51 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian
Penelitian ini telah dilakukan dengan melewati berbagai tahapan penelitian yang dipersyaratkan untuk menghasilkan penelitian ilmiah yang baik sesuai yang
telah direncanakan dalam proposal penelitian. Statistik deskriptif akan memberikan gambaran umum berbagai variabel yang digunakan di dalam
penelitian. Penelitian ini terlebih dahulu melakukan pengujian terhadap kualitas data yang digunakan melalui uji asumsi klasik. Pengujian ini digunakan untuk
menjamin terpenuhinya asumsi data yang diperlukan dalam melakukan pengujian terhadap model regresi berganda. Pengujian berikutnyha yang dilakukan sebelum
melakukan pengujian hipotesa adalah pengujian model berdasarkan berbagai asumsi yang diperlukan sebuah model regresi berganda. Pengujian hipotesa
adalah pengujian terakhir dengan melakukan rehresi antara variabel dalam penelitian.
4.1.1 Analisis Statistik Deskriptif
Statisitik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari rata – rata mean, standar deviasi, varian, maksimum, minimum, sum,
range, kurtosis, dan skewness kemenangan distribusi. Berikut tabel 4.1 dari analisis statistik deskriptif.
Universitas Sumatera Utara
52
.Tabel 4.1 Analisis Statistik Deskriptif Tahun 2007 - 2012
ROE EPS
EVA HARGA_SAHAM
Mean 67.07778 69.76111
2.08E+10 1839.536
Median 69.5
69.5 10938687
1155 Maximum
139 136
3.47E+11 9800
Minimum 1
1 -5.34E+10
100 Std. Dev.
38.82211 40.5051
6.28E+10 1853.651
Skewness 0.082878
0.0066 3.723059
2.042495 Kurtosis
1.875897 1.695988 17.08002
7.384319 Jarque-Bera
9.683114 12.75466 1902.686
269.3205 Probability
0.007895 0.0017
Sum 12074
12557 3.75E+12
331116.5 Sum Sq.
Dev. 269780.9 293678.7
7.07E+23 6.15E+08
Observations 180
180 180
180
Sumber : Output Eviews7, Diolah Penulis 2014
Berdasarkan Tabel 4.1, dari 30 perusahaan yang menjadi sampel perusahaan dari tahun 2007 – 2012, nilai rata – rata harga saham adalah 1839.536
dengan nilai minimal 100 dan nilai maksimal 9800. Variabel EPS memiliki nilai rata – rata 69,76111 dengan nilai minimal 1 dan maksimal 136. Variabel EVA
memiliki rata – rata 2.08E+10 dengan nilai minimal -5.34E+10 dan maksimal 3.47E+11. Variabel ROE adalah 67,07778 dengan nilai minimal 1 dan maksimal
139.
Universitas Sumatera Utara
53
4.1.2 Uji Asumsi Klasik 4.1.2.1 Uji Normalitas
Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak dengan membandingkan nilai Jarque Bera JB dengan X
2
tabel, yaitu : 1. Jika nilai JB X
2
tabel, maka residualnya tidak berdistribusi normal. 2. Jika nilai JB X
2
tabel, maka residualnya tidak berdistribusi normal.
Gambar 4.1 Hasil Uji Normalitas
Dari hasil output Eviews 7 diatas maka diperoleh nilai Jarque Bera J-B sebesar 264,2106 , maka nilai JB X
2
tabel sebesar 5,99 sehingga dapat disimpulkan bahwa residual tidak berdistribusi secara normal.
5 10
15 20
25 30
-2000 -1000 1000
2000 3000
4000 5000
6000 7000
Series: Residuals Sample 1 180
Observations 180
Mean 1.64e-14
Median -513.5849
Maximum 7487.233
Minimum -2173.046
Std. Dev. 1817.930
Skewness 2.010439
Kurtosis 7.365847
Jarque-Bera 264.2106
Probability 0.000000
Universitas Sumatera Utara
54
4.1.2.2 Uji Multikolinearitas
Jika koefisien korelasi diantara masing – masing variabel bebas lebih besar dari 80 atau 0.8 , maka tidak terjadi multikolinearitas.
