 2 Cahaya Kalbar Tbk CEKA 3 Indoofod Sukses Makmur Tbk INDF 4 Multi Bintang Indonesia Tbk MLBI 5 Prasidha Aneka Niaga PSDN 6 Tiga Pilar Sejahtera Food Tbk AISA 7 Ultra Jaya Milk Tbk ULTJ 8 Bantoel International Investama Tbk RMBA 9 Gudang Garam Tbk GGRM 10 H.M Sampoerna Tbk HMSP 11 Darya Varia Laboratoria Tbk DVLA 12 Kalbe Farma Tbk KLBF Universitas Sumatera Utara 13 Kimia Farma Tbk KAEF 14 Pyridamfarma Tbk PYFA 15 Mandom Indonesia Tbk TCID 16 Unilever Indonesia Tbk UNVR 17 Kedaung Indah Can Tbk KICI 18 Kedawung Setia Industrial Tbk KDSI

4.2 Analisis Hasil Penelitian