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