Tabel 4.2 Hasil Uji Multikolinearitas
ROE EPS
EVA ROE
1.000000 0.029538
-0.055907 EPS
0.029538 1.000000
0.132486 EVA
-0.055907 0.132486
1.000000
Sumber : Output Eviews 7, Diolah Penulis 2014
Dari hasil output diatas, dapat diketahui bahwa tidak ada masalah multikolinearitas dalam persamaan regresi berganda. Hal ini dikarenakan nilai
matriks korelasi correlation matrix dari semua variabel adalah kurang dari 0,8.
4.1.2.3 Uji Autokorelasi
Untuk mendeteksi adanya autokorelasi, maka harus dilakukakan dengan menggunakan uji Durbin WatsonDW dengan ketentuan sebagai berikut:
1. Jika Nilai D – W dibawah -2 , maka terjadi autokorelasi Positif. 2. Jika Nilai D – W berada diantara -2 sampai +2 , maka tidak terjadi
autokorelasi. 3. Jika Nilai D – W diatas +2, maka terjadi autokorelasi negatif.
Universitas Sumatera Utara
55
Tabel 4.3 Hasil Uji Autokorelasi
Test Equation: Dependent Variable: RESID
Method: Least Squares Date: 012015 Time: 19:01
Sample: 1 180 Included observations: 180
Presample missing value lagged residuals set to zero. Variable
Coefficient Std. Error
t-Statistic Prob.
ROE -0.301785
3.308225 -0.091223
0.9274 EPS
2.465597 3.238971
0.761229 0.4476
EVA 4.62E-10
2.05E-09 0.225688
0.8217 C
-162.1056 339.6688
-0.477246 0.6338
RESID-1 0.356453
0.075806 4.702175
0.0000 RESID-2
0.076085 0.077642
0.979947 0.3285
R-squared 0.149787 Mean dependent var
3.01E-13 Adjusted R-squared
0.125356 S.D. dependent var 1817.930
S.E. of regression 1700.172 Akaike info criterion
17.74761 Sum squared resid
5.03E+08 Schwarz criterion 17.85404
Log likelihood -1591.285 Hannan-Quinn criter.
17.79076 F-statistic
6.130932 Durbin-Watson stat 1.991361
ProbF-statistic 0.000029
Sumber : Output Eviews 7, Diolah Penulis 2014
Dari hasil diatas diperoleh nilai D-W sebesar 1,99 sehingga data ini bebas dari uji autokorelasi yang artinya tidak ada masalah dalam pengambilan sampel
time series.
Universitas Sumatera Utara
56
4.1.2.4 Uji Heteroskedasitas
Uji heteroskedasitas dapat dilakukan dengan cara melihat pola residual dari hasil estimasi regresi. Jika residual bergerak konstan maka tidak terjadi
heteroskedasitas. Akan tetapi, jika residual membentuk suatu pola tertentu maka ada terjadi heteroskedasitas.
Gambar 4.2 Hasil Uji Heteroskedasitas
Sumber : Output Eviews 7, Diolah Penulis 2014
Dari hasil output Eviews7 diatas maka tidak ada terbentuk suatu pola tertentu sehingga data ini bebas dari heteroskedasitas sehingga data ini bagus
digunakan untuk memprediksi variabel terikatnya. Untuk membuktikan dugaan pada uji heteroskedasitas, maka dilakukan uji
White Heteroscedasticity. Hasil yang diperhatikan dari uji ini adalah nilai F dan
-4,000 -2,000
2,000 4,000
6,000 8,000
2,000 4,000
6,000 8,000
10,000
25 50
75 100
125 150
175 Residual
Actual Fitted
Universitas Sumatera Utara
57
ObsR-Squared. Jika nilai ObsR-Squared lebih kecil dari X
2
tabel, maka tidak terjadi heteroskedasitas. Demikian juga sebaliknya seperti yang ditampilkan oleh
tabel 4.5
Tabel 4.4 Uji White Heteroskedasitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic
0.840245 Prob. F3,176 0.4735
ObsR-squared 2.541621 Prob. Chi-Square3
0.4678 Scaled explained SS
7.734234 Prob. Chi-Square3 0.0518
Test Equation: Dependent Variable: RESID2
Method: Least Squares Date: 012015 Time: 21:06
Sample: 1 180 Included observations: 180
Variable Coefficient
Std. Error t-Statistic
Prob. C
1400501. 1624986.
0.861854 0.3899
ROE 11658.41
16066.88 0.725618
0.4690 EPS
18329.08 15511.96
1.181610 0.2390
EVA -8.38E-06
1.00E-05 -0.837249
0.4036 R-squared
0.014120 Mean dependent var 3286508.
Adjusted R-squared -0.002685 S.D. dependent var
8315195. S.E. of regression
8326350. Akaike info criterion 34.72972
Sum squared resid 1.22E+16 Schwarz criterion
34.80067 Log likelihood
-3121.675 Hannan-Quinn criter. 34.75849
F-statistic 0.840245 Durbin-Watson stat
1.457280 ProbF-statistic
0.473498 Sumber : Output Eviews7, Diolah Penulis 2014
Universitas Sumatera Utara
58
Dari hasil uji White Heteroskedasitas diatas maka dapat dilihat jika nilai p- value ObsSquared sebesar 0,0518, sehingga nilai p-value ObsSquared 0,01
maka dapat disimpulkan tidak terdapat heteroskedasitas.
4.1.3. Analisis Regresi
Analisis ini digunakan untuk menentukan hubungan antara harga saham dengan variabel – variabel independen.
Tabel 4.5 Hasil Analisis Regresi
Dependent Variable: HARGA_SAHAM Method: Least Squares
Date: 012015 Time: 21:39 Sample: 1 180
Included observations: 180 Variable
Coefficient Std. Error
t-Statistic Prob.
ROE 6.150978
3.537726 1.738681
0.0838 EPS
6.390485 3.415538
1.871004 0.0630
EVA -1.33E-09
2.20E-09 -0.603023
0.5473 C
1008.836 357.8016
2.819539 0.0054
R-squared 0.038170 Mean dependent var
1839.536 Adjusted R-squared
0.021775 S.D. dependent var 1853.651
S.E. of regression 1833.358 Akaike info criterion
17.88766 Sum squared resid
5.92E+08 Schwarz criterion 17.95861
Log likelihood -1605.889 Hannan-Quinn criter.
17.91643 F-statistic
2.328180 Durbin-Watson stat 1.241487
ProbF-statistic 0.076197
Sumber: Output Eviews 7, Diolah Penulis 2014
Dari hasil output diatas maka persamaan regresi yang terbentuk adalah sebagai berikut:
Harga saham = 1008.8 + 6.15 ROE + 6.39 EPS - 1.33 EVA
Universitas Sumatera Utara
59
Dari hasil penelitian diatas maka dapat kita interpretasikan sebagai berikut: 1. Nilai variabel harga saham konstan sebesar 1000,836 artinya jika variabel
independen lainnya bernilai nol atau konstan maka nilai variabel harga saham sebesar 1000,38
2. Nilai variabel ROE sebesar 6,15 artinya jika nilai variabel ini ditingkat satu satuan maka akan meningkatkan nilai variabel harga saham sebesar 6,15 dan
sebaliknya jika diturunkan maka akan menurunkan nilai variabel harga saham sebesar 6,15 sehingga dalam hal ini terjadi hubungan yang negatif positif
antara variabel ROE dengan variabel harga saham. 3. Nilai variabel EPS sebesar 6,39 artinya jika nilai variabel ini ditingkat satu
satuan maka akan meningkatkan nilai variabel harga saham sebesar 6,39 dan sebaliknya jika diturunkan maka akan menurunkan nilai variabel harga saham
sebesar 6,39 sehingga dalam hal ini terjadi hubungan yang negatif positif antara variabel EPS dengan variabel harga saham.
4. Nilai variabel EVA sebesar -1,33 artinya jika nilai variabel ini ditingkat satu satuan maka akan menurunkan nilai variabel harga saham sebesar -1,33 dan
sebaliknya jika diturunkan maka akan meningkatkan nilai variabel harga saham sebesar -1,33 sehingga dalam hal ini terjadi hubungan yang negatif
berlawanan antara variabel EVA dengan variabel harga saham.
Universitas Sumatera Utara
60
4.1.4 Pengujian Hipotesis 4.2.4.1 Uji